Mapeamento multicategórico do uso/cobertura da terra em escalas detalhadas usando Semi-automatic Classification Plugin

Luís Flávio Pereira, Ricardo Morato Fiúza Guimarães

Resumo


Mapas de uso da terra são essenciais na análise das dinâmicas agrária, ambiental e social de uma região, mas sua obtenção tem sido limitada por recursos dispendiosos. Por isso, o uso de ferramentas simples e gratuitas, como o Semi-automatic Classification Plugin (SCP) para QGIS, tem aumentado. Entretanto, estudos sobre o desempenho do SCP ainda são escassos. Nesse sentido, o presente estudo teve como objetivo avaliar o desempenho do SCP para mapear usos da terra com alta especificidade categórica e espacial. A área de estudos consistiu na bacia do ribeirão do Melo (90 km2), onde foram mapeadas 15 classes de uso da terra, a partir da classificação de dados derivados de uma imagem Sentinel 2A, com os três classificadores disponíveis no SCP. Os resultados mostraram que o SCP é adequado para mapear usos da terra com qualquer um dos classificadores, mas o algoritmo Maximum Likelyhood apresentou o melhor desempenho, com acurácia quase perfeita (Kappa = 0,93). Recomenda-se mais estudos que forneçam diretrizes concretas para a utilização do SCP, melhorando sua eficiência.


Palavras-chave


QGIS, Sentinel 2A, Remote Sensing

Texto completo:

PDF (Português)

Referências


BRUNO, L. O. 2017. GRASS: A free and open source solution for hydrographic body analysis. Nativa, v. 5, n. 1, p. 24-30.

CASTILLEJO-GONZÁLEZ, I. L.; LÓPEZ-GRANADOS, F.; GARCÍA-FERRER, A.; PEÑA-BARRAGÁN, J. M.; JURADO-EXPÓSITO, M.; DE LA ORDEN, M. S.; GONZÁLEZ-AUDICANA, M. 2009. Object-and pixel-based analysis for mapping crops and their agro-environmental associated measures using QuickBird imagery. Computers and Electronics in Agriculture, v. 68, n. 2, p. 207-215. DOI: 10.1016/j.compag.2009.06.004

CONGALTON, Russel G.; GREEN, Kass. 2008. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. 2.ed. New York: CRC Press. 183p.

CONGEDO, L. Semi-Automatic Classification Plugin Documentation. Release 5.0.0.1. 3 set. 2016. Disponível em: . Acesso em: 17 abr. 2017. DOI: 10.13140/RG.2.1.1219.3524

EIDT, J. I.; ANDRIETTI, G.; DE FIGUEIREDO, L. F.; DEMARQUI, E.; DE ANDRADE, R. L. T.; DO AMARAL, A. G.; SCHINEIDER, R. M.; DE ALMEIDA, F. T. 2016. Monitoring metals in surface water of a small watershed in amazon region. Nativa, v. 4, n. 4, p. 187-194, jul/ago. DOI: 10.14583/2318-7670.v04n04a01

FARIA, M. M. Distribuição espacial do café na região das matas de Minas. 2015. Tese (Doutorado em Solos e Nutrição de Plantas) – Universidade Federal de Viçosa, Viçosa, MG, Brasil. 89p.

FOLEY, J. A.; DEFRIES. R.; ASNER, G.P.; BARFORD, C.; BONAN, G.; CARPENTER, S.T.; CHAPIN, F. S.; COE, M. T.; DAILY, G. C.; GIBBS, H. K.; HELKOWSKI, J. H.; HOLLOWAY, T.; HOWARD, E. A.; KUCHARIK, C. J.; MONFREDA, C.; PATZ, J. A.; PRENTICE, I. CO.; RAMAKUTTY, N.; SNYDER, P. K. 2005. Global consequences of land use. Science, v. 309, n. 5734, p. 570-574.

GAO, B. C. NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space. 1996. Remote sensing of environment, v. 58, n. 3, p. 257-266. DOI: 10.1016/S0034-4257(96)00067-3

GUIMARÃES, D. P.; PIMENTA, F. M.; LANDAU, E. C. 2012. Integração Google Earth-SIG-Servidor de Mapas e o Monitoramento Ambiental. Circular Técnica. Embrapa Milho e Sorgo, Sete Lagoas, n. 183, p. 1-20. Disponível em: https://ainfo.cnptia.embrapa.br/digital/bitstream/item/79549/1/circ-183.pdf.

IBGE. 2013. Manual Técnico de Uso da Terra. IBGE, Terceira Edição, Rio de Janeiro. 278p.

JENSEN, J. R. 2009. Remote sensing of the environment: An earth resource perspective. Pearson Education India, Second Edition. 204p.

LANDIS, J. R.; KOCH, G. G. 1977. The measurement of observer agreement for categorical data. Biometrics, p. 159-174.

LEITE, M. G. P.; FUJACO, M. A. G.; BARCELOS, E. A. S.; GONÇALVES, G. H. T.; IGREJA, F. F. 2007. Environmental analysis of small rural catchments case study: Melo Creek– MG/Brazil. Management of Environmental Quality: An International Journal, v. 18, n. 6, p. 711-722.

LEROUX, L.; CONGEDO, L.; BELLÓN, B.; GAETANO, R.; BÉGUÉ, A. 2018. Land Cover Mapping Using Sentinel‐2 Images and the Semi‐Automatic Classification Plugin: A Northern Burkina Faso Case Study. In: BAGHDADI, N.; MALLET, C.; ZRIBI, M. QGIS and Applications in Agriculture and Forest. Wiley, v. 2, p. 119-151

MCFEETERS, S. K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. 1996. International journal of remote sensing, v. 17, n. 7, p. 1425-1432. DOI: 10.1080/01431169608948714

PEREIRA, L. F.; GUIMARÃES, R. M. F.; OLIVEIRA, R. R. O. 2018. Integrando geotecnologias simples e gratuitas para avaliar usos/coberturas da terra: QGIS e Google Earth Pro. Journal of Environmental Analysis and Progress, v. 3, n. 3, p. 250-264. DOI: 10.24221/jeap.3.3.2018.1839.250-264

NANNI, A.; BARROS, S, D.; DESCOVI FILHO, L.; SOUZA, M. S.; PEREIRA FILHO, N. S.; GOVEIA, S. S. 2017. QGIS User Guide, Versão 2.18. 473 p. Disponível em: . Acesso em: 15 dez. 2017.

SAMEEN, M. I.; NAHHAS, F. H.; BURAIHI, F. H.; PRADHAN, B.; SHARIFF, A. R. B. M. 2016. A refined classification approach by integrating Landsat Operational Land Imager (OLI) and RADARSAT-2 imagery for land-use and land-cover mapping in a tropical area. International Journal of Remote Sensing, v. 37, n. 10, p. 2358-2375. DOI: 10.1080/01431161.2016.1176273

SCHAEFER, C. E. G. R. 2013. Bases físicas da paisagem brasileira: estrutura geológica, relevo e solos. Tópicos em ciência do solo. Sociedade Brasileira de Ciência do Solo, Viçosa, v. 8, n. 1, p. 1-69.




DOI: https://doi.org/10.24221/jeap.3.4.2018.2016.379-385

Apontamentos

  • Não há apontamentos.




Direitos autorais 2018 Revista e Autor

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional.