Din ve Aile

O cenário proposto para esse estudo de caso é o de uma área de difícil acesso, onde existe uma grande deficiência de mapas, caça ilegal, animais em extinção e a incidência de crimes ambientais tais como a extração ilegal de madeira e o assoreamento de leitos de rios.

Para dar subsídio à análise das necessidades descritas anteriormente é fundamental conhecer: (1) os tipos de dados que descrevem os fenômenos/elementos que estão sendo estudados; (2) os sensores necessários para a geração desses dados e (3) os métodos de detecção dos fenômenos/elementos que possibilitem a utilização dos sensores selecionados.

Devido ao fato de no Brasil existirem biomas que apresentam vegetação densa (florestas) e outros onde predominam vegetação esparsa (caatinga, cerrado, pampas), é necessário conceber uma maneira para solucionar os problemas e as dificuldades das atividades do monitoramento/fiscalização ambiental de forma diferenciada, atentando para as particularidades de cada tipo de cenário.

Quando se pretende estudar/monitorar/fiscalizar uma determinada área dois problemas importantes devem ser abordados: o pouco conhecimento geográfico do local e as dificuldades de deslocamento nesse local. Conhecer geograficamente a área de estudo é fundamental para o planejamento e a execução da operação. A ausência de documentos cartográficos ou a desatualização dos mesmos dificulta e por vezes inviabiliza a localização dos alvos. Nesse sentido, é importante conscientizar os órgãos executores da necessidade de se investir em mapeamento.

Em zonas de difícil acesso ou muito extensas é pouco viável estruturar uma rede de monitoramento contínuo em solo, para posterior recuperação dos dados, pois existem questões de custo e segurança associados a essa atividade. Uma solução nesses casos é utilizar o monitoramento aéreo.

Para o mapeamento feito em grandes áreas com alta resolução, a aerofotogrametria convencional é um processo caro e moroso quando comparada à

99

flexibilidade e versatilidade das novas plataformas de aquisição de imagens aéreas tais com os VANTs. No cenário desse estudo de caso essa é uma possibilidade interessante.

Imagens são importantes fontes de informação temática. No caso dos VANTs são inúmeros os sensores que podem ser embarcados para gerar esse tipo de dados, dentre eles podemos citar os radares, as câmeras fotográficas, as câmeras de vídeo RGB e termal. O Cap. 2 descreve a arquitetura dos VANTs e destaca inúmeras possibilidades de payloads, dependendo da finalidade de cada missão. Imagens aéreas geradas por sensores embarcados em VANTs podem ser processadas através de algoritmos de visão computacional para a identificação automática de elementos.

As imagens aéreas RGB, também chamadas de “verdadeira cor”, podem advir de câmeras fotográficas ou de sequências de vídeo. Essas imagens possuem a vantagem de ilustrar os objetos a partir de composições de cores similares às que os olhos humanos conseguem identificar. Dessa forma é possível treinar a identificação visual de um sistema de máquina para ser similar à percepção humana.

No caso de monitorar atividades ilícitas nem sempre as imagens RGB são suficientes para detectar e classificar os elementos. Entre alguns limitantes da utilização desse tipo de imagem está a necessidade de luz natural ou artificial para serem geradas, ou seja, não permitem operações noturnas. Diferente das imagens RGB, as imagens termais possuem a vantagem de mostrar não apenas os objetos na escuridão total, mas também objetos observados em circunstâncias climáticas adversas tais como: neblina, poeira, chuva, neve e fumaça. Nesses casos existem certas limitações físicas para o desempenho na formação da imagem.

Gotículas de água, folhagens densas ou pequenas partículas de poeira no ar prejudicam a transmissão da radiação termal de um objeto, tornando-o mais difícil de ser detectado a grandes distâncias. Consequentemente, a neblina, a neve e a chuva irão prejudicar a formação da imagem. Mesmo considerando essas limitações, quando se trata de detecção, as câmeras termais complementam as informações geradas pelas câmeras convencionais, em diversas condições climáticas hostis (JENSEN, 2011).

As Figuras 5.1 a) e 5.1 b) se referem à mesma cena, no entanto foram adquiridas por sensores distintos. A Figura 5.1 a) foi adquirida por uma câmera RGB convencional enquanto que a Figura 5.1 b) foi adquirida por uma câmera térmica. Pode ser observado

100

que nesse caso a imagem termal auxilia na detecção de objetos que estavam oclusos na imagem RGB.

(a) Imagem em verdadeira cor (b) Imagem termal em falsa cor

Figura 5.1 - Exemplos de Imagens.

Como um dos objetivos desse estudo é obter informações geográficas para atividades de mapeamento ou atualização cartográfica, também é interessante, se possível, dotar o sistema de um radar de abertura sintética. Esse tipo de sensor possibilita a aquisição de informações de relevo em regiões de vegetação densa e em condições climáticas adversas.

Os tipos de imagens descritos anteriormente, quando devidamente processadas, permitem compreender parcialmente o que ocorre em uma área com demanda de monitoramento. Existe, entretanto, outro dado disponível nesse cenário, o som. A aquisição, processamento e análise de dados sonoros são de extrema importância para o monitoramento ambiental, pois aumentam a percepção dos fenômenos que ocorrem em uma determinada área onde geralmente é realizado apenas o monitoramento por imagens.

Inspirados no Soundscape, que consiste do estudo do som em um cenário específico (PIJANOWSKI et al., 2011), foi idealizada uma Rede de Sensores Sonoros em Solo (Sound Sensor Network - SSN) para dar suporte ao monitoramento aéreo, através da coleta de sons do ambiente mediante a utilização de microfones. Nesse caso, arranjos de microfones espacialmente distribuídos registram a pressão sonora.

A direção de chegada da onda de som (Direction Of Arrival - DOA) é determinada pelo tempo de chegada da informação sonora aos microfones. A DOA é

101

calculada com base em diferenças de fase (ou diferenças de tempo) entre os microfones em diferentes locais. Esta técnica apresenta como principal inconveniente a grande dimensão do sistema. Para cada tamanho o sistema é capaz de determinar a DOA em uma largura de banda limitada e específica. Além disso, deve ser levado em consideração que os sistemas sofrem perda de precisão devido a mudanças de temperatura, umidade, vento e intensidade da onda acústica.

No estudo de caso I são propostos gravadores de áudio de uma SSN para registrar de forma inteligente os sons existentes na área monitorada. Os sons da paisagem podem ser obtidos utilizando sistemas automatizados de gravadores acústicos digitais que armazenam o tempo e a intensidade dos sons detectados por microfones, permitindo a reconstrução da distribuição de intensidade do sinal e da frequência ao longo do tempo pelo processador de sinais da SSN.

A “intensidade” geralmente é registrada em dB (decibéis). Os seres humanos podem detectar sinais com frequências que variam de 20 hertz (Hz) a 20 quilohertz (kHz). Muitas amostras digitais de gravadores de som apresentam frequência de amostragem de 44.1 kHz, profundidade de 16 bits, (qualidade de CD), e armazenam os dados no formato WAVE descompactado (ou WAV).

Uma forma viável de analisar o extenso volume de dados gerado em apenas algumas horas de gravação é através da elaboração de espectrogramas. A Figura 5.2 mostra uma representação visual de um espectrograma, referente a uma gravação de 11 segundos de sensores distribuídos em uma reserva biológica na Costa Rica. Este espectrograma contém três dimensões: (1) tempo ao longo do eixo X; (2) frequência representada ao longo do eixo Y; e (3) energia ou amplitude, normalmente codificada por cor e plotada no eixo Z.

Na Figura 5.2 pássaros e insetos criam uma variedade de sons na faixa entre 1 e 12 kHz. Esses elementos são representados por manchas coloridas sobre um fundo preto. Grilos aparecem em 4.7, 5.6 e 6.0 kHz. Um espectrograma (também chamado de ecografia) costuma ser lido da mesma forma que se lê uma partitura, onde as notas são dispostas de forma linear ao longo do tempo com as frequências mais altas na parte superior do conjunto musical (PIJANOWSKI et al., 2011).

102

Figura 5.2 - Exemplo de espectrograma (PIJANOWSKI et al., 2011).

No estudo de caso I, os “nós” da SSN coletam sons e enviam, através de um rádio modem, dados pré-processados ao VANT, quando o mesmo sobrevoar a área na qual a rede está locada. Esta etapa depende de sincronismo da SSN com o sistema de comunicação da aeronave. Nos “nós” da SSN, os dados sonoros são convertidos em espectrogramas através da transformada rápida de Fourier, antes de serem enviados ao VANT, visando posterior extração de características e a redução do volume de dados que transita no canal de comunicação.

Os métodos de detecção automática idealizados para esse estudo de caso visam integrar diversos tipos de imagens, de sons, além de coordenadas GPS e dos ângulos de atitude da plataforma de aquisição (VANT). Esses métodos baseiam-se nas taxonomias propostas no Cap. 4. As tabelas 5.1 e 5.2 resumem as idéias que foram apresentadas neste tópico.

Tabela 5.1 - Elementos do monitoramento ambiental.