O número de eventos de desastres naturais tem aumentado ao longo do tempo no território brasileiro e no mundo inteiro. No contexto brasileiro, há expressiva ocorrência de eventos de natureza hidrológica a exemplo das inundações, deslizamentos e secas. O presente artigo relaciona as mudanças de uso e cobertura do solo no município de Duque de Caxias, rotineiramente afetado por eventos de inundação, entre 2007 e 2016 (período dentro da vigência do segundo plano diretor municipal), com o resultado do mapeamento das áreas suscetíveis à inundação, realizado pelo CPRM (2013). As mudanças foram inferidas através do modelo Land Change Modeler (LCM), e os insumos de entrada correspondem à mapas de uso e cobertura do solo classificados supervisionadamente com o uso do algoritmo CART, na plataforma Google Earth Engine, através de imagens Landsat 5, sensor TM, bandas 4 (infravermelho próximo), 3 (vermelho) e 2 (verde), e Landsat 8, sensor OLI, Bandas 5 (infravermelho próximo), 4 (vermelho) e 3 (verde), ambas com resolução de 30m x 30m. Analisou-se as classes “urbano”, “vegetação densa”, “vegetação rasteira” e “solo exposto”. Busca-se com este trabalho identificar quais classes obtiveram maiores mudanças no período de análise, se estas tendem a ocorrer em áreas classificadas como alta suscetibilidade à inundação e a probabilidade de uma classe se tornar outra em 2026 (através da matriz de transição de Markov). No intervalo de nove anos, houve mais de 40 km² de perda de vegetação densa, mais de 60 km² de perda de vegetação rasteira e quase 60 km² de expansão da área urbana. Esta última se ampliando para locais com alta suscetibilidade à inundação.
A análise de imagens de Sensoriamento Remoto baseada em objetos geográficos, também conhecida como GEOBIA, constitui uma das áreas mais promissoras de pesquisas em Sensoriamento Remoto e Processamento Digital de Imagens. Nesta perspectiva, o presente trabalho tem como proposta explorar algumas abordagens práticas sobre o processo de classificação de imagens baseada em objetos integrada com SIG, com o intuito de gerar um mapeamento de cobertura da terra do município de Duque de Caxias/RJ, utilizando uma cena do sensor OLI do satélite Landsat8. Na imagem utilizada, foi feita a correção atmosférica utilizando o módulo ATCOR2 e, posteriormente a fusão das bandas RGB com a banda pancromática. A segmentação foi feita com segmentador Multiresolution Segmentatione a classificação utilizando a chave: vegetação densa; vegetação rasteira; urbano; solo exposto; e água. Após a validação do mapeamento gerado pela modelagem do conhecimento, foram obtidos resultados para o índice Kappa (90,83%), exatidão global (93%) e precisão de classe, onde o menor resultado foi de solo exposto, com 83,33%. Entende-se que a imagem OLI/Landsat8 é um bom produto para classificação de imagens a nível municipal. Além disso, entende-se que a integração SIG/Sensoriamento Remoto é uma alternativa para dificuldades encontradas na modelagem do conhecimento. PALAVRAS-CHAVE:Integração GEOBIA e SIG. Mapeamento de Cobertura da Terra. MDE. SRTM.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.