Questão de Meio Ambiente — Monitoramento Ambiental — CESPE / CEBRASPE 2026
Meio AmbienteMonitoramento Ambiental
- Código
- ce225573
- Banca
- CESPE / CEBRASPE
- Órgão
- IPAAM
- Ano
- 2026
- Nível
- Superior
- Cargo
- Analista Ambiental – Especialidade: Análise de Sistemas
Texto 2A2-I
Imagens de satélite e inteligência artificial podem ser
aplicadas para determinar os níveis de desmatamento e os
detalhes da biodiversidade da Floresta Amazônica, de maneira
que culturas agrícolas sejam automaticamente classificadas por
um sistema de aprendizado de máquina que usa imagens de
satélite nesse mapeamento.
É nesse sentido que a ferramenta LLP-Co (learning from
label proportions with prototypical contrastive clustering)
organiza grandes conjuntos de dados capturados por drones e
satélites, que conseguem sobrevoar a floresta e coletar dados em
grande escala, inclusive em áreas de cobertura vegetal mais
densa. Esses dados são organizados, identificados (rotulados) e
classificados pelo sistema, que tem a capacidade de aprender
sozinho a partir da supervisão e validação dos pesquisadores.
As aplicações do sistema no monitoramento florestal
permitem uma maior acurácia no acompanhamento do avanço do
desmatamento, possibilitando uma gestão de políticas públicas
mais eficaz. Além disso, a identificação e a classificação das
espécies vegetais podem revelar detalhes surpreendentes da
biodiversidade local, abrindo novos flancos de pesquisas voltadas
para a preservação ambiental.
Internet: <https://portal.fgv.br> (com adaptações).
Em relação ao uso integrado de imagens de satélite, dados rotulados e análises espaciais, mencionado no texto 2A2-I, é correto afirmar que a tecnologia que permite organizar, integrar e analisar essas informações georreferenciadas de forma sistemática é o
- Asistema de aprendizado de máquina.
- Bsistema de mineração de texto aplicado a dados ambientais.
- Crepositório estático de imagens sem capacidade analítica.
- Dsistema de informação geográfica (SIG), que integra dados espaciais e atributos.
- Ebanco de dados relacional convencional.