Bolsa de PD em Sensoriamento Remoto / LiDAR / Inteligência Artificial

Post-Doctoral Fellowship in Remote Sensing / LiDAR / Artificial Intelligence

Nº: 9357

Área de conhecimento: Recursos Florestais e Engenharia Florestal

Field of knowledge: Forestry resources and forestry engineering

Nº do processo FAPESP: 2024/15211-1

FAPESP process: 2024/15211-1

Título do projeto: Tecnologia LiDAR para Monitoramento Florestal em São Paulo: Apoio a Políticas Públicas de Mitigação das Mudanças Climáticas

Project title: LiDAR Technology for Forest Monitoring in São Paulo: Supporting Public Policies for Climate Change Mitigation

Área de atuação: Sensoriamento Remoto / LiDAR / Inteligência Artificial

Working area: Remote Sensing / LiDAR / Artificial Intelligence

Quantidade de vagas: 1

Positions: 1

Valor da bolsa: R$ 12.570,00 (consulte os valores de Bolsas da FAPESP em fapesp.br/valores/bolsasnopais).

Value: R$ 12.570,00 (consulte os valores de Bolsas da FAPESP em fapesp.br/valores/bolsasnopais).

Pesquisador responsável: Matheus Pinheiro Ferreira

Principal investigator: Matheus Pinheiro Ferreira

Unidade/Instituição: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo (ESALQ-USP)

Unit/Instituition: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo (ESALQ-USP)

Data limite para inscrições: 04/05/2026

Deadline for submissions: 2026-05-04

Publicado em: 17/04/2026

Publishing date: 2026-04-17

Inicio: junho de 2026

Start: 2026, june

Localização: Piracicaba

Locale: Piracicaba

E-mail para inscrições: mpferreira@usp.br

E-mail for proposal submission: mpferreira@usp.br

  • Atividades e contexto Activities and context

    O bolsista será responsável por mapear os estágios sucessionais e o potencial de sequestro de carbono na vegetação nativa do estado de São Paulo, utilizando dados de perfilamento LiDAR (Light Detection and Range) de todo território paulista. A tecnologia LiDAR permitirá uma análise detalhada da estrutura florestal, enquanto técnicas de aprendizado profundo (deep learning), especialmente redes neurais convolucionais (CNNs), serão aplicadas para identificar padrões complexos no dossel e classificar os estágios sucessionais.

    The fellow will be responsible for mapping successional stages and the carbon sequestration potential of native vegetation across the state of São Paulo (Brazil), using Light Detection and Range-LiDAR profiling data covering the entire state. LiDAR technology will enable a detailed analysis of forest structure, while deep learning techniques—particularly convolutional neural networks (CNNs)—will be applied to identify complex canopy patterns and classify successional stages.

  • Requisitos obrigatórios Mandatory requirements

    Doutorado em Sensoriamento Remoto, Recursos Florestais, Geografia e áreas afins. Experiência com processamento e análise de dados LiDAR utilizando programação científica de linguagem aberta (R ou Python).

    Ph.D. in Remote Sensing, Forest Resources, Geography, or related fields. Experience in processing and analyzing LiDAR data using open-source scientific programming languages (R or Python).

  • Requisitos desejáveis Desirable requirements

    Publicações internacionais relacionadas ao uso de dados LiDAR em aplicações florestais e experiência em métodos deep learning serão diferenciais.

    International publications related to the use of LiDAR data in forest applications, as well as experience with deep learning methods, will be considered an advantage.

  • Como se candidatar How to apply

    Enviar CV, carta de interesse e indicação de dois nomes para referência. Assunto do e-mail: “PD FAPESP”.

    Send CV, statement of interest, and the names of two references. Email subject: “PD FAPESP”.

Voltar Back