Produção Nacional
Revisado por pares
Computação em Nuvem e Aprendizado de Máquina: Comparação de imagens OLI/Landsat-8 e MSI/Sentinel-2A no Mapeamento de Uso e Cobertura da Terra no Semiárido Nordestino
2023; UNIVERSIDADE FEDERAL DE PERNAMBUCO; Volume: 13; Issue: 4 Linguagem: Português
10.29150/jhrs.v13.4.p536-550
ISSN2237-2202
AutoresAlíbia Deysi Guedes da Silva, Sara Fernandes de Flor de Souza, Rebecca Luna Lucena,
Tópico(s)Geography and Environmental Studies
ResumoO processamento em nuvem de imagem de multissensores de média e alta resolução tem impulsionado o crescimento de análises ambientais baseadas em algoritmos de aprendizado de máquina. Logo, o objetivo deste estudo foi utilizar a plataforma Google Earth Engine em conjunto com técnicas de aprendizado de máquina para realizar uma análise comparativa das respostas obtidas pelos sensores OLI/Landsat-8 e MSI/Sentinel-2A na delimitação de classes de uso e cobertura da terra do município de Jardim de Piranhas/RN no ano de 2022. Foram utilizados o NDVI e o método Random Forest para classificação de 5 classes: Vegetação Densa, Vegetação Aberta, Área Descoberta, Agricultura e Corpos Hídricos. Para ambos os sensores, os NDVIs foram semelhantes com brilho forte (r = 0,89), classificações com índice Kappa “excelente”, e Exatidão Global de 89% para o OLI e 92% para o MSI. O sensor MSI/Sentinel examinou uma melhor delimitação dos alvos, sendo a acurácia do produtor e do usuário satisfatórias. A metodologia aplicada e os resultados obtidos poderão contribuir para o desenvolvimento de políticas públicas de planejamento ambiental do município de Jardim de Piranhas e a mesma poderá ser reproduzida para outras áreas do semiárido brasileiro. O estudo de dados espaciais, por meio de geotecnologias, torna-se fundamental para o ordenamento territorial, envolvendo o equilíbrio da proteção dos ecossistemas, a segurança hídrica e o desenvolvimento urbano.
Referência(s)