Portal do Ementário

Geral: Capacitar o estudante para utilizar ferramentas digitais na aquisição, processamento, integração e análise de dados espaciais e temporais aplicados ao planejamento, monitoramento e manejo de florestas plantadas e nativas, empregando geotecnologias, sensoriamento remoto, inteligência artificial e sistemas inteligentes de apoio à decisão. Específicos: 1. Compreender os fundamentos da Silvicultura Digital e sua aplicação ao manejo florestal moderno. 2. Planejar levantamentos utilizando satélites, drones, sensores terrestres e sistemas GNSS. 3. Processar imagens provenientes de sensores RGB, multiespectrais, hiperespectrais, LiDAR e termográficos. 4. Aplicar Sistemas de Informações Geográficas, geoestatística e ciência de dados na análise de variáveis florestais. 5. Desenvolver modelos utilizando aprendizado de máquina e Deep Learning para classificação, segmentação e predição de atributos florestais. 6. Avaliar aplicações de inteligência artificial para inventário florestal, monitoramento de crescimento, detecção de plantas daninhas, doenças, pragas e falhas de plantio. 7. Integrar dados provenientes de sensores terrestres, aéreos e orbitais em sistemas de apoio à decisão. 8. Avaliar tecnologias emergentes relacionadas à Internet das Coisas, robótica, automação e gêmeos digitais aplicados à silvicultura.

Fundamentos da Silvicultura Digital e da transformação digital aplicada aos ecossistemas florestais. Conceitos de Silvicultura 4.0 e manejo florestal orientado por dados. Sistemas globais de navegação por satélite (GNSS) e georreferenciamento aplicado às operações florestais. Sensoriamento remoto orbital, aéreo e terrestre. Sensores RGB, multiespectrais, hiperespectrais, LiDAR e termográficos. Fotogrametria digital. Modelagem tridimensional de povoamentos florestais. Sistemas de Informações Geográficas (SIG) e bancos de dados espaciais. Ciência de dados aplicada à silvicultura. Aprendizado de máquina, Deep Learning e visão computacional para inventário florestal, detecção de plantas daninhas, doenças, pragas, falhas de plantio e estimativas dendrométricas. Internet das Coisas (IoT) aplicada ao monitoramento ambiental e operacional. Robótica e sistemas autônomos na silvicultura. Tecnologia de aplicação terrestre e aérea baseada em sensores. Sistemas de apoio à decisão, gêmeos digitais (Digital Twins) e integração de dados para planejamento, monitoramento e manejo sustentável de florestas plantadas e nativas

QUEIROZ, D. M.; VALENTE, D. S. M.; PINTO, F. A. C.; BORÉM, A. Agricultura Digital. São Paulo: Oficina de Textos, 2022. 224 p. SILVA, S. A.; MEDAUAR, C. C.; MORAES, W. B.; SEBOK, F. G. O.; MASSON, M. V.; FURTADO, E. L. Silvicultura de Precisão. Jaboticabal: FUNEP, 2023. 403 p. LILLESAND, T. M.; KIEFER, R. W.; CHIPMAN, J. W. Remote Sensing and Image Interpretation. 8. ed. Hoboken: John Wiley & Sons, 2023. 848 p. GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 4. ed. Harlow: Pearson Education, 2018. 1168 p. GÉRON, A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. 3. ed. Sebastopol: O'Reilly Media, 2023. 851 p. GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. Cambridge: MIT Press, 2016. 800 p. ZHANG, D.; WEI, B. Robotics and Mechatronics for Agriculture. Boca Raton: CRC Press, 2017. 222 p. PANTAZI, X.; MOSHOU, D.; BOCHTS, D. Intelligent Data Mining and Fusion Systems in Agriculture. Cambridge: Academic Press, 2019. 330 p.

BURROUGH, P. A.; McDONNELL, R. A.; LLOYD, C. D. Principles of Geographical Information Systems. 3. ed. Oxford: Oxford University Press, 2015. CAMPBELL, J. B.; WYNNE, R. H. Introduction to Remote Sensing. 6. ed. New York: Guilford Press, 2019. JENSEN, J. R. Remote Sensing of the Environment: An Earth Resource Perspective. 2. ed. Upper Saddle River: Pearson Prentice Hall, 2007. SOARES, A. Geoestatística para as Ciências da Terra e do Ambiente. Lisboa: IST Press, 2006. 214 p. ISAAKS, E. H.; SRIVASTAVA, R. M. An Introduction to Applied Geostatistics. New York: Oxford University Press, 1989. 561 p. GRUS, J. Data Science do Zero: Noções Fundamentais com Python. 2. ed. Rio de Janeiro: Alta Books, 2021. 416 p. RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 4. ed. Hoboken: Pearson, 2021.