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).
Os dados espaciais provenientes de satélites e drones, conforme mencionados no texto 2A2-I, são potencialmente integráveis a diferentes órgãos ambientais. Para viabilizar o compartilhamento desses dados geoespaciais, é fundamental o uso de
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).
Os dados espaciais provenientes de satélites e drones, conforme mencionados no texto 2A2-I, são potencialmente integráveis a diferentes órgãos ambientais. Para viabilizar o compartilhamento desses dados geoespaciais, é fundamental o uso de
Resolução comentada
O compartilhamento geoespacial exige padrões abertos do OGC no âmbito da INDE.
A interoperabilidade de dados geoespaciais depende de padrões abertos, como os serviços WMS, WFS e CSW do OGC, adotados pela Infraestrutura Nacional de Dados Espaciais (INDE), que permitem a diferentes órgãos publicar e consumir dados de modo padronizado.
Análise das alternativas
A) Metadados em PLN não são o requisito de interoperabilidade; o que importa são metadados padronizados. B, D e E) Sistemas isolados, formatos proprietários e armazenamento local sem padronização impedem o compartilhamento.
Referência: OGC (WMS, WFS, CSW); INDE (Decreto nº 6.666/2008).
Resolução comentada do VaiConcursos.