IGOR DOS SANTOS MONTAGNERSantos, Alexandre Magno Maciel dosVaz, Eduardo MendesCadorniga, João Lucas de Moraes BarrosPertusi, Pedro Vaz de Moraes2025-04-102024https://repositorio.insper.edu.br/handle/11224/7572Projeto realizado para a empresa Nvidia - Mentor na empresa: Jomar SilvaIn a world where flooding impacts are becoming increasingly common, such as the disaster in the Brazilian state of Rio Grande do Sul in 2024, the goal of this project is to develop an open-source flooding impact assessment pipeline. Preliminary technical evaluation by NVIDIA indicates that this tool could be integrated with technologies such as a flood simulation system, allowing for predictions in susceptible regions. The pipeline utilizes Convolutional Neural Networks (CNN), public population, and geographic data to process images extracted from the Sentinel-1 and Sentinel-2 satellites and generate metrics. This project classifies flooded regions prior to and after a crisis, providing, for example, estimations of the affected population by area to showcase the impact to assist urban planning professionals. The developed tool integrates a satellite data collection system from these satellites, as they are also open-source and include periodical data, and the CNNs in an intuitive and easily utilizable pipeline, inspired by UNOSAT’s Emergency Mapping which analyzed the impact of floodings in Nepal in 2021. Keywords:Em um mundo em que grandes enchentes estão se tornando cada vez mais comum, como o desastre no estado brasileiro de Rio Grande do Sul em 2024, este projeto tem como objetivo desenvolver uma pipeline de código aberto para avaliação do impacto de enchentes. A avaliação técnica preliminar da NVIDIA indica que essa ferramenta poderá ser integrada a sistemas como um simulador de enchentes, permitindo previsões em regiões suscetíveis. A solução faz uso de Redes Neurais Convolucionais (CNN) e métricas públicas populacionais e geográficas para processar imagens extraídas dos satélites Sentinel-1 e Sentinel-2 e gerar métricas. Ela visa mapear regiões de alagamento, antes e durante uma enchente, provendo, por exemplo, estimativas da população afetada por área, para demonstrar o impacto e auxiliar profissionais de planejamento urbano. A ferramenta desenvolvida integra um sistema de coleta de dados desses satélites, pois também são de código aberto e incluem dados periódicos, e as CNNs em uma pipeline intuitiva e de fácil utilização, inspirada no Emergency Mapping da UNOSAT para analisar o impacto das enchentes no Nepal em 2021.Digital76 p.InglêsDisaster impact analysisFlood mappingUrban planning toolsSatellite imageryNeural networksAnálise de impacto de desastresMapeamento de inundaçõesFerramentas de planejamento urbanoImagens de satéliteRedes neuraisbachelor thesis