Prof. Carlos Vieira

Em 11 de setembro de 2001 recebeu em Londres o prêmio de melhor Tese de Doutorado do ano de 2000, oferecido pela Remote Sensing and Photogrametry Society da Europa (ANEXO, Pag. 96) (Figura 1).

Figura 1 – Prêmios Recebidos.

O que era inovador, à época, sobre a sua Tese: Sabe-se que os procedimentos tradicionais de classificação no mapeamento da cobertura da terra geralmente eram realizados seguindo uma estratégia pixel a pixel, normalmente usando apenas uma imagem, em uma única data e ainda utilizando a informação espectral isoladamente. Especificamente, tal metodologia considerava se os dados espectrais, para um determinado pixel, satisfaziam um determinado conjunto de critérios. Se assim for, o pixel era atribuído à classe que corresponde a estes critérios. Assim, os pixels que eram espectralmente próximos e têm características semelhantes, eram atribuídos à mesma classe, com base na informação espectral isoladamente.

A hipótese da tese era que o uso de uma maior variedade de variáveis discriminantes do sensoriamento remoto e a incorporação de dados multi-temporais deveriam fornecer mapas mais coerentes e com qualidade mais elevadas. A utilização de conjuntos de dados multi-temporais tem uma grande vantagem em comparação com o uso de imagens em uma única data, para efeitos de discriminação de culturas agrícolas e de classificação. Culturas agrícolas se desenvolvem em ritmos diferentes ao longo de seu estágio de crescimento e é improvável que todas as culturas são igualmente distinguíveis em um dado ponto, durante o seu estágio de crescimento. Algumas culturas são espectralmente semelhantes em um dado ponto no tempo, e diferentes em outros. O interesse na utilização dos métodos com base em conjuntos de dados multi-temporais é que a dinâmica da alteração do desenvolvimento da planta pode ser observada e utilizada no processo de classificação. Por conseguinte, existe uma necessidade para a incorporação da dimensão temporal no processo de identificação de culturas agrícolas: se a precisão do processo de classificação precisa ser melhorada.

Torna-se oportuno mencionar que um dos problemas postulados é que a classificação multiespectral e multi-temporal de dados do sensoriamento remoto sempre foram tratadas de forma independentes, mas raramente em conjunto, devido ao alto custo computacional envolvido no processamento. Esta tese demonstrou que um caminho para o avanço no processo de classificação seria tratá-las simultaneamente. Considerando a variabilidade espectro-temporal das culturas agrícolas numa imagem digital e utilizando fusão de dados de diversos sensores, podem-se sugerir formas de melhorar substancialmente a precisão da classificação de mapas temáticos.

O pressuposto básico do método proposto nesta tese, é que diferentes culturas possuem diferentes trajetórias espectro-temporais. No entanto, esta tese descrevia um método utilizado para caracterizar as alterações de refletância espectral ao longo do período de crescimento da planta, o que representava uma abordagem promissora, por várias razões, entre elas:

• O método aparentemente pode lidar com bandas espectrais adquiridas em datas diferentes;
• Os pontos de dados obscurecidos por nuvens podem ser filtrados através dos procedimentos de interpolação e parametrização das superfícies analíticas;
• A variação espectral de uma determinada classe de cultura agrícola ao longo de seu estágio de crescimento pode ser capturada (parametrizadas) por um conjunto de coeficientes, que podem ser em menor número do que o número de bandas normalmente utilizadas numa classificação multitemporal e, portanto, podem produzir classificadores computacionalmente mais eficientes; E finalmente,
• A utilização de coeficientes para representar as superfícies analíticas aparentemente reduz significativamente a quantidade de processamento de dados, mantendo ao mesmo tempo a confiabilidade da informação.

Esta tese também deu um passo a frente em relação aos métodos de validação estatísticos tradicionais, pois apresentou métodos alternativos espaciais para avaliar a confiabilidade temática da classificação. A tese também tratou do problema de combinação de classificadores e da eficiência dos mesmos no processo de classificação.

Carlos também foi o professor homenageado pela “Turma 10MAIANDO NO GRAU” de formandos do Curso de Engenharia de Agrimensura da UFV, em maio de 2002. Essa homenagem se repetiu, e a “Turma de Agosto de 2007” do Curso de Engenharia de Agrimensura da UFV lhe prestou homenagem também (Figura 2).

Figura 2 – Homenagens recebidas pelas turmas da UFV e UFSC.

Recebeu homenagem como Aluno Egresso do Curso Técnico em Agrimensura da Escola Média Regional da CEPLAC na celebração dos seus 40 anos em 2005.

Em evento organizado em 2005 pelo Instituto de Pesquisa Espaciais (INPE) em Goiânia recebeu o prêmio de melhor artigo científico envolvendo o uso de dados do satélite Chino-Brasileiro CBERS, para o XII Simpósio Brasileiro de Sensoriamento Remoto, e oferecido pela GISPLAN Tecnologia da Geoinformação, tendo como título: “Techniques for estimating the positional and thematic accuracy of remotely sensed products” (ANEXO, Pag. 95).

Foi escolhido Patrono da Turma de Formandos do Curso de Geografia da UFSC em 2013.

Carlos recebeu primeiro lugar no Prêmio TOP ETANOL 2014, na modalidade trabalhos acadêmicos – Categoria: Trabalhos Acadêmicos Publicados: STARS: “A New Method for Multitemporal Remote Sensing”, que foi uma aplicação da metodologia desenvolvida no doutorado, com vistas ao mapeamento das culturas da cana de açúcar utilizando imagens multitemporais do sensoriamento remoto, identificando áreas com e sem queima da palha, para atender o protocolo no estado de São Paulo (ANEXO, Pag. 783-787).

Carlos também recebeu homenagem da UFSC pelos relevantes serviços prestados na instalação do campus da UFSC em Blumenau em março de 2014 (Figura 3). Foi homenageado pela coordenação do Curso de Engenharia de Agrimensura e Cartográfica, na celebração dos 40 anos de criação do curso na UFV em setembro/2016 (ANEXO, Pag. 977, 1030 e 1031).

Figura 3 – Homenagens recebidas na EMARC e na UFSC.