A GMV concluiu com êxito o projeto Synthetic Data for Earth Observation (SD4EO), uma iniciativa de investigação desenvolvida em colaboração com o grupo ARTEC da Universidade de Valência e financiada pelo programa FutureEO da Agência Espacial Europeia (ESA). O objetivo do projeto é demonstrar as vantagens da integração de dados físicos e baseados em IA nas aplicações de Observação da Terra (EO).

O SD4EO centrou-se em dois tipos de simulação:

• Processamento físico. A equipa do ARTEC utilizou o motor gráfico Unity para produzir imagens sintéticas de alta qualidade. Este processo baseia-se numa simulação rigorosa tanto do comportamento da luz como das propriedades específicas dos sensores envolvidos.

• Simulação com IA. A GMV desenvolveu modelos avançados de difusão condicional, que partem de uma distribuição estatística aleatória. Através de um processo iterativo, essa distribuição é ajustada tendo em conta os constrangimentos, permitindo que as características simuladas evoluam até reproduzirem com precisão a imagem ou o sinal de destino.

Os dados sintéticos foram integrados com dados reais de Observação da Terra através de fluxos de processamento de dados suportados por inteligência artificial. Esta abordagem permitiu avaliar a sua capacidade para otimizar o desempenho em aplicações orientadas para a categorização de alvos.

1. Categorização de campos agrícolas. A integração de dados sintéticos manteve ou melhorou ligeiramente o desempenho da classificação de culturas. A combinação de dados sintéticos de culturas menos comuns, como a aveia e a alfafa, com dados reais de Observação da Terra, alcançou os mais elevados níveis de precisão. Estes resultados evidenciam a eficácia dos dados sintéticos orientados para enfrentar os desafios associados à classificação em tarefas multiclasse.

2. Categorização de assentamentos humanos. A integração de dados sintéticos melhorou o desempenho global na deteção de áreas urbanizadas. Os resultados promissores obtidos ao trabalhar apenas com dados sintéticos abrem caminho a novas investigações, sobretudo em casos em que é difícil obter dados reais de Observação da Terra.

3. Monitorização de painéis fotovoltaicos. O desempenho dos modelos melhorou de forma geral com a integração de conjuntos de dados físicos e gerados por inteligência artificial, alcançando os melhores resultados na combinação de ambos. As conclusões indicam que a quantidade adequada de dados sintéticos pode potenciar o desempenho dos modelos, sendo a proporção ideal variável em função da distribuição e do volume dos dados.

Estes resultados promissores lançam as bases para investigações mais detalhadas, como a refinação de dados sintéticos e a realização de experiências adicionais, ações que permitirão compreender de forma mais aprofundada as vantagens nas aplicações de Observação da Terra. Os conjuntos de dados simulados e as ferramentas utilizadas foram disponibilizados ao público para incentivar novas investigações e desenvolvimentos:

• Os dados sintéticos generados estão disponíveis em Zenodo.

• O código para gerar os dados físicos e os dados baseados em IA está disponivel em GitHub.