Mateus Benchimol Ferreira de Almeida

Posdoc in Environmental Sciences/ Remote Sensing by the Rio de Janeiro University State (UERJ/ 2023); PhD in Environmental Sciences/ Remote Sensing by the Rio de Janeiro University State (UERJ/ 2022); Master in Cartographic Engineering/ Remote Sensing by the Military Institute of Engineering (IME/ 2015) - Rio de Janeiro / Brazil. Geographer Engineer by Faculty of Science of Agostinho Neto University (FCUAN/ 2012) - Luanda / Angola. He is interested in Remote Sensing applied to studies of vegetation, forests, agriculture and pasture. He is also interested in the Digital Processing of Orbital Images (optical and radar), Artificial Neural Networks, Geostatistics and Geographic Information Systems. Since 2017, he has been working as a Associate Resercher at the Brazilian Agricultural Research Corporation (EMBRAPA Solos / RJ) with a focus on Remote Sensing applied in agriculture and pasture. He is interested in studies of detection of Forest Deforestation by satellite images. He is coauthor of book "Masters and Doctors in the running of Teachers: Pedagogical formation of Masters and Doctors".

Pós-doutorando em Ciências do Meio Ambiente/ Sensoriamento Remoto pela Universidade do Estado do Rio de Janeiro (UERJ/ 2023) - Rio de Janeiro/Brasil; Doutor em Ciências do Meio Ambiente/ Sensoriamento Remoto pela Universidade do Estado do Rio de Janeiro (UERJ/ 2022) - Rio de Janeiro/Brasil; Mestre em Engenharia Cartográfica/ Sensoriamento Remoto pelo Instituto Militar de Engenharia (IME/ 2015) - Rio de Janeiro/Brasil; Engenheiro Geógrafo formado pela Faculdade de Ciências da Universidade Agostinho Neto (FCUAN/ 2012) - Luanda/Angola; Especialista em Docência do Ensino Superior pela Universidade Cândido Mendes/ A Vez do Mestre (UCAM-AVM/ 2020) - Rio de Janeiro/Brasil. Tem interesse em Sensoriamento Remoto aplicado a estudos da vegetação, florestas, agricultura e pastagens. Também tem interesse nas áreas de Processamento Digital de Imagens Orbitais (óticas e radar); classificação digital de imagens com algoritmos de aprendizado de máquina (machine learning) - como o Random Forest -; bem como deep learning como as Redes Neurais Artificiais; tem interesse também em Geoestatística e Sistemas de Informação Geográfica. Tem utilizado a plataforma Google Earth Engine, com base na linguagem de programação JavaScript, computação paralela e computação em nuvem, para o processamento de cubo de dados (data cube) de imagens de satélite, arquivos vetorais georreferenciados e informação alfanumérica. Tem utilizado a linguagem de programação python para o processamento de dados geoespaciais no Geocolab. Também tem utilizado a linguagem de programação R para o processamento de dados auxiliares que complementam as análises de Sensoriamento Remoto no Google Earth Engine. Desde 2017, atua como Pesquisador Colaborador na Empresa Brasileira de Pesquisa Agropecuária (Embrapa Solos/ RJ) com foco em Sensoriamento Remoto aplicado à agricultura e pastagens. Atualmente é Pesquisador Visitante na Embrapa Solos onde realiza pesquisa cinetífica posdoutoral em Sensoriamento Remoto para o mapeamento e monitoramento de Sistema Integrados de Produção Agropecuária (iLPF). Tem interesse em estudos de detecção de Desmatamentos Florestais por meio de imagens de satélite. É coautor do livro "Mestres e Doutores na Corrida para Professores: Formação Pedagógica de Mestres e Doutores".