Identificación de Diferentes Tipos de Coberturas Vegetales del Distrito Federal, Brazil, a partir de dados Satelital PlanetScope
DOI:
https://doi.org/10.5007/2177-5230.2024.e94854Palabras clave:
Vegetación, Classificación, Alta resolución, Aprendizaje automáticoResumen
El Sabana brasilena y su respectivo Distrito Federal (DF) sufren el proceso de fragmentación. El lanzamiento de los nanosatélites PlanetScope representa una oportunidad para llevar el monitoreo ambiental de este bioma a un nuevo nivel. En este estudio, utilizamos mosaicos mensuales de las estaciones seca y lluviosa y aplicamos el método de clasificación Random Forest. Las áreas de entrenamiento se recogieron en campo utilizando una Aeronave Pilotada Remotamente (RPA). Los resultados mostraron alta precisión en la identificación de diferentes tipos de cobertura vegetal (índice Kappa ? 0,835 y índice de similitud 0,901). Los modelos con más variables mostraron mayor precisión y las imágenes clasificadas pudieron capturar cambios en la cobertura del suelo relacionados con la dinámica agrícola. Tambien se pudo analizar la importancia de cada banda en el resultado de las clasificaciones.
Citas
ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVES, J. L. M.; SPAVOREK, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift , v. 22, p. 711−728, 2014.
AQUINO, F. G.; MIRANDA, G. H. B. Consequências ambientais da fragmentação de habitats no Cerrado. In: SANO, S. M.; ALMEIDA, S. P.; RIBEIRO, J. F. Cerrado: Ecologia e Flora. Planaltina: Embrapa Cerrados; Brasília: Embrapa Informação Tecnológica, 2008. 2 v., 1.279 p.
ARCHER, K. J.; KIMES, R. V. Empirical characterization of random forest variable importance measures. Computational Statistics & Data Analysis, v. 52, n. 4, p. 2249- 2260, 2008.
AWAD, M. M. Forest mapping: A comparison between hyperspectral and multispectral images and technologies. Journal of Forest Research, v. 29, p. 1395–1405, 2018.
BASHEER, S.; WANG, X.; FAROOQUE, A. A.; NAWAZ, R. A.; LIU, K.; ADEKANMBI, T.; LIU, S. Comparison of land use land cover classifiers using different satellite imagery and machine learning techniques. Remote Sensing, v. 14, 4978, 2022.
BOLFE, E. L.; SANO, E. E.; CAMPOS, S. K. Dinâmica Agrícola no Cerrado. Análise e Projeções. Brasília: Embrapa, 2020.
BREIMAN, L. Random Forests. Machine Learning, v. 45, p. 5–32, 2001.
CASTRO, K. B.; ROIG, H. L.; NEUMANN. M. R. B.; ROSSI, M. S.; SERAPHIM, A. P. A. C. C.; RÉQUIA JUNIOR, W. J.; COSTA, A. B. B.; HOFER, R. New perspectives in land use mapping based on urban morphology: A case study of the Federal District, Brazil. Land Use Policy, v. 87, 104032, 2019.
CHELOTTI, G. B.; MARTINEZ, J. M.; ROIG, H. L.; OLIVIETTI, D. Space-temporal analysis of suspended sediment in low concentration reservoir by remote sensing. Revista Brasileira de Recursos Hídricos, v. 24, e17, 2019.
CHELOTTI, G. B.; SANO, E.E. Sessenta anos de ocupação urbana na capital do Brasil: Padrões, vetores e impactos na paisagem. Brasília: CODEPLAN, Texto para Discussão, n. 73, 2021.
COMPANHIA DE PLANEJAMENTO DO DISTRITO FEDERAL (CODEPLAN). Atlas do Distrito Federal. Brasília: CODEPLAN, 2017, 114 p.
COMPANHIA DE PLANEJAMENTO DO DISTRITO FEDERAL (CODEPLAN). Pesquisa distrital por amostra de domicílios – PDAD 2018. Brasília: CODEPLAN, 2019, 115 p.
COHEN, J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement, v. 20, n. 1, p. 37-46, 1960.
DE LUCA, G. N.; SILVA, J.; CERASOLI, S.; ARAÚJO, J.; CAMPOS, J.; DI FAZIO, S.; MODICA, G. Object-based land cover classification of cork oak woodlands using UAV imagery and Orfeo ToolBox. Remote Sensing, v. 11, 1238, 2019.
DISTRITO FEDERAL. Zoneamento ecológico-econômico do Distrito Federal – ZEE DF. Caderno Técnico – Matriz Ecológica. Brasília, 2017, 164 p. Disponível em: http://www.zee.df.gov.br/wp-content/uploads/2018/05/ZEEDF_CT01_Matriz_Ecologica.pdf Acesso em: 17 set. 2020
DISTRITO FEDERAL. Lei nº 6.269, de 29 de janeiro de 2019. Institui o Zoneamento Ecológico-Econômico do Distrito Federal - ZEE-DF em cumprimento ao art. 279 e ao art. 26 do Ato das Disposições Transitórias da Lei Orgânica do Distrito Federal e dá outras providências. Disponível em: https://www.sinj.df.gov.br/sinj/Norma/912a61dfc1134ffebb691aa3e864673e/Lei_6269_ 29_01_2019.html . Acesso em: 05 fev. 2023.
DJI. DJI Mini 2. Manual do Usuário. v 1.4, 2021.06. 52 p. Disponível em: https://www.dji.com/br/mini-2 Acesso em: 30 ago. 2021.
FEIZIZADEH, B.; DARABI, S.; BLASCHKE, T.; LAKES, T. QADI as a new method and alternative to Kappa for accuracy assessment of remote sensing-based image classification. Sensors, v. 22, 4506, 2022.
FERREIRA, R. B.; PARREIRA, M. R; NABOUT, J. C. The impact of global climate change on the number and replacement of provisioning ecosystem services of Brazilian Cerrado plants. Environmental Monitoring and Assessment, v. 193, 731, 2021.
GANEM, K. A.; BAPTISTA, G. M. M.; FRANCA ROCHA, W. J. S.; VASCONCELLOS, R. N.; ROSA, M. R.; SOUZA, D. T. M. Comparação entre dados com e sem correção atmosférica na classificação de cobertura da terra em uma área da caatinga utilizando o Google Earth Engine. Revista Brasileira de Cartografia, v. 69, n. 6, p. 1053-1074, 2017.
GARCIA, A. S.; BALLESTER, M. V. R. Land cover and land use changes in a Brazilian Cerrado landscape: drivers, processes, and patterns. Journal of Land Use Science, v. 11, n. 5, p. 538-559. 2016.
GOOGLE. Google Earth Pro 7.3.6.9345, 2022. Disponível em: https://www.google.com.br/intl/pt-BR/earth/ Acesso em: 4 abr. 2023.
GORELICK, N.; HANCHER, M.; DIXON, M.; ILYUSHCHENKO, S.; THAU, D.; MOORE, R. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, v. 202, p. 18‒27, 2017.
GUERRA-HERNÁNDEZ, J.; DÍAZ-VARELA, R. A.; ÁVAREZ-GONZÁLEZ, J. G.; RODRÍGUEZ-GONZÁLEZ, P. M. Assessing a novel modelling approach with high resolution UAV imagery for monitoring health status in priority riparian forests. Forest Ecosystems, v. 8, 61, 2021.
HORNING, N.; FLEISHMAN, E.; ERSTS, P. J.; FOGARTY, F. A.; ZILLIG, M. W. Mapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles. Remote Sensing in Ecology and Conservation, v. 6, n. 4, p. 487–497, 2020.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 1, p. 159-174, 1977.
LILLESAND, T.; KIEFER, R. W.; CHIPMAN, J. Remote sensing and image interpretation. John Wiley & Sons, 2015.
MACARRINGUE, L. S.; BOLFE, E. L.; PEREIRA, P. R. M. Developments in land use and land cover classification techniques in remote sensing: A review. Journal of Geographic Information System, v. 14, p. 1-28, 2022.
MACHADO, A. M. B.; RODRIGUES, T. C. S. Comparação de métodos de classificação para o mapeamento da cobertura da terra no setor norte da ilha do Maranhão. Geociências, v. 39, n. 4, p. 1129-1140, 2020.
MAYNARD, J. J.; LEVI, M. R. Hyper-temporal remote sensing for digital soil mapping: Characterizing soil-vegetation response to climatic variability. Geoderma, v. 285, p. 94–109, 2017.
MINISTÉRIO DO MEIO AMBIENTE - MMA. Nota Técnica - TerraClass Cerrado 2020. Brasília, 2020, 67 p. Disponível em: https://www.terraclass.gov.br/geoportal-cerrado/ Acesso em: 25/05/2023.
NASCIMENTO, D. T. F. Caracterização ambiental do Estado de Goiás e Distrito Federal como insumo à gestão dos recursos hídricos. Revista Sapiência, v. 6, n. 2, p. 34-50, 2017.
NERY, C. V. M.; OLIVEIRA, D. B.; ABREU, L. H. G. Estudo comparativo entre os índices NDVI obtidos a partir dos sensores Landsat 5 - TM e Resourcesat - Liss III. Caminhos de Geografia, v. 14, n. 46, p. 160–167, 2013.
NEVES, G.; SENA-SOUZA, J. P.; VASCONCELOS, V.; MARTINS, E. S.; COUTO JÚNIOR, A. F. Dinâmica da cobertura da terra do Distrito Federal dentro de suas unidades geomorfológicas. Sociedade & Natureza, v. 29, n. 3, p. 383-396, 2018.
NORWAY´S INTERNATIONAL CLIMATE AND FOREST INITIATIVE - NICFI. Standing with the World´s tropical forests. 2021. Disponível em: https://www.nicfi.no/ Acesso em: 10/8/2022.
NUNES, J. F.; ROIG, H. L. Análise e mapeamento do uso e ocupação do solo da bacia do Alto Descoberto, DF/GO, por meio de classificação automática baseada em regras e lógica nebulosa. Revista Árvore, v. 39, n. 1, p. 25-36, 2015.
OLIVEIRA, M. T.; CASSOL, H. L. G.; GANEM, K. A.; DUTRA, A. C.; PRIETO, J. D.; ARAI, E.; SHIMABUKURO, Y. E. Mapeamento da vegetação do Cerrado – Uma revisão das iniciativas de sensoriamento remoto. Revista Brasileira de Cartografia, v. 72, p. 1250-1274, 2020.
PANDEY, P.; KINGTON, J.; KANWAR, A.; CURDOGLO, M. Addendum to Planet basemaps product specifications. NICFI basemaps. Revision: v02. NICFI, 2021. Disponível em: https://assets.planet.com/docs/NICFI_Basemap_Spec_Addendum.pdf Acesso em: 08 fev, 2023.
PARENTE, L.; TAQUARY, E.; SILVA, A. P.; SOUZA, C.; FERREIRA, L. Next generation mapping: Combining deep learning, cloud computing, and big remote sensing data. Remote Sensing, v. 11, 2881, 2019.
PARK, J. Y.; MULLER-LANDAU, H. C.; LINCHSTEIN, J. W., RIFAI, S. W.; DANDOIS, J. P.; BOHLMAN, S. A. Quantifying leaf phenology of individual trees and species in a tropical forest using unmanned aerial vehicle (UAV) images. Remote Sensing, v. 11, 1534, 2019.
PASCUAL, A.; TUPINAMBÁ-SIMÕES, F.; GUERRA-HERNÁNDEZ, J.; BRAVO, F. High-resolution planet satellite imagery and multi-temporal surveys to predict risk of tree mortality in tropical eucalypt forestry. Journal of Environmental Management, v. 310, 114804, 2022.
PLANET. Planet imagery product specifications. 2022. Disponível em: https://assets.pla/net.com/docs/Planet_Combined_Imagery_Product_Specs_letter_scree n.pdf . Acesso em: 08 fev, 2023.
RÉQUIA Jr., E. J.; ROIG, H. L.; KOUTRAKIS, P. A novel land use approach for assessment of human health: The relationship between urban structure types and cardiorespiratory disease risk. Environment International, v. 85, p. 334-342, 2015.
RIBEIRO, J. F.; WALTER, B. M. T. As principais fitofisionomias do bioma Cerrado. In: SANO, S. M.; ALMEIDA, S. P.; RIBEIRO, J. F. Cerrado: Ecologia e Flora. Embrapa Cerrados: Planaltina, DF; Embrapa Informação Tecnológica: Brasília, DF. 2008, 2 v., 1.279 p.
SANO, E. E.; BOLFE, E. L.; PARREIRAS, T. C.; BETTIOL, G. M.; VICENTE, L. E.; SANCHES, I. D.; VICTORIA, D. C. Estimating Double Cropping Plantations in the Brazilian Cerrado through PlanetScope Monthly Mosaics. Land, v. 12, n. 3, 581, 2023.
SILVA, F. A. M.; ASSAD, E. D.; EVANGELISTA, B. A. Caracterização climática do bioma Cerrado. In: SANO, S. M.; ALMEIDA, S. P.; RIBEIRO, J. F. Cerrado: Ecologia e Flora. Embrapa Cerrados: Planaltina, DF; Embrapa Informação Tecnológica: Brasília, DF. 2008, 2 v., 1.279 p.
SINGH, K.; FRAIZER, A. E. A meta-analysis and review of unmanned aircraft system (UAS) imagery for terrestrial applications. International Journal of Remote Sensing, v. 39, n. 15-16, p. 5078-5098, 2018.
SRIVASTAVA, S.; VARGAS-MUÑOZ, J. E.; DEVIS T. Understanding urban land use from the above and ground perspectives: A deep learning, multimodal solution. Remote Sensing of Environment, v. 228, p. 129-143, 2019.
STASSUN, C. C. S.; PRADO FILHO, K. Geoprocessamento como prática biopolítica no governo municipal. Revista de Administração Pública, v. 46, n. 6, p. 1649-1669, 2012.
TUCKER, C. J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, v. 8, p. 127‒150, 1979.
Descargas
Publicado
Número
Sección
Licencia
Este trabalho está licenciado com uma Licença Creative Commons - Atribuição 4.0 Internacional.
