ANÁLISE MULTITEMPORAL DOS PADRÕES DE USO E COBERTURA DA TERRA A PARTIR DE DADOS DA PLATAFORMA GOOGLE EARTH ENGINE PARA A ILHA DE ITAPARICA, BAHIA, BRASIL
Abstract
As mudanças ambientais são cada vez mais constantes; estas decorrem de agentes naturais e antrópicos. Para este estudo serão abordadas as mudanças nos padrões de uso e cobertura da Terra ocorridas na Ilha de Itaparica localizada na Baía de Todos os Santos, Bahia, Brasil. Para esta pesquisa foi utilizado dados e informações disponíveis na plataforma de Google Earth Engine (GEE) e seus respectivos recursos de pré-processamento e processamento. Foi definida uma escala multitemporal com os períodos 2000-2002, 2006-2008 e 2012-2014. Foram adotadas as seguintes classes de uso e cobertura: área construída, manguezais, florestas, agropecuária, solo exposto, vegetação arbustiva e água. Para a classificação foi empregada a composição RGB-543 do LANDSAT-7 ETM+. O algoritmo adotado foi Randon Florests que apresentou taxas de acertos de mínimo de 99,66 % e máxima de 99,13% calculados diretamente no ambiente virtual do GEE.
Downloads
References
AJARA, C. Geografia e a questão Ambiental. IBGE., Dep ed. Rio de Janeiro. 1993.
ARMBRUST, BY GRIFFITH, REAN JOSEPH, ANTHONY D KATZ, RANDY KONWINSKI, ANDY LEE, GUNHO PATTERSON, DAVID RABKIN, ARIEL. of Cloud Computing. v. 4, n. 1, p. 54, 2010.
BARANAUSKAS, J. Extração Automática de Conhecimento Utilizando Múltiplos Indutores. [s.l.] Universiade de São Paulo, 2001.
DÍAZ-URIARTE, R.; ALVAREZ DE ANDRÉS, S. Gene selection and classification of microarray data using random forest. BMC Bioinformatics, v. 7, p. 1–13, 2006.
FLORENZANO. Iniciação em sensoriamento remoto. 3a ed ed. [s.l: s.n.]. 2011.
GOOGLE. Introdução ao google earth engine. Disponível em: <https://www.google.com/earth/outreach/learn/introduction-to-google-earth-engine/>. Acesso em: 27 jul. 2015.
GRIFFITHS, P. et al. Mapping megacity growth with multi-sensor data. Remote Sensing of Environment, v. 114, n. 2, p. 426–439, fev. 2010.
INSTITUTO NACIONAL DE METEOROLOGIA. Normais Climatológicas (1961 - 1990). 1992.
JENSEN, J. R. Remote Sensing of the Environment An Earth Resource Perspective Prentice Hall. 2nd Edition ed. Upper Saddle River. 2007.
NGUYEN, T. T. H. et al. Mapping the irrigated rice cropping patterns of the Mekong delta, Vietnam, through hyper-temporal SPOT NDVI image analysis. International Journal of Remote Sensing, v. 33, n. 2, p. 415–434, 20 jan. 2012.
NOVO, E. D. M. Sensoriamento Remoto: princípios e aplicações. 2a. Edição ed. São Paulo. 1992.
OLIVEIRA, L. Uso e cobertura das terras no entorno da baía de todos os santos, Bahia, Brasil: mudanças dos padrões espaciais em séries temporais. [s.l.] Dissertação do Mestrado Ciências Ambientais. Universidade Estadual de Feira de Santana, 2016.
ROBNIK-ŠIKONJA, M. Improving random forests. In European conference on machine learning, v. volume 320, p. 359–370, 2004.
SOUZA, J. L. DE; SILVA, I. R. Avaliação da qualidade ambiental das praias da Ilha de Itaparica, Baía de Todos os Santos, Bahia. Sociedade & Natureza, v. 27, n. 3, p. 469–483, dez. 2015.
SUTTON, P. C. A scale-adjusted measure of “Urban sprawl” using nighttime satellite imagery. Remote Sensing of Environment, v. 86, n. 3, p. 353–369, ago. 2003.
TSYMBAL, A.; PECHENIZKIY, M.; CUNNINGHAM, P. Dynamic Integration with Random Forests. In: Berlin: [s.n.]. p. 801–808. 2006.
