{"id":2816,"date":"2020-12-21T20:06:34","date_gmt":"2020-12-21T23:06:34","guid":{"rendered":"https:\/\/pixforce.ai\/?p=2816"},"modified":"2023-09-02T20:13:19","modified_gmt":"2023-09-02T23:13:19","slug":"sensoriamento-remoto-na-gestao-de-ativos-de-energia-eletrica","status":"publish","type":"post","link":"https:\/\/pixforce.com\/pt-br\/sensoriamento-remoto-na-gestao-de-ativos-de-energia-eletrica\/","title":{"rendered":"Sensoriamento remoto na gest\u00e3o de ativos de energia el\u00e9trica"},"content":{"rendered":"

N\u00e3o \u00e9 nenhuma novidade que o sensoriamento remoto<\/strong> pode ser considerado um dos maiores avan\u00e7os j\u00e1 produzidos pela ci\u00eancia e tecnologia relacionados ao estudo da superf\u00edcie da Terra. Os sat\u00e9lites de observa\u00e7\u00e3o terrestre fornecem dados cobrindo as mais variadas por\u00e7\u00f5es do espectro eletromagn\u00e9tico em diferentes resolu\u00e7\u00f5es espaciais, temporais e espectrais. \u00c9 por isso que o sensoriamento remoto tem sido aplicado com sucesso em diversas \u00e1reas do conhecimento h\u00e1 d\u00e9cadas.<\/p>\n

Nos \u00faltimos anos, o interesse nesta tecnologia aumentou significativamente<\/strong>. Sua explora\u00e7\u00e3o passou de desenvolvimentos conduzidos por ag\u00eancias de intelig\u00eancia do governo para aqueles realizados por empresas e usu\u00e1rios em geral. Al\u00e9m disso, as recentes inova\u00e7\u00f5es em drones tamb\u00e9m v\u00eam fornecendo uma solu\u00e7\u00e3o poderosa<\/strong> para o mercado. Estes sistemas a\u00e9reos custam substancialmente menos e oferecem ganhos potenciais em resolu\u00e7\u00e3o espacial, devido \u00e0s altitudes mais baixas em que os levantamentos podem ser realizados.<\/p>\n

Um conceito relativamente novo<\/h2>\n

De modo geral, a coleta de dados em campo \u00e9 pr\u00e1tica comum entre empresas. No entanto, al\u00e9m de este tipo de abordagem possuir limita\u00e7\u00f5es, consome uma grande quantidade de recursos humanos e financeiros, o que torna a pr\u00e1tica muitas vezes invi\u00e1vel<\/strong>. O desenvolvimento de t\u00e9cnicas computacionalmente<\/strong> eficientes para transformar a grande quantidade de dados de sensoriamento remoto existente em informa\u00e7\u00e3o \u00fatil \u00e9 fundamental. E o melhor: tem estado sob holofotes nos \u00faltimos tempos principalmente no que se refere \u00e0 automatiza\u00e7\u00e3o do processo de an\u00e1lise de imagens. Grande parte das demandas que utilizam imagens de sat\u00e9lites ou de drones exige interpreta\u00e7\u00f5es visuais demoradas e onerosas. Isto n\u00e3o \u00e9 poss\u00edvel de ser feito em grande escala sem o uso de t\u00e9cnicas baseadas em intelig\u00eancia artificial (AI).<\/p>\n

Apesar de o termo AI e seus conceitos existirem desde os anos 1960, \u00e9 considerado novo no mercado<\/strong>. Pode-se dizer, em um contexto geral, que estas tecnologias t\u00eam sido amplamente aplicadas aos problemas de ci\u00eancia e engenharia por quase duas d\u00e9cadas. Por\u00e9m, sua aplica\u00e7\u00e3o na \u00e1rea de sensoriamento remoto \u00e9 relativamente nova. Dentro da grande \u00e1rea de AI, diferentes m\u00e9todos baseados em Machine Learning (ML), ou mesmo em Deep Learning (DL). tem provado ser muito eficientes. Um dos exemplos \u00e9 o processamento de imagens \u00f3pticas<\/strong> (hiperespectrais e multiespectrais) e de radar na extra\u00e7\u00e3o de diferentes tipos de cobertura da terra. Bem como extra\u00e7\u00e3o de estradas, edifica\u00e7\u00f5es, entre outros, sendo, desse modo, capaz de resolver uma gama de problemas relacionados ao monitoramento do ambiente como um todo.<\/p>\n

Aliando intelig\u00eancia artificial e imagens de sat\u00e9lite<\/h2>\n

Com a disponibiliza\u00e7\u00e3o cada vez maior de dados, o uso da AI vem ganhando mais aten\u00e7\u00e3o em diferentes setores, sobretudo devido ao seu potencial para alavancar big data<\/strong>. A aplica\u00e7\u00e3o de t\u00e9cnicas de sensoriamento remoto, em conjunto com as de AI, representa uma oportunidade para a realiza\u00e7\u00e3o de an\u00e1lises avan\u00e7adas de gerenciamento dos sistemas de produ\u00e7\u00e3o, melhorando assim sua efici\u00eancia<\/strong>. Gra\u00e7as aos avan\u00e7os, agora se pode quantificar as informa\u00e7\u00f5es com precis\u00e3o e integrar big data em ferramentas de monitoramento e gerenciamento preditivo, favorecendo diversos setores.<\/p>\n

A classifica\u00e7\u00e3o \u00e9 a t\u00e9cnica mais comumente usada para processamento de dados de sensoriamento remoto. Nesse contexto, os mapas da cobertura da terra, por exemplo, s\u00e3o umas das entradas mais essenciais ao se trabalhar com o monitoramento do ambiente. As abordagens de classifica\u00e7\u00e3o baseadas em ML se tornaram o principal foco da literatura de sensoriamento remoto recentemente. Os algoritmos de ML s\u00e3o capazes de modelar assinaturas espectrais complexas, e podem aceitar uma variedade de dados de entrada. Ademais, esses m\u00e9todos tendem a reproduzir os processos com maior acur\u00e1cia<\/strong>, especialmente para dados complexos com muitas vari\u00e1veis preditoras.<\/p>\n

V\u00e1rios estudos demonstram o sucesso de algoritmos de ML para os mais diversos fins. Por exemplo: mapeamento de culturas, classifica\u00e7\u00e3o de esp\u00e9cies, mapeamento de cobertura da terra, classifica\u00e7\u00e3o de \u00e1reas \u00famidas, censo florestal, monitoramento de safra, gest\u00e3o de recursos h\u00eddricos, explora\u00e7\u00e3o mineral, estimativa do estresse h\u00eddrico da cultura, entre outros. Uma vez que as abordagens de classifica\u00e7\u00e3o s\u00e3o aperfei\u00e7oadas, outros setores que antes n\u00e3o faziam uso do sensoriamento remoto agora podem se beneficiar. O setor de energia el\u00e9trica \u00e9 um desses casos.<\/p>\n

A tecnologia e o setor de energia el\u00e9trica<\/h2>\n

A energia representa um insumo essencial \u00e0 sociedade e, no Brasil, o sistema el\u00e9trico permite o interc\u00e2mbio da energia<\/strong> produzida em todas as regi\u00f5es do pa\u00eds. Como principais desafios enfrentados dentro deste setor, pode-se citar o georreferenciamento preciso de torres, o furto de energia, invas\u00f5es ou constru\u00e7\u00f5es irregulares nas chamadas \u201cfaixas de servid\u00e3o\u201d das linhas de transmiss\u00e3o, entre outros. At\u00e9 pouco tempo atr\u00e1s, a fiscaliza\u00e7\u00e3o em solo era a \u00fanica forma de monitoramento utilizada pelas empresas, mesmo gerando altos custos e com baix\u00edssima efic\u00e1cia. Al\u00e9m de muitas vezes se mostrar invi\u00e1vel pela dificuldade de acesso ou extens\u00e3o da \u00e1rea. Nesse sentido, fica evidente que encontrar formas de monitoramento alternativas<\/a> e eficientes \u00e9 uma necessidade urgente.<\/p>\n

As faixas de servid\u00e3o consistem no espa\u00e7o em solo que \u00e9 ocupado pelas linhas de transmiss\u00e3o de energia el\u00e9trica. Por ser um territ\u00f3rio com potencial de gera\u00e7\u00e3o de riscos \u00e0 popula\u00e7\u00e3o, esses locais t\u00eam in\u00fameras restri\u00e7\u00f5es<\/strong> quanto \u00e0 sua utiliza\u00e7\u00e3o, dada sua destina\u00e7\u00e3o: proteger o sistema el\u00e9trico e a sociedade. O grande desafio ligado ao uso do sensoriamento remoto para este tipo de monitoramento est\u00e1 relacionado a quest\u00f5es t\u00e9cnicas intr\u00ednsecas \u00e0s caracter\u00edsticas dos produtos versus custos.<\/p>\n

Como \u00e9 feito X como fazer?<\/h2>\n

Tecnicamente, a extra\u00e7\u00e3o de informa\u00e7\u00f5es da superf\u00edcie por imagens \u00f3pticas de sat\u00e9lites \u00e9 diretamente dependente da presen\u00e7a de nuvens. Isto se acentua ainda mais em regi\u00f5es tropicais. Uma alternativa para contornar esta limita\u00e7\u00e3o<\/strong> \u00e9 o uso de imagens de radar que, de modo geral apresentam necessidades de processamentos e interpreta\u00e7\u00f5es mais complexas as de sensores \u00f3pticos.<\/p>\n

Quando se fala em monitoramento cont\u00ednuo de baixo custo, a resolu\u00e7\u00e3o espacial das imagens \u00e9 uma das principais restri\u00e7\u00f5es. Uma resolu\u00e7\u00e3o espacial grosseira pode impedir a identifica\u00e7\u00e3o dos alvos de interesse e\/ou ocasionar erros na interpreta\u00e7\u00e3o de imagens. Em contrapartida, imagens de sat\u00e9lite de alta resolu\u00e7\u00e3o espacial costumam apresentar um valor elevado. Dependendo da aplica\u00e7\u00e3o, o mesmo pode ocorrer com imagens de drones<\/strong>. Apesar da elevada resolu\u00e7\u00e3o espacial, s\u00e3o capazes de cobrir regi\u00f5es pequenas, sendo muitas vezes necess\u00e1rios diversos voos para que toda a regi\u00e3o seja imageada. Pode-se dizer que o maior obst\u00e1culo, ainda, \u00e9 encontrar o ponto de equil\u00edbrio ideal entre o custo e a confiabilidade dos resultados obtidos.<\/p>\n

O que esperar do futuro?<\/h2>\n

Felizmente, com o advento de novos sensores, \u00e9 poss\u00edvel, cada vez mais, atingir acur\u00e1cia<\/strong> elevada em classifica\u00e7\u00f5es de imagens com custos reduzidos. O programa CBERS \u00e9 um \u00f3timo exemplo. Nascido de uma parceria entre Brasil e China, fornece imagens de sat\u00e9lite desde 1999 que s\u00e3o utilizadas no monitoramento do desmatamento<\/strong> da Amaz\u00f4nia, al\u00e9m de estudos e mapeamentos nas \u00e1reas de recursos h\u00eddricos, agricultura, vegeta\u00e7\u00e3o, planejamento urbano, entre outras. Os produtos CBERS t\u00eam sido alvo de muitos estudos e trabalhos t\u00e9cnicos ao longo dos anos e, muito recentemente, come\u00e7aram a ser distribu\u00eddas as imagens CBERS 04A. Desse modo, o Brasil passou a ser o distribuidor do melhor produto gratuito de sat\u00e9lite, com at\u00e9 8 metros de resolu\u00e7\u00e3o espacial na c\u00e2mera WPM (chegando a at\u00e9 2 metros em fus\u00e3o com a banda pancrom\u00e1tica).<\/p>\n

Por tr\u00e1s da ascens\u00e3o do uso de AI e imagens de sat\u00e9lite est\u00e3o tr\u00eas principais tend\u00eancias: a maior disponibilidade de dados de sensoriamento remoto, o avan\u00e7o da intelig\u00eancia artificial (particularmente ML e DP) e a disponibilidade de grande poder computacional. A revolu\u00e7\u00e3o dos dados geoespaciais oferece uma promessa tentadora: oportunidades quase ilimitadas<\/strong> quando combinadas com a imagina\u00e7\u00e3o. Uma vez que as possibilidades s\u00e3o infinitas, \u00e9 dif\u00edcil pensar em qualquer setor empresarial ou entidade governamental que n\u00e3o possa se beneficiar do uso conjunto de sensoriamento remoto e AI.<\/p>\n

Artigo produzido pela desenvolvedora da Pix Force P\u00e2mela K\u00e4fer.<\/em><\/p>\n

Refer\u00eancias<\/strong><\/p>\n