Análise de técnicas de detecção de mudança para mapeamento de desastres com uso de dados de sensoriamento remoto

Palavras-chave: Detecção de Mudanças, Não-supervisionado, Desastres Ambientais

Resumo

Nos anos recentes, o Brasil tem sofrido uma série de desastres ambientais, que por sua vez afetam a sociedade, economia e biodiversidade em níveis imensuráveis. O uso de dados obtidos por sensoriamento remoto surge como fonte de informação indispensável na realização de análises sobre os impactos causados pelos desastres ambientais. Dentre diferentes métodos propostos na literatura para o processamento e extração de informação das imagens de sensoriamento remoto, encontram-se as técnicas de detecção de mudança. De modo geral, tais técnicas permitem a obtenção de mapas capazes de expressar as alterações ocorridas na cobertura do solo de uma dada região e período. O uso destas técnicas aponta potencial quanto a geração de insumos para análises relacionadas aos impactos causados por desastres ambientais. Neste contexto, este estudo apresenta a aplicação e comparação entre diferentes métodos de detecção de mudança sobre áreas afetadas por recentes desastres ambientais no Brasil. Os métodos abordados neste trabalho são restritos ao conceito não supervisionado, os quais não exigem informações a priori sobre os dados. Foram realizadas três aplicações, relacionadas aos colapsos ocorridos nas barragens de Mariana e Brumadinho, no estado de Minas Gerais, e queimadas no estado do Mato Grosso, com uso de dados obtidos pelos satélites Landsat-8 e Sentinel-1 e 2. Os resultados obtidos evidenciam que tais técnicas, desde que parametrizadas adequadamente e fazendo uso de atributos favoráveis, são capazes de realizar mapeamentos sobre alterações derivadas dos eventos de desastres.

Downloads

Não há dados estatísticos.

Biografia do Autor

Lucas Valerio, UNESP Instituto de Ciência e Tecnologia - ICT Departamento de Engenharia Ambiental

Estudante de graduação em Engenharia Ambiental no Instituto de Ciência e Tecnologia da Universidade Estadual Paulista Julio de Mesquita Filho (ICT-Unesp) e bolsista PIBIC com financiamento CNPq pelo Instituto Nacional de Pesquisas Espaciais (INPE), em São José dos Campos, SP. Programador C, C++, Java e Python. Possui experiência na área de Ciência da Computação e softwares de Sistema de Informação Geográfica. 

Rogério Negri, UNESP Instituto de Ciência e Tecnologia - ICT Departamento de Engenharia Ambiental

Rogério G. Negri completed his Major’s degree in Mathematics (2006) at the São Paulo State
University (UNESP), and his Master (2009) and Ph.D. (2013) in Applied Computation at the Brazilian
National Institute for Space Research (INPE), Brazil. He has experience in pattern recognition, radar
image processing, geostatistics, and GIS. His recent research focuses on the development of image
classification, segmentation, and change detection algorithms with applications on remote sensing
data. He is currently a professor at Institute of Science and Technology, UNESP, Brazil.

Leonardo Santos, Centro Nacional de Monitoramento e Alerta de Desastres Naturais

Pesquisador Associado do Centro Nacional de Monitoramento e Alerta de Desastres Naturais (CEMADEN). Doutorado em Computação Aplicada (CAP) pelo Instituto Nacional de Pesquisas Espaciais (INPE), na área de modelagem computacional e geoprocessamento. Mestrado pela CAP na área de Problemas Inversos. Graduação em Bacharel em Física pela Universidade Federal da Bahia com ênfase em Física Estatística e Sistemas Complexos. Possui mais de 20 artigos completos publicados em periódicos e mais de 270 citações (google scholar - índice h 9, índice i10 8). Docente permanente do programa de pós-graduação em Computação Aplicada do INPE. Pesquisador Principal de projeto Universal CNPq e Associado de Temático FAPESP. É o Coordenador do Comitê Temático "Matemática & Desastres" da SBMAC (Sociedade Brasileira de Matemática Aplicada e Computacional). Prêmio de Destaque da Iniciação Científica como aluno e como orientador. Tem experiência na área de redes complexas, geoinformação, aprendizado de máquina e Redução do Risco de Desastres.

Publicado
2020-03-30
Como Citar
OLIVEIRA, L. V. DE; NEGRI, R. G.; SANTOS, L. B. L. Análise de técnicas de detecção de mudança para mapeamento de desastres com uso de dados de sensoriamento remoto. Revista Brasileira de Cartografia, v. 72, n. 1, p. 177-189, 30 mar. 2020.
Seção
Artigos Originais