Gabarito disponível
Texto-base:
Texto 2A2-I
Imagens de satélite e inteligência artificial podem ser aplicadas para determinar os níveis de desmatamento e os detalhes da biodiversidade da Floresta Amazônica, de maneira que culturas agrícolas sejam automaticamente classificadas por um sistema de aprendizado de máquina que usa imagens de satélite nesse mapeamento.
É nesse sentido que a ferramenta LLP-Co (learning from label proportions with prototypical contrastive clustering) organiza grandes conjuntos de dados capturados por drones e satélites, que conseguem sobrevoar a floresta e coletar dados em grande escala, inclusive em áreas de cobertura vegetal mais densa. Esses dados são organizados, identificados (rotulados) e classificados pelo sistema, que tem a capacidade de aprender sozinho a partir da supervisão e validação dos pesquisadores.
As aplicações do sistema no monitoramento florestal permitem uma maior acurácia no acompanhamento do avanço do desmatamento, possibilitando uma gestão de políticas públicas mais eficaz. Além disso, a identificação e a classificação das espécies vegetais podem revelar detalhes surpreendentes da biodiversidade local, abrindo novos flancos de pesquisas voltadas para a preservação ambiental.
Internet: <https://portal.fgv.br> (com adaptações).
No sensoriamento remoto, o emprego de drones e satélites para coletar informações sobre a cobertura vegetal amazônica, conforme consta no texto 2A2-I, fundamenta-se na
Texto 2A2-I
Imagens de satélite e inteligência artificial podem ser aplicadas para determinar os níveis de desmatamento e os detalhes da biodiversidade da Floresta Amazônica, de maneira que culturas agrícolas sejam automaticamente classificadas por um sistema de aprendizado de máquina que usa imagens de satélite nesse mapeamento.
É nesse sentido que a ferramenta LLP-Co (learning from label proportions with prototypical contrastive clustering) organiza grandes conjuntos de dados capturados por drones e satélites, que conseguem sobrevoar a floresta e coletar dados em grande escala, inclusive em áreas de cobertura vegetal mais densa. Esses dados são organizados, identificados (rotulados) e classificados pelo sistema, que tem a capacidade de aprender sozinho a partir da supervisão e validação dos pesquisadores.
As aplicações do sistema no monitoramento florestal permitem uma maior acurácia no acompanhamento do avanço do desmatamento, possibilitando uma gestão de políticas públicas mais eficaz. Além disso, a identificação e a classificação das espécies vegetais podem revelar detalhes surpreendentes da biodiversidade local, abrindo novos flancos de pesquisas voltadas para a preservação ambiental.
Internet: <https://portal.fgv.br> (com adaptações).
No sensoriamento remoto, o emprego de drones e satélites para coletar informações sobre a cobertura vegetal amazônica, conforme consta no texto 2A2-I, fundamenta-se na
Resolução comentada
Sensoriamento remoto obtém informações da superfície por sensores, sem contato físico direto.
No sensoriamento remoto, sensores em satélites, aeronaves e drones registram a radiação eletromagnética refletida ou emitida pelos alvos, o que gera informações da superfície sem contato físico direto.
Análise das alternativas
A) As imagens de sensores são matriciais (raster) e exigem processamento posterior. B) Observação direta em campo não é sensoriamento remoto. C) A análise não se restringe a bases locais. E) Sensores terrestres em contato não caracterizam o uso de drones e satélites do texto.
Referência: Fundamentos de sensoriamento remoto.
Resolução comentada do VaiConcursos.