APPLICATION OF CBERS IMAGES AND MACHINE LEARNING IN THE SIZING AND LOCATION OF FISH FARMS

Abstract

O uso de ferramentas de inteligência especializada em artificial expandiu significativamente a aplicação de sensoriamento remoto, especialmente na identificação e monitoramento de parques aquáticos. Este estudo avaliou a aplicabilidade do Segment Anything Model (SAM), integrado ao SamGeo, na segmentação automática de áreas de piscicultura em imagens CBERS com resolução de 2 metros, no município de Conceição do Araguaia, Pará, Brasil. Duas áreas de interesse foram demonstradas, e o processamento das imagens foi realizado com prompts de linguagem natural, gerando máscaras de segmentação convertidas em formato vetorial para análise em SIG. O desempenho do modelo foi avaliado utilizando as análises IoU e F1-Score, atingindo valores de 0,50 e 0,66, respectivamente. A metodologia apresentou maior precisão em tanques com formato regular, enquanto estruturas menores ou com declives estreitos apenas limitações. Os resultados demonstram que a combinação de imagens CBERS e modelos avançados de segmentação permite a identificação eficiente de pisciculturas, fornecendo suporte relevante para o monitoramento e gestão territorial. No entanto, melhorias na resolução das imagens e limitações das configurações do modelo são recomendadas para aumentar a precisão em aplicações que desativam alta precisão espacial.