Detecting Brick Kiln Infrastructure at Scale: Graph, Foundation, and Remote Sensing Models for Satellite Imagery Data

1. Problema e Contexto

Os fornos de tijolos (brick kilns) são uma fonte majoritária de poluição do ar e de trabalho forçado no Sul da Ásia, concentrados na chamada "Cinturão de Fornos de Tijolos" que abrange Afeganistão, Paquistão, Índia, Bangladesh e Nepal. Estima-se que cerca de 29,3 milhões de pessoas estejam presas em trabalho forçado nesta região.

O principal desafio para monitoramento e intervenção é a escassez de dados: as informações existentes sobre a localização dos fornos são espacialmente esparsas e temporalmente desatualizadas devido ao alto custo e complexidade logística de levantamentos manuais. O objetivo deste trabalho é desenvolver e comparar métodos escaláveis para a detecção de fornos de tijolos em larga escala utilizando imagens de satélite de alta resolução, visando apoiar a ODS 8.7 da ONU (erradicação do trabalho forçado).

2. Metodologia e Abordagens

Os autores propuseram e avaliaram três paradigmas distintos de modelagem, utilizando um novo conjunto de dados massivo e comparando as abordagens sob diferentes regimes de supervisão:

A. Novo Conjunto de Dados (Dataset)

• Escala: Cobertura de cinco regiões urbanas e peri-urbanas (Lahore, Delhi, Kathmandu, Gazipur e Cabul).
• Resolução: Imagens de satélite de alta resolução (Zoom-20, 0,149 m/pixel).
• Volume: Mais de 1,3 milhão de tiles de imagem (256x256 pixels), totalizando uma área geográfica vasta e heterogênea.

B. Modelos Propostos e Avaliados

1. ClimateGraph (Aprendizado Baseado em Grafos):

   • Conceito: Um modelo de Rede Neural Gráfica (GNN) adaptativo à região, projetado para capturar a estrutura espacial e direcional dos layouts dos fornos.
   • Funcionamento: Constrói um grafo global onde os nós são Pontos de Interesse (POIs) enriquecidos com características ambientais (raster). As arestas conectam os 8 vizinhos mais próximos, incorporando ângulos de rumo (bearing angles) para capturar a anisotropia espacial.
   • Inovação: Utiliza um mecanismo de atenção anisotrópica que integra kernels direcionais, permitindo que o modelo entenda não apenas a proximidade, mas também a orientação e o contexto regional de longo alcance.

2. Modelos de Fundação (Foundation Models):

   • RemoteCLIP: Uma adaptação do modelo CLIP (Visão-Linguagem) para sensoriamento remoto. Utiliza aprendizado contrastivo para realizar detecção zero-shot (sem treinamento específico nos dados locais) combinando imagens com prompts de texto (ex: "estrutura circular de forno de tijolo com chaminé").
   • Rex-Omni: Um modelo multimodal baseado em Qwen2.5-VL que utiliza uma abordagem de geração de coordenadas (bounding boxes) como sequências de tokens. Também opera em modo zero-shot, utilizando um ensemble de 8 prompts para robustez.

3. Linha de Base de Sensoriamento Remoto (Clássico):

   • Pipeline Determinístico: Um método baseado em regras que não requer dados de treinamento.
   • Técnica: Utiliza o Índice Normalizado de Diferença de Forno de Tijolo (NDBKI), explorando a cor vermelha característica dos tijolos queimados. O pipeline inclui extração espectral-temporal, filtragem por altura de edifícios (para remover falsos positivos urbanos) e consolidação morfológica.

3. Resultados Principais

Os resultados foram avaliados usando a pontuação F1 macro-média em cinco cidades:

• Desempenho do ClimateGraph:

  • Alcançou o melhor desempenho geral, com um F1 médio de 0,79.
  • Superou as bases de grafos isotrópicos (GCN, GAT) em 17 pontos percentuais no F1 e o GraphSAGE em 1 ponto.
  • A vantagem deve-se à capacidade de modelar dependências espaciais de longo alcance e contextos regionais que modelos baseados em tiles (imagens isoladas) não conseguem capturar.

• Desempenho dos Modelos de Fundação:

  • RemoteCLIP: Demonstrou transferência zero-shot robusta, com F1 variando entre 0,446 e 0,526 dependendo da cidade. Desempenhou melhor em Lahore e Gazipur, onde a morfologia dos fornos se alinha com os dados de treinamento.
  • Rex-Omni: Apresentou desempenho inferior, com taxas de sucesso de detecção entre 15% e 25% (F1 ~0,15-0,25), indicando desafios na adaptação de modelos de linguagem-vision genéricos para tarefas específicas de detecção de objetos em satélite sem ajuste fino.

• Desempenho do Sensoriamento Remoto Clássico:

  • Obteve resultados competitivos e surpreendentemente altos em certas regiões, atingindo 0,650 em Gazipur e 0,533 em Lahore.
  • Em Kathmandu, o desempenho caiu (0,166) devido à alta heterogeneidade urbana e dificuldade em distinguir fornos de outros edifícios vermelhos.
  • Destaca-se pela eficiência computacional (0,5s/tile) e interpretabilidade, servindo como uma linha de base forte e livre de treinamento.

4. Contribuições Chave

1. Curadoria de Dados: Criação do maior conjunto de dados de alta resolução (Zoom-20) para detecção de fornos de tijolos, cobrindo cinco países da Ásia do Sul e Central.
2. Modelo ClimateGraph: Proposta de uma arquitetura de GNN adaptativa à região que incorpora contexto espacial e direcional, superando significativamente os baselines padrão de grafos.
3. Análise Comparativa Sistemática: Avaliação rigorosa que demonstra os pontos fortes complementares das três abordagens:
   • Grafos: Melhor precisão geral e generalização contextual.
   • Fundação: Viabilidade para detecção zero-shot e adaptação rápida, embora variável.
   • Sensoriamento Remoto Clássico: Eficiência extrema, interpretabilidade e robustez em áreas com morfologia distinta, sem necessidade de dados rotulados.

5. Significado e Impacto

Este trabalho fornece diretrizes práticas para o monitoramento escalável de infraestrutura crítica para direitos humanos e meio ambiente.

• Aplicação Prática: Os métodos propostos permitem que pesquisadores, formuladores de políticas e agências reguladoras identifiquem áreas de risco de trabalho forçado e poluição sem depender de levantamentos de campo caros.
• Implicações Técnicas: O estudo demonstra que, para tarefas de sensoriamento remoto complexas e geograficamente distribuídas, não existe uma "bala de prata". A combinação de modelos baseados em grafos (para contexto) com pipelines clássicos (para eficiência) ou modelos de fundação (para flexibilidade) oferece a estratégia mais robusta.
• Impacto Humanitário: Ao facilitar a detecção em larga escala, a pesquisa apoia diretamente os esforços para a erradicação do trabalho forçado e a mitigação da poluição do ar na região do Cinturão de Fornos de Tijolos.