Mapeamento e classificação da mancha urbana da cidade de Feira de Santana-BA com uso de imagens SENTINEL-2 e aprendizagem de máquina
DOI:
https://doi.org/10.34117/bjdv9n5-184Keywords:
mancha urbana, sensoriamento remoto, Random forestAbstract
Os estudos de áreas urbanas tornam-se cada vez mais importantes com o crescimento populacional vertiginoso e consequentemente o aumento da malha urbana para supri-lo com o aumento de suas populações. Investigar estes locais através do sensoriamento remoto exige não somente o habitual conhecimento do objeto de estudo, mas também o uso de ferramentas estatísticas que apresentem uma validação confiável dos resultados obtidos. Com o objetivo de detectar as mudanças na mancha urbana da cidade de Feira de Santana, BA, este artigo faz uso do algoritmo de aprendizado de máquina Random Forest aplicado a uma coleção de imagens do satélite Sentinel-2 entre 2019 e 2021, para classificar a área construída dentro do perímetro dos bairros da cidade em prédios e residências. O script desenvolvido no Google Earth Engine (GEE) obteve uma acurácia global de 86%, que resulta em uma imagem satisfatória da mancha urbana da cidade.
References
ARAÚJO, Antônio Marcello Ricci de. Expansão urbana de Feira de Santana/BA: atuação do Estado e do setor imobiliário (2004 – 2018). Tese (Doutorado) - Universidade Católica do Salvador. Pró-Reitoria de Pesquisa e Pós-Graduação. Doutorado em Planejamento Territorial e Desenvolvimento Social. Salvador, 2019.
AS-SYAKUR, Abd. Rahman; ADNYANA, Wayan Sandi; ARTHANA, Wayan; NUARSA, Wayan. Enhanced Built-Up and Bareness Index (EBBI) for Mapping Built-Up and Bare Land in an Urban Area. Remote Sensing. 2012, 4, 2957-2970.https://doi.org/10.3390/rs4102957
BARBOSA, Felipe Lima Ramos et al. Classificação do uso e cobertura da terra utilizando imagens SAR/Sentinel 1 no Distrito Federal, Brasil. Sociedade & Natureza, v. 33, 2021.https://doi.org/10.14393/SN-v33-2021-5595
DA ANUNCIAÇÃO NASCIMENTO, Maria Carolina. O PROCESSO DE URBANIZAÇÃO E AS MUDANÇAS NA CIDADE DE FEIRA DE SANTANA. Anais… dos Seminários de Iniciação Científica, n. 20, 2016.
DA SILVA, Alan Ricardo Silva et al. URBANIZAÇÃO DESORDENADA: CONSEQUÊNCIAS SOCIOAMBIENTAIS NA BACIA HIDROGRÁFICA DO PARACURI II, DISTRITO DE ICOARACI-PA. Revista do Instituto Histórico e Geográfico do Pará, v. 3, n. 01, 2017.http://dx.doi.org/10.17648/ihgp.v3i01.52
DE SOUZA SANTINO, Brenda; NOGUEIRA, Aldnira Tolentino; CHAVES, Joselisa Maria. ANÁLISE DO CRESCIMENTO DA MANCHA URBANA NO MUNICÍPIO DE FEIRA DE SANTANA, BAHIA: UM OLHAR SOCIOAMBIENTAL. Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto. 2019.
GORELICK, Noel et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, v. 202, p. 18-27, 2017.https://doi.org/10.1016/j.rse.2017.06.031
GHORBANIAN, Arsalan et al. Mangrove ecosystem mapping using sentinel-1 and sentinel-2 satellite images and random forest algorithm in google earth engine. Remote Sensing, v. 13, n. 13, p. 2565, 2021.https://doi.org/10.3390/rs13132565
Instituto Brasileiro de Geografia e Estatistica – IBGE. <https://cidades.ibge.gov.br/brasil/ba/feira-de-santana/panorama>. Acesso em: 09 nov 2021.
MELESSE, A.M.; Weng, Q.; Thenkabail, P.S.; Senay, G.B. Remote sensing sensors and applications in environmental resources mapping and modelling. Sensors, 2007, 7, 3209–3241.https://doi.org/10.3390/s7123209
PHALKE, Aparna R. et al. Mapping croplands of Europe, middle east, russia, and central asia using landsat, random forest, and google earth engine. ISPRS Journal of Photogrammetry and Remote Sensing, v. 167, p. 104-122, 2020.https://doi.org/10.1016/j.isprsjprs.2020.06.022
PESARESI, M.; EHRLICH, D.; FERRI, S.; FLORCZYK, A.; FREIRE, S.; HAAG, F.; HALKIA, M.; JULEA, A.M.; KEMPER, T.; SOILLE, P. Global human settlement analysis for disaster risk reduction. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, v. 40, n. 7W3, p. 837–843, DOI: 2015.10.5194/isprsarchives-XL-7-W3-837-2015
RIBEIRO, Bárbara Maria Giaccom; FONSECA, L. M. G.; KUX, H. J. H. Avaliação das imagens WorldView-II para o mapeamento da cobertura do solo urbano utilizando o sistema InterIMAGE.In: XV Simpósio Brasileiro de Sensoriamento Remoto – SBSR. São José dos Campos,Anais..., Curitiba: Paraná , p.0722, 2010.
ROSA, Marcos Reis. Classificação do padrão de ocupação urbana de São Paulo utilizando aprendizagem de máquina e Sentinel 2. Revista do Departamento de Geografia, p. 15-21, 2018.https://doi.org/10.11606/rdg.v0ispe.145784
SANTOS, Bethsaide Souza. Passado e futuro de Feira de Santana (BA): Modelagem da dinâmica espacial do uso do solo entre 2000 e 2022. Dissertação. Universidade Estadual de Feira de Santana - Programa de Pós-graduação em Modelagem em Ciências da Terra e do Ambiente (PPGM). 2019.
SHANG, Yiqun et al. Long-term evaluation on urban intensive land use in five fast-growing cities of northern China with GEE support. Scientific Reports, v. 11, n. 1, p. 1-14, 2021.https://doi.org/10.1038/s41598-021-00285-8
TELUGUNTLA, Pardhasaradhi et al. A 30-m landsat-derived cropland extent product of Australia and China using random forest machine learning algorithm on Google Earth Engine cloud computing platform. ISPRS Journal of Photogrammetry and Remote Sensing, v. 144, p. 325-340, 2018.https://doi.org/10.1016/j.isprsjprs.2018.07.017
XU, H. A new index for delineating built-up land features in satellite imagery. Int. J. Remote Sensing, 29, 4269–4276, 2008.https://doi.org/10.1080/01431160802039957
WANG, Yudie et al. An urban water extraction method combining deep learning and google earth engine. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 13, p. 769-782, 2020.DOI: 10.1109/JSTARS.2020.2971783
ZHOU, Tao; LI, Zhaofu; PAN, Jianjun. Multi-Feature Classification of Multi-Sensor Satellite Imagery Based on Dual-Polarimetric Sentinel-1A, Landsat-8 OLI, and Hyperion Images for Urban Land-Cover Classification. Sensors,2018, v.18, p.373. doi:10.3390/s18020373.
