Análise e Segmentação de Imagens de Satélite para Agricultura com SAM2

Este repositório contém um pipeline completo para identificar e analisar talhões agrícolas a partir de imagens de satélite. O processo utiliza dados do Brazil Data Cube (BDC), segmentação de imagens com o modelo Segment Anything Model 2 (SAM2) e validação com dados do MapBiomas.

Visão Geral do Pipeline

O objetivo principal é automatizar a detecção de áreas agrícolas em uma região de interesse, filtrar os resultados com base em critérios de área e cobertura de solo, e analisar a heterogeneidade e a precisão da segmentação.

O pipeline é composto pelos seguintes passos:

1. Download e Pré-processamento de Dados: Baixa imagens de satélite e dados geográficos da área de interesse.
2. Segmentação de Imagens: Utiliza o modelo SAM2 para gerar máscaras de segmentação nos talhões.
3. Pós-processamento e Agregação: Converte as máscaras em formato vetorial (shapefile).
4. Filtragem de Máscaras: Seleciona apenas os polígonos que correspondem a áreas agrícolas com base em dados do MapBiomas.
5. Análise de Heterogeneidade: Calcula o NDVI para avaliar a variabilidade dentro de cada talhão.
6. Análise de Cobertura: Avalia a performance da segmentação comparando os resultados com dados de referência.

Como Executar o Pipeline

1. Pré-requisitos

Antes de começar, certifique-se de que você tem Python 3.8+ e uv instalados. Se você não tiver o uv, pode instalá-lo com:

pip install uv

2. Instalação de Dependências

Primeiro, crie um ambiente virtual e instale as dependências do projeto.

# Crie um ambiente virtual na pasta .venv
uv venv

# Ative o ambiente virtual
# No Linux/macOS
source .venv/bin/activate
# No Windows
.venv\Scripts\activate

# Instale as dependências do requirements.txt
uv pip install -r requirements.txt

3. Execução dos Módulos

Os scripts são numerados na ordem em que devem ser executados. Siga os passos abaixo:

Passo 0: Download e Preparação dos Dados Execute o notebook 00_download_data.ipynb em um ambiente Jupyter. Ele irá baixar as imagens de satélite da região de "Campo Verde - MT", criar patches (recortes menores da imagem) e obter os dados de referência do MapBiomas.

Passo 1: Segmentação com SAM2 Execute o script 01_segmentation_with_sam2.py para aplicar o modelo de segmentação SAM2 sobre os patches. As máscaras resultantes serão salvas como arquivos .npz.

uv run python 01_segmentation_with_sam2.py

Passo 2: Agregação das Máscaras em Shapefile O script 02_agregar_npz_em_shp.py converte as máscaras .npz em um único arquivo vetorial (shapefile).

uv run python 02_agregar_npz_em_shp.py

Passo 3: Filtragem dos Polígonos Segmentados Utilize o 03_filtrar_mascaras.py para filtrar os polígonos com base em área e no percentual de cobertura agrícola, usando os dados do MapBiomas.

uv run python 03_filtrar_mascaras.py

Passo 4: Análise de Heterogeneidade (NDVI) O script 04_analise_heterogeniedade.py calcula estatísticas de NDVI para cada talhão filtrado.

uv run python 04_analise_heterogeniedade.py

Passo 5: Análise de Cobertura e Desempenho Finalmente, execute 05_analise_cobertura.py para calcular métricas de precisão e recall, avaliando a performance do pipeline.

uv run python 05_analise_cobertura.py

Descrição dos Módulos

Módulos Principais do Pipeline

• 00_download_data.ipynb:

  • Utiliza o bdc_downloader.py para buscar e baixar mosaicos de imagens do satélite Sentinel-2.
  • Define a área de interesse (município de Campo Verde - MT).
  • Recorta as imagens para a área de interesse e as divide em patches menores para otimizar a segmentação.
  • Baixa e recorta os dados do MapBiomas para a mesma área.

• 01_segmentation_with_sam2.py:

  • Carrega o modelo SAM2 pré-treinado (facebook/sam2.1-hiera-base-plus).
  • Instancia o SAM2AutomaticMaskGenerator para gerar máscaras de forma automática em cada patch de imagem.
  • Salva as máscaras geradas em formato .npz.

• 02_agregar_npz_em_shp.py:

  • Lê todos os arquivos .npz contendo as máscaras.
  • Converte cada máscara em um polígono vetorial usando rasterio.features.shapes.
  • Agrega todos os polígonos em um único shapefile com geopandas.

• 03_filtrar_mascaras.py:

  • Aplica filtros para remover polígonos com área fora de um intervalo pré-definido (mínimo e máximo em hectares).
  • Para cada polígono, calcula a porcentagem de cobertura de classes agrícolas com base no raster do MapBiomas.
  • Mantém apenas os polígonos com um alto percentual de cobertura agrícola (ex: > 80%).

• 04_analise_heterogeniedade.py:

  • Calcula o NDVI (Índice de Vegetação por Diferença Normalizada) para cada talhão usando as bandas do infravermelho próximo e vermelho.
  • Gera estatísticas como média, desvio padrão e percentis do NDVI para identificar a variabilidade interna de cada área.

• 05_analise_cobertura.py:

  • Calcula a área total agrícola na região de interesse usando o MapBiomas como "verdade terrestre".
  • Compara a área total segmentada e filtrada com a área de referência para calcular métricas de recall (cobertura) e precisão (qualidade), avaliando a eficácia do pipeline.

Módulos de Suporte

• bdc_downloader.py: Módulo utilitário que abstrai a comunicação com a API STAC do Brazil Data Cube, facilitando a busca e o download de imagens de satélite.
• sam2/ (diretório): Contém a implementação do Segment Anything Model 2, incluindo o preditor de imagens (sam2_image_predictor.py) e o gerador automático de máscaras (automatic_mask_generator.py), que são os componentes centrais para a etapa de segmentação.