Análise comparativa de arquiteturas de aprendizagem profunda em séries temporais de imagens de satélite para a classificação e detecção de Tithonia diversifolia e Pteridium arachnoideum no Cerrado

Abstract

O principal objetivo desta pesquisa é detectar e mapear a presença de espécies de plantas invasoras e oportunistas (Tithonia diversifolia e Pteridium arachnoideum) no bioma Cerrado, especialmente em áreas próximas a ambientes urbanos, usando imagens de sensoriamento remoto e técnicas de aprendizado profundo. A rápida disseminação dessas plantas, combinada com seus impactos negativos, representa uma grave ameaça à biodiversidade do Cerrado, um bioma com alta biodiversidade e complexidade ambiental. Os dados utilizados são séries temporais de um ano compostas por imagens mensais Planet fornecidas pelo Norwegian International Climate and Forest Initiative (NICFI), com resolução espacial de 4,77 m e quatro bandas espectrais (azul, verde, vermelho e infravermelho próximo), que apesar do seu potencial vêm sendo subutilizadas no monitoramento de plantas invasoras. O estudo comparou 44 métodos distintos de classificação de séries temporais, incluindo arquiteturas CNNs puras (InceptionTime, FCN, ResNet, TCN, XCM), RNNs puras (LSTM, GRU e suas variantes bidirecionais e com atenção), Transformers puros (TST, TSPerceiver e TSiT) e modelos híbridos (Transformer + RNN e Transformer + CNN). A classificação do cubo espectro-temporal considerou, além das duas plantas invasoras, mais 10 classes distintas de uso e cobertura da terra, possibilitando a redução de erros de confusão com vegetação nativa, agricultura e outros alvos com padrões espectrais e fenológicos semelhantes. Os resultados indicaram que as arquiteturas CNN puras e Transformers puros obtiveram os melhores desempenhos médios, com destaque para o InceptionTime que alcançou 99% de F1-score. Entre os RNNs, as variantes com atenção, como o Bi-LSTM Attention (98,2%), mostraram ganhos relevantes frente às versões tradicionais. No caso dos híbridos, a melhor combinação foi Convolutional Transformer Plus Encoder Learned, atingindo um F1-score de 98,2%.