Otimização da Seleção Multitemporal Consistente de Mosaicos de Sensoriamento Remoto sob Incertezas de Observação
Otimização Combinatória; Programação Linear Inteira Mista; Heurística Gulosa; Sensoriamento Remoto; Visão Computacional;
Este trabalho apresenta um método híbrido para otimizar a cobertura de imagens de sensores ópticos em Unidades de Conservação (UCs), com foco na seleção de diferentes mosaicos de uma mesma área em diferentes períodos para acompanhar sua evolução multitemporal. A metodologia proposta é fundamentada na integração de uma heurística gulosa com Programação Linear Inteira Mista (PLIM). O objetivo é maximizar a cobertura útil qualificada das áreas monitoradas, considerando nuvens, pixels válidos, compatibilidade orbital e consistência para análise multitemporal da mesma região.O modelo PLIM aplica penalizações para nuvens e restrições de exclusividade de imagens entre mosaicos, além de garantir sobreposição adequada entre eles. Os resultados preliminares mostram que a seleção final de mosaicos reduziu em 96,2% a quantidade de imagens em relação ao catálogo inicial, mantendo cobertura de nuvens controlada (abaixo de 10% em cenários favoráveis e não excedendo 23,68% em regiões nebulosas), mantendo cobertura geográfica e análise multitemporal consistente das áreas estudadas.