Análise de acurácia do mapeamento do uso e ocupação do solo utilizando imagens Sentinel-2 e CBERS-4 no entorno de reservatórios

Autores

DOI:

https://doi.org/10.5902/2179460X84730

Palavras-chave:

Sensoriamento Remoto, Aprendizagem de Máquinas, Reservatório Pedro Mauro Junior

Resumo

A detecção de mudanças na cobertura do solo ajuda os formuladores de políticas a entender a dinâmica das mudanças ambientais para garantir o desenvolvimento sustentável no bioma Caatinga. Assim, a identificação de características espaciais por Sensoriamento Remoto surgiu como um importante aspecto de pesquisa e, dessa forma, metodologia adequada e eficiente para o mapeamento de cobertura do solo necessárias é fator preponderante. Neste estudo, os dados do satélite Sentinel-2 e CBERS-4 capturados pelos sensores MultiSpectral Instrument (MSI) e a Câmera Pancromática e Multiespectral (PAN), respectivamente, foram usados para a classificação e análise de acurácia para cinco classes de cobertura da terra no entorno de Barragens localizados no município de Belo Jardim, Pernambuco. O algoritmo KNN (K-ésimo vizinho mais próximo) com um valor de k=1 foi utilizado para o treinamento e classificação das imagens. As recentes imagens de alta resolução do programa europeu WorldCover foram utilizadas como imagem de referência espacial e temática. Após a análise por Matrix Contingência entre os mapas de cobertura do solo e os dados de referência, foram obtidos uma acurácia global de 57,4% para o MSI e 54,5% para o produto PAN. Os resultados obtidos mostraram que o MSI apresentou mapas de cobertura da terra mais satisfatórias do que os dados PAN. Por outro lado, para a classe de vegetação arbustiva para o produto PAN apresentou r de 0,5 enquanto o MSI de 0,47. Características espaciais e espectrais das imagens foram os principais causadores das variabilidades encontradas nos coeficientes de acurácia temática.

Downloads

Não há dados estatísticos.

Biografia do Autor

Juarez Antônio da Silva Júnior, Universidade Federal de Pernambuco

Mestrando em Engenharia Civil com enfase em Recursos Hídricos pela UFPE e Engenheiro Cartografo e Agrimensor pela mesma instituição.

Ubiratan Joaquim da Silva Junior, Universidade Federal de Pernambuco

Mestre em Ciências Geodésicas e Tecnologias da Geoinformação pela UFPE e Engenheiro Cartografo pela mesma instituição.

Débora Natália Oliveira de Almeida, Universidade Federal de Pernambuco

Doutoranda em Engenharia Civil com enfase em Recursos Hídricos pela UFPE, Mestre em Ciências Geodésicas e Tecnologias da Geoinformação e Engenheiro Cartografo, ambas pela mesma instituição.

Anderson Luiz Ribeiro de Paiva, Universidade Federal de Pernambuco

Graduação em Engenharia Civil pela Universidade Federal de Pernambuco (2002), mestrado em Engenharia Civil pela Universidade Federal de Pernambuco (2004) e doutorado em Engenharia Civil pela Universidade Federal de Pernambuco (2009). Atualmente é membro permanente da Universidade Federal de Pernambuco, coordenador do curso de graduação da Universidade Federal de Pernambuco.

Ester Milena dos Santos, Universidade Federal de Pernambuco

Mestra em Desenvolvimento e Meio Ambiente pela UFS (2021) na linha de pesquisa em Planejamento e Gestão Ambiental na área de Desenvolvimento de regiões semi-áridas e costeiras, graduada em Engenharia Ambiental e Sanitária pela UFS (2018) e técnica em Edificações pelo IFS (2018).

Sylvana Melo dos Santos, Universidade Federal de Pernambuco

Possui graduação, mestrado e doutorado em Engenharia Civil pela Universidade Federal de Pernambuco (UFPE), com um período de 2 anos de estudos (doutorado sanduíche) na Alemanha (Institut für Erdmessung - Universität Hannover). Atualmente é Professora Titular da UFPE, Departamento de Engenharia Civil e Ambiental.

Leidjane Maria Maciel de Oliveira, Universidade Federal de Pernambuco

Doutora em Engenharia Civil pela Universidade Federal de Pernambuco - Tecnologia Ambiental e Recursos Hídricos (2012), Pós-doutorado em Engenharia Civil na Universidade Federal de Pernambuco (UFPE), mestrado em Engenharia Civil pela Universidade Federal de Pernambuco - Tecnologia Ambiental e Recursos Hídricos (2007) e graduação em Engenharia Civil pela Universidade Católica de Pernambuco (1991). Atualmente é Professora Adjunta da Universidade Federal de Pernambuco - Centro de Tecnologia e Geociências (CTG) - Departamento de Engenharia Civil.

Referências

ACHARKI, Siham. PlanetScope contributions compared to Sentinel-2, and Landsat-8 for LULC mapping. Remote Sensing Applications: Society and Environment, [S.L.], v. 27, p. 100774, ago. 2022. Elsevier BV. http://dx.doi.org/10.1016/j.rsase.2022.100774

APAC. Agência Pernambucana de Águas e Clima. Disponível em: http://www.sirh.srh.pe.gov.br/apac/, 2019.

ANNATHURAI, Kalyana Saravanan; ANGAMUTHU, Tamilarasi. Sorensen-dice similarity indexing based weighted iterative clustering for big data analytics. Int. Arab J. Inf. Technol., v. 19, n. 1, p. 11-22, 2022.

BANGIRA, Tsitsi; ALFIERI, Silvia Maria; MENENTI, Massimo; VAN NIEKERK, Adriaan. Comparing Thresholding with Machine Learning Classifiers for Mapping Complex Water. Remote Sensing, [S.L.], v. 11, n. 11, p. 1351, 5 jun. 2019. MDPI AG. http://dx.doi.org/10.3390/rs11111351

CONGALTON, Russell G.. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing Of Environment, [S.L.], v. 37, n. 1, p. 35-46, jul. 1991. Elsevier BV. http://dx.doi.org/10.1016/0034-4257(91)90048-b

ESA. European Space Agency. Sentinel-2: Resolution and Swath, 2021. Available online: https://sentinel.esa.int/web/sentinel/missions/sentinel-2/instrument-payload/resolution-and-swath

FENG, Senyao; LI, Wenlong; XU, Jing; LIANG, Tiangang; MA, Xuanlong; WANG, Wenying; YU, Hongyan. Land Use/Land Cover Mapping Based on GEE for the Monitoring of Changes in Ecosystem Types in the Upper Yellow River Basin over the Tibetan Plateau. Remote Sensing, [S.L.], v. 14, n. 21, p. 5361, 26 out. 2022. MDPI AG. http://dx.doi.org/10.3390/rs14215361

GIBRIL, Mohamed Barakat A.; BAKAR, Suzana A.; YAO, Kouame; IDREES, Mohammed Oludare; PRADHAN, Biswajeet. Fusion of RADARSAT-2 and multispectral optical remote sensing data for LULC extraction in a tropical agricultural area. Geocarto International, [S.L.], v. 32, n. 7, p. 735-748, 15 abr. 2016. Informa UK Limited. http://dx.doi.org/10.1080/10106049.2016.1170893

GIGLIO, Louis; BOSCHETTI, Luigi; ROY, David P.; HUMBER, Michael L.; JUSTICE, Christopher O.. The Collection 6 MODIS burned area mapping algorithm and product. Remote Sensing of Environment, [S.L.], v. 217, p. 72-85, nov. 2018. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2018.08.005

GONÇALVES, Rogério Victor S.; CARDOSO, João Custódio F.; OLIVEIRA, Paulo Eugênio; OLIVEIRA, Denis Coelho. Changes in the Cerrado vegetation structure: insights from more than three decades of ecological succession. Web Ecology, [S.L.], v. 21, n. 1, p. 55-64, 30 mar. 2021. Copernicus GmbH. http://dx.doi.org/10.5194/we-21-55-2021

HU, Bin; XU, Yongyang; HUANG, Xiao; CHENG, Qimin; DING, Qing; BAI, Linze; LI, Yan. Improving Urban Land Cover Classification with Combined Use of Sentinel-2 and Sentinel-1 Imagery. ISPRS International Journal Of Geo-Information, [S.L.], v. 10, n. 8, p. 533, 9 ago. 2021. MDPI AG. http://dx.doi.org/10.3390/ijgi10080533.

KUHN, Max. The caret package. R Foundation for Statistical Computing, Vienna, Austria. URL https://cran. r-project. org/package= caret, 2012.

LI, Congcong; WANG, Jie; WANG, Lei; HU, Luanyun; GONG, Peng. Comparison of Classification Algorithms and Training Sample Sizes in Urban Land Classification with Landsat Thematic Mapper Imagery. Remote Sensing, [S.L.], v. 6, n. 2, p. 964-983, 24 jan. 2014. MDPI AG. http://dx.doi.org/10.3390/rs6020964

LIU, Qingsheng; SONG, Hongwei; LIU, Gaohuan; HUANG, Chong; LI, He. Evaluating the Potential of Multi-Seasonal CBERS-04 Imagery for Mapping the Quasi-Circular Vegetation Patches in the Yellow River Delta Using Random Forest. Remote Sensing, [S.L.], v. 11, n. 10, p. 1216, 22 maio 2019. MDPI AG. http://dx.doi.org/10.3390/rs11101216

METTERNICHT, G.I; ZINCK, J.A. Remote sensing of soil salinity: potentials and constraints. Remote Sensing of Environment, [S.L.], v. 85, n. 1, p. 1-20, abr. 2003. Elsevier BV. http://dx.doi.org/10.1016/s0034-4257(02)00188-8

NASA. National Aeronautics and Space Administration. Spectral Response of the Operational Land Imager In-Band, Band-Average Relative Spectral Response, 2021. Available online: https://landsat.gsfc.nasa.gov/preliminary-spectral-response-of-the-operational-land-imager-in-band-band-average-relative-spectral-response/

NGUYEN, C. T.; CHIDTHAISONG, A.; DIEM, P. K.; HUO, Lian-Zhi. A Modified Bare Soil Index to Identify Bare Land Features during Agricultural Fallow-Period in Southeast Asia Using Landsat 8. Land, [S.L.], v. 10, n. 3, p. 231, 25 fev. 2021. MDPI AG. http://dx.doi.org/10.3390/land10030231.

NOI, Phan Thanh; KAPPAS, Martin. Comparison of Random Forest, k-Nearest Neighbor, and Support Vector Machine Classifiers for Land Cover Classification Using Sentinel-2 Imagery. Sensors, [S.L.], v. 18, n. 2, p. 18, 22 dez. 2017. MDPI AG. http://dx.doi.org/10.3390/s18010018

NAIKOO, Mohd Waseem; RIHAN, Mohd; ISHTIAQUE, Mohammad; SHAHFAHAD. Analyses of land use land cover (LULC) change and built-up expansion in the suburb of a metropolitan city: spatio-temporal analysis of delhi ncr using landsat datasets. Journal of Urban Management, [S.L.], v. 9, n. 3, p. 347-359, set. 2020. Elsevier BV. http://dx.doi.org/10.1016/j.jum.2020.05.004

PAL, M.; MATHER, P. M.. Support vector machines for classification in remote sensing. International Journal of Remote Sensing, [S.L.], v. 26, n. 5, p. 1007-1011, mar. 2005. Informa UK Limited. http://dx.doi.org/10.1080/01431160512331314083.

PINTO, Cibele; PONZONI, Flávio; CASTRO, Ruy; LEIGH, Larry; MISHRA, Nischal; AARON, David; HELDER, Dennis. First in-Flight Radiometric Calibration of MUX and WFI on-Board CBERS-4. Remote Sensing, [S.L.], v. 8, n. 5, p. 405, 11 maio 2016. MDPI AG. http://dx.doi.org/10.3390/rs8050405

QU, Le’an; CHEN, Zhenjie; LI, Manchun; ZHI, Junjun; WANG, Huiming. Accuracy Improvements to Pixel-Based and Object-Based LULC Classification with Auxiliary Datasets from Google Earth Engine. Remote Sensing, [S.L.], v. 13, n. 3, p. 453, 28 jan. 2021. MDPI AG. http://dx.doi.org/10.3390/rs13030453

RAMEZAN, Christopher A.; WARNER, Timothy A.; MAXWELL, Aaron E.; PRICE, Bradley S.. Effects of Training Set Size on Supervised Machine-Learning Land-Cover Classification of Large-Area High-Resolution Remotely Sensed Data. Remote Sensing, [S.L.], v. 13, n. 3, p. 368, 21 jan. 2021. MDPI AG. http://dx.doi.org/10.3390/rs13030368

SHAHABI, Himan; SHIRZADI, Ataollah; GHADERI, Kayvan; OMIDVAR, Ebrahim; AL-ANSARI, Nadhir; CLAGUE, John J.; GEERTSEMA, Marten; KHOSRAVI, Khabat; AMINI, Ata; BAHRAMI, Sepideh. Flood Detection and Susceptibility Mapping Using Sentinel-1 Remote Sensing Data and a Machine Learning Approach: hybrid intelligence of bagging ensemble based on k-nearest neighbor classifier. Remote Sensing, [S.L.], v. 12, n. 2, p. 266, 13 jan. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12020266

SAMANIEGO, Luis; SCHULZ, Karsten. Supervised Classification of Agricultural Land Cover Using a Modified k-NN Technique (MNN) and Landsat Remote Sensing Imagery. Remote Sensing, [S.L.], v. 1, n. 4, p. 875-895, 9 nov. 2009. MDPI AG. http://dx.doi.org/10.3390/rs1040875

SILVA, Murilo Schramm da; VIBRANS, Alexander Christian; NICOLETTI, Adilson Luiz. BACKDATING OF INVARIANT PIXELS: comparison of algorithms for land use and land cover change (lucc) detection in the subtropical brazilian atlantic forest. Boletim de Ciências Geodésicas, [S.L.], v. 27, n. 3, p. 100-112, 2021. FapUNIFESP (SciELO). http://dx.doi.org/10.1590/s1982-21702021000300018.

SILVA JUNIOR, Juarez Antonio da; PACHECO, Admilson da Penha; RUIZ-ARMENTEROS, Antonio Miguel; HENRIQUES, Renato Filipe Faria. Evaluation of the Ability of SLSTR (Sentinel-3B) and MODIS (Terra) Images to Detect Burned Areas Using Spatial-Temporal Attributes and SVM Classification. Forests, [S.L.], v. 14, n. 1, p. 32, 24 dez. 2022. MDPI AG. http://dx.doi.org/10.3390/f14010032.

SILVA JUNIOR, Juarez Antonio da; PACHECO, Admilson da Penha. Análise do Modelo Linear de Mistura Espectral na Avaliação de Incêndios Florestais no Parque Nacional do Araguaia, Tocantins, Brasil: imagens eo-1/hyperion e landsat-7/etm+. Anuário do Instituto de Geociências, [S.L.], v. 43, n. 4, p. 340-450, 18 dez. 2020. Instituto de Geociencias - UFRJ. http://dx.doi.org/10.11137/2020_4_440_450

SILVA JÚNIOR, Juarez Antonio da; SILVA JÚNIOR, Ubiratan Joaquim da; PACHECO, Admilson da Penha. Análise de acurácia para o mapeamento de áreas queimadas utilizando uma cena VIIRS 1Km e classificação por Random Forest. Revista Brasileira de Geografia Física, [S.L.], v. 14, n. 6, p. 3225, 31 dez. 2021. http://dx.doi.org/10.26848/rbgf.v14.6.p3225-3240

SHRESTHA, Megha; MITRA, Chandana; RAHMAN, Mahjabin; MARZEN, Luke. Mapping and Predicting Land Cover Changes of Small and Medium Size Cities in Alabama Using Machine Learning Techniques. Remote Sensing, [S.L.], v. 15, n. 1, p. 106-120, 25 dez. 2022.

VENTER, Zander S.; BARTON, David N.; CHAKRABORTY, Tirthankar; SIMENSEN, Trond; SINGH, Geethen. Global 10 m Land Use Land Cover Datasets: a comparison of dynamic world, world cover and esri land cover. Remote Sensing, [S.L.], v. 14, n. 16, p. 4101, 21 ago. 2022. MDPI AG. http://dx.doi.org/10.3390/rs14164101.

YUH, Yisa Ginath; TRACZ, Wiktor; MATTHEWS, H. Damon; TURNER, Sarah E.. Application of machine learning approaches for land cover monitoring in northern Cameroon. Ecological Informatics, [S.L.], v. 74, p. 101955, maio 2023. Elsevier BV. http://dx.doi.org/10.1016/j.ecoinf.2022.101955

YAN, Jining; WANG, Lizhe; SONG, Weijing; CHEN, Yunliang; CHEN, Xiaodao; DENG, Ze. A time-series classification approach based on change detection for rapid land cover mapping. ISPRS Journal of Photogrammetry and Remote Sensing, [S.L.], v. 158, p. 249-262, dez. 2019. Elsevier BV. http://dx.doi.org/10.1016/j.isprsjprs.2019.10.003.

ZHAO, Ruifeng; CHEN, Yaning; SHI, Peiji; ZHANG, Lihua; PAN, Jinghu; ZHAO, Haili. Land use and land cover change and driving mechanism in the arid inland river basin: a case study of tarim river, xinjiang, china. Environmental Earth Sciences, [S.L.], v. 68, n. 2, p. 591-604, 21 jun. 2012. Springer Science and Business Media LLC. http://dx.doi.org/10.1007/s12665-012-1763-3.

WANG, Bing; JIA, Kun; LIANG, Shunlin; XIE, Xianhong; WEI, Xiangqin; ZHAO, Xiang; YAO, Yunjun; ZHANG, Xiaotong. Assessment of Sentinel-2 MSI Spectral Band Reflectances for Estimating Fractional Vegetation Cover. Remote Sensing, [S.L.], v. 10, n. 12, p. 1927, 30 nov. 2018. MDPI AG. http://dx.doi.org/10.3390/rs10121927.

Downloads

Publicado

2024-08-23

Como Citar

Silva Júnior, J. A. da, Silva Junior, U. J. da, Almeida, D. N. O. de, Paiva, A. L. R. de, Santos, E. M. dos, Santos, S. M. dos, & Oliveira, L. M. M. de. (2024). Análise de acurácia do mapeamento do uso e ocupação do solo utilizando imagens Sentinel-2 e CBERS-4 no entorno de reservatórios. Ciência E Natura, 46, e84730. https://doi.org/10.5902/2179460X84730

Edição

v. 46 (2024): Publicação contínua

Seção

Geociências

Licença

Copyright (c) 2024 Ciência e Natura

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.

 

Diretrizes Éticas para Publicação de Revistas

A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.

A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.

Em particular, 

Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.

Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.

Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

Artigos mais lidos pelo mesmo(s) autor(es)