Pesquisadores vinculados ao CEP participaram do Workshop Machine Learning for Remote Sensing (ML4RS), realizado no âmbito da International Conference on Learning Representations (ICLR) 2026, no Rio de Janeiro. O evento reuniu especialistas em inteligência artificial, aprendizado de máquina e sensoriamento remoto, com discussões voltadas ao uso de modelos avançados para análise de imagens de satélite, monitoramento terrestre e aplicações ambientais e agrícolas. 

A participação do grupo incluiu a apresentação de dois trabalhos científicos relacionados ao uso de inteligência artificial em imagens orbitais. O estudo “Assessing the Impact of Threshold on Cloud Masking Algorithms for Downstream Tasks”, de Fernando Fugihara em colaboração com Marlon Fernandes, Rubens Lamparelli e Helio Pedrini, avaliou como diferentes limiares em algoritmos de mascaramento de nuvens afetam a qualidade de tarefas posteriores, como segmentação de imagens. A pesquisa mostrou que a escolha do limiar influencia diretamente o equilíbrio entre remoção de incertezas causadas por nuvens e preservação de informações úteis da superfície terrestre.

Também foi apresentado o trabalho “Beyond Spatial Resolution: Comparing Sentinel-2 and PlanetScope Imagery for Efficient Remote Mapping”, desenvolvido por Murilo de Oliveira, Marlon Fernandes, Fernando Fugihara e Rubens Lamparelli. O estudo comparou imagens dos satélites Sentinel-2 e PlanetScope no mapeamento de estruturas plásticas agrícolas, considerando não apenas a acurácia dos modelos, mas também o custo computacional associado ao processamento dos dados. Os resultados indicaram que, para os classificadores tradicionais avaliados, as imagens Sentinel-2 apresentaram melhor equilíbrio entre desempenho, tempo de processamento e escalabilidade.

A participação no ML4RS reforça a inserção das pesquisas do CEP em debates internacionais sobre inteligência artificial aplicada ao sensoriamento remoto, especialmente em temas ligados ao mapeamento, monitoramento e análise de sistemas agrícolas que utilizam materiais plásticos. Esses avanços contribuem para ampliar a base científica e tecnológica necessária ao desenvolvimento de ferramentas mais precisas, escaláveis e aplicáveis à gestão da plasticultura no campo.