Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue os itens a seguir.

A acurácia de um modelo classificador mede a taxa de previsões corretas, em relação ao total de previsões positivas.

Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue os itens a seguir.

Para a matriz de confusão binária a seguir, o valor de acurácia do modelo é de 85%.

Suponha que, durante um sobrevoo, um VANT equipado com RTK (real time kinematic) e com um receptor GNSS (sistema global de navegação por satélite) de alta qualidade tenha perdido a comunicação com a base por 8 minutos, mas tenha continuado a captar imagens. Nessa situação, a precisão das coordenadas das imagens coletadas durante a perda de conexão RTK será da ordem de centímetros, garantida pelo GNSS de alta qualidade.

import numpy as np
import rasterio
def calcular_ndvi(arquivo_nir, arquivo_red, saida_ndvi):
  with rasterio.open(arquivo_nir) as nir_src:
    nir = nir_src.read(1).astype('float32')
    perfil = nir_src.profile
  with rasterio.open(arquivo_red) as red_src:
    red = red_src.read(1).astype('float32')
  ndvi = (nir - red) / (nir + red + 1e-10)
  perfil.update(dtype=rasterio.float32, count=1)
  with rasterio.open(saida_ndvi, 'w', **perfil) as dst:
    dst.write(ndvi, 1)
  print(f"NDVI calculado e salvo em: {saida_ndvi}")

Ao salvar a imagem resultante, o código preserva automaticamente a escala original dos valores de NDVI, sem precisar de ajustes adicionais.

import numpy as np
import rasterio
def calcular_ndvi(arquivo_nir, arquivo_red, saida_ndvi):
  with rasterio.open(arquivo_nir) as nir_src:
    nir = nir_src.read(1).astype('float32')
    perfil = nir_src.profile
  with rasterio.open(arquivo_red) as red_src:
    red = red_src.read(1).astype('float32')
  ndvi = (nir - red) / (nir + red + 1e-10)
  perfil.update(dtype=rasterio.float32, count=1)
  with rasterio.open(saida_ndvi, 'w', **perfil) as dst:
    dst.write(ndvi, 1)
  print(f"NDVI calculado e salvo em: {saida_ndvi}")

A função calcular_ndvi recebe, como parâmetros obrigatórios, três arquivos; se um deles não for encontrado, o código gerará um erro, o que impedirá a continuidade da execução.

No que se refere à inteligência artificial aplicada ao manejo florestal, julgue os itens subsequentes.

Backpropagation é uma rede neural composta por três tipos de camadas: a de entrada, que recebe os dados; as camadas ocultas, responsáveis pelo processamento das informações; e a de saída, que gera os resultados. Essa estrutura permite a captura de relações complexas nos dados, tornando-se uma ferramenta eficaz na previsão e análise de variáveis florestais.

No que se refere à inteligência artificial aplicada ao manejo florestal, julgue os itens subsequentes.

Algoritmos de inteligência artificial podem ser utilizados para identificar espécies florestais com potencial econômico no manejo sustentável das florestas, a partir de informações botânicas extraídas de imagens aéreas captadas por drones, que são processadas para reconhecer as espécies de interesse.

Julgue os próximos itens, em relação à modelagem e à simulação de ecossistemas florestais.

Nos inventários florestais para a estimativa do crescimento da floresta, a variável altura é facilmente obtida com custos baixos, no entanto, a variável diâmetro pode ser de difícil mensuração, principalmente em florestas densas, por isso, são estimados de forma indireta, a partir de uma relação hipsométrica que correlaciona as alturas com os diâmetros das árvores.

Acerca de exploração e inventário florestal, julgue os itens que se seguem.

A intensidade amostral de um inventário florestal contínuo depende da homogeneidade florística e distribuição espacial e, principalmente, dos recursos disponíveis e do objetivo do inventário, como no caso de comunidade de florestas naturais, em que geralmente os estudos ecológicos detalhados necessitam de uma baixa intensidade amostral.

Acerca de exploração e inventário florestal, julgue os itens que se seguem.

Para possibilitar a quantificação das mudanças na arquitetura, estrutura e composição florística, bem como avaliar os impactos da exploração e determinar o tipo e a intensidade de aplicação dos tratamentos silviculturais, um inventário florestal contínuo deverá ser planejado, de preferência antes da exploração florestal.