Mapeamento do uso e ocupação do solo utilizando a plataforma do Google Earth Engine

Abstract

Resumo: Os mapas de uso e ocupação do solo são fundamentais para o monitoramento ambiental e para subsidiar a tomada de decisão em atividades agrícolas. Uma alternativa para a obtenção desses produtos de forma automatizada, sem demandar elevada capacidade computacional local (in loco), é o uso de plataformas de processamento em nuvem, como o Google Earth Engine (GEE). Essa ferramenta possibilita o desenvolvimento e a execução de algoritmos em um ambiente de programação com interface amigável e dinâmica, fornecendo resultados de maneira eficiente ao longo do processo de construção dos scripts. Nesse contexto, a aplicação de classificadores supervisionados, tais como Random Forest, Support Vector Machine e Classification and Regression Trees, permite a geração de mapas temáticos por meio da automatização das etapas de processamento em linhas de código, viabilizando análises ambientais em grandes escalas com resultados consistentes e reprodutíveis. Assim, este trabalho teve como objetivo elaborar um mapa de uso e ocupação do solo, com a quantificação das respectivas áreas, bem como comparar o desempenho de diferentes classificadores no mapeamento do território do Vale do Ivaí (PR), utilizando a plataforma GEE e imagens Landsat 8. A eficiência dos classificadores foi avaliada por métricas de acurácia, resultando na produção de mapas temáticos de uso e ocupação do solo. De modo geral, os algoritmos apresentaram elevado desempenho nas análises de acurácia, com destaque para o classificador Support Vector Machine, que obteve eficiência média de 98%

Abstract: Os mapas de uso e ocupação do solo são fundamentais para o monitoramento ambiental e para subsidiar a tomada de decisão em atividades agrícolas. Uma alternativa para a obtenção desses produtos de forma automatizada, sem demandar elevada capacidade computacional local (in loco), é o uso de plataformas de processamento em nuvem, como o Google Earth Engine (GEE). Essa ferramenta possibilita o desenvolvimento e a execução de algoritmos em um ambiente de programação com interface amigável e dinâmica, fornecendo resultados de maneira eficiente ao longo do processo de construção dos scripts. Nesse contexto, a aplicação de classificadores supervisionados, tais como Random Forest, Support Vector Machine e Classification and Regression Trees, permite a geração de mapas temáticos por meio da automatização das etapas de processamento em linhas de código, viabilizando análises ambientais em grandes escalas com resultados consistentes e reprodutíveis. Assim, este trabalho teve como objetivo elaborar um mapa de uso e ocupação do solo, com a quantificação das respectivas áreas, bem como comparar o desempenho de diferentes classificadores no mapeamento do território do Vale do Ivaí (PR), utilizando a plataforma GEE e imagens Landsat 8. A eficiência dos classificadores foi avaliada por métricas de acurácia, resultando na produção de mapas temáticos de uso e ocupação do solo. De modo geral, os algoritmos apresentaram elevado desempenho nas análises de acurácia, com destaque para o classificador Support Vector Machine, que obteve eficiência média de 98%