Enhancing interoperability between geospatial data: NPL semantic similarity alignment metrics with AI between land cover and land use data: Enhancing interoperability between geospatial data: NPL semantic similarity alignment metrics with AI between land cover and land use data

Vitor Silva Araujo; Silvana Philippi Camboim; Naíssa Batista da Luz

doi:10.21680/2447-3359.2025v11n2ID39805

Autores

Vitor Silva Araujo Universidade Federal do Paraná https://orcid.org/0000-0003-4880-3016
Silvana Philippi Camboim Universidade Federal do Paraná https://orcid.org/0000-0003-3557-5341
Naíssa Batista da Luz Universidade Federal do Paraná https://orcid.org/0000-0001-9803-9170

DOI:

https://doi.org/10.21680/2447-3359.2025v11n2ID39805

Resumo

A evolução das fontes de dados geoespaciais e seus variados sistemas de classificação apresentam desafios de integração e interoperabilidade de dados. Esta pesquisa aborda esses desafios introduzindo uma metodologia orientada por IA usando Processamento de Linguagem Natural (PLN) para medir a similaridade semântica entre uso da terra, sistemas de classificação de vegetação e banco de dados topográficos nacionais. Aproveitando técnicas de PNL, como as do ChatGPT-4.0, esta abordagem automatiza o processo de alinhamento semântico, reduzindo o trabalho manual. O estudo teve como objetivo alinhar o mapeamento topográfico brasileiro ET-EDGV com sistemas de classificação nacionais mais amplos (Manuais de Vegetação e Uso da Terra do IBGE) e internacionais (Dynamic World, Global Forest Resources Assessments (FRA)). Ao aplicar coeficientes de similaridade semântica (valores S), a pesquisa buscou criar uma estrutura harmonizada para integrar dados geoespaciais. A metodologia combinou medidas de similaridade semântica baseadas em IA, garantindo alinhamento consistente de dados. Os resultados mostraram fortes alinhamentos para classes como "Vegetação Cultivada" e "Culturas" e identificaram desafios para ecossistemas brasileiros únicos, como "Campinarana". A classe “Mangrove” destacou a necessidade de definições específicas de contexto. O estudo conclui que o NLP pode contribuir para o alinhamento semântico automatizado, aprimorando a integração e a interoperabilidade de dados geoespaciais. Embora focada em dados brasileiros, essa metodologia é adaptável globalmente, apoiando melhor representação da paisagem e tomada de decisão. Pesquisas futuras devem integrar modelos avançados de IA e ecossistemas mais amplos para refinar o processo.

Downloads

Não há dados estatísticos.

Biografia do Autor

Silvana Philippi Camboim, Universidade Federal do Paraná

Possui graduação em Engenharia Cartográfica pela Universidade Federal do Paraná (1999), mestrado em Gestão Ambiental pela Universidade de Nottingham, Reino Unido (2003) e doutorado em Ciências Geodésicas pela Universidade Federal do Paraná (2012). Atualmente é professora da Universidade Federal do Paraná e foi pesquisadora visitante no Politecnico di Milano (2023). Possui experiência na área de Geociências, com ênfase em Cartografia, Ciência da Informação Geográfica, Bancos de Dados Espaciais e Infraestrutura de Dados Espaciais. Foi presidente da Comissão de Geotecnologias de Código Aberto (2015-2023) e é vice-presidente da Comissão de Geossemântica (2023-presente) da Associação Cartográfica Internacional, membro do Conselho da Fundação OSGeo, vice-presidente para a América do Sul da Rede GeoForAll (ICA-ISPRS-OSGeo) e copresidente do Grupo de Trabalho da ISPRS sobre Abertura em Ciência Geoespacial e Sensoriamento Remoto.

Naíssa Batista da Luz, Universidade Federal do Paraná

Naíssa Batista da Luz é atualmente professora da Universidade Federal do Paraná. Possui experiência em processamento digital de séries temporais de imagens, inteligência artificial e desenvolvimento de técnicas de análise espacial para o estudo das relações espaciais entre o componente florestal e outros tipos de uso e cobertura do solo.

Aprimorando a interoperabilidade entre dados geoespaciais: métricas de alinhamento de similaridade semântica NPL com IA entre dados de cobertura e uso da terra