Da experimentação operacional à investigação científica

O Instituto Hidrográfico publicou, em colaboração com a NOVA Information Management School e a Faculdade de Ciências da Universidade de Lisboa, o artigo científico “Improving UAV-Derived Nearshore Bathymetry Using Geospatial Machine Learning”, na revista IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.

O estudo utiliza dados experimentais recolhidos no âmbito do exercício REPMUS – Robotic Experimentation and Prototyping with Maritime Unmanned Systems da Marinha Portuguesa para investigar novas abordagens na determinação da batimetria de zonas costeiras pouco profundas, tradicionalmente difíceis de observar através de meios hidrográficos tradicionais.

Combinando imagens multiespectrais adquiridas por um veículo aéreo não tripulado (UAV), dados batimétricos obtidos por sondador multifeixe e técnicas de machine learning geoespacial, o trabalho avaliou a capacidade de estimar a profundidade a partir das imagens multiespectrais do UAV. A abordagem, baseada em Geographical Random Forest, permitiu considerar explicitamente a variabilidade espacial das relações entre a reflectância e a profundidade, melhorando simultaneamente a capacidade preditiva e a interpretação espacial face a um modelo Random Forest convencional.

Para além dos resultados científicos, este trabalho evidencia uma dimensão relevante do REPMUS: os dados obtidos durante a experimentação podem continuar a gerar conhecimento muito para além do período do exercício, apoiando novas metodologias, investigação académica e soluções para a observação e cartografia do oceano.

É também um exemplo de como a cooperação entre instituições operacionais e académicas permite transformar dados experimentais em conhecimento científico reutilizável, reforçando a ligação entre experimentação, inovação e ciência do oceano.

Aceda ao artigo aqui:
https://www.doi.org/10.1109/JSTARS.2026.3721930