Assessment of land use and cover in the Sucuru Watershed using Google Earth Engine

• José Hugo Simplicio de Sousa ^[1] ; Amanda Rezende Moreira ^[1] ; Abdalan Andrade do Nascimento ^[2] ; George do Nascimento Ribeiro ^[1] ; Jose Nunes de Oliveira Neto ^[1] ; Leonardo Souza do Prado Júnior ^[1]
  1. [1] Universidade Federal de Campina Grande

     Universidade Federal de Campina Grande

     Brasil

     
  2. [2] União de Ensino Superior de Campina Grande
• Localización: Revista Verde de Agroecologia e Desenvolvimento Sustentável, ISSN-e 1981-8203, Vol. 17, Nº. 4, 2022, págs. 235-241
• Idioma: inglés
• Títulos paralelos:
  • Avaliação do uso e cobertura do solo na Bacia de Sucuru usando o Google Earth Engine
• Enlaces
  • Texto completo (pdf)
• Resumen
  • português

    Através das ações antrópicas inadequadas ao longo dos anos na bacia hidrográfica do Alto Curso do Rio Paraíba, onde vem passando por mudanças no ecossistema. Geotecnologias têm contribuido nas pesquisas propiciando a incorporação de informações dos sistemas naturais. O objetivo deste trabalho foi classificar o uso e cobertura da terra atual. Foi utilizado cincos classificadores de classificação supervisionada disponíveis no Google Earth Engine. Os resultados demonstraram que dois classificadores baseados emÁrvore de Decisão Classification and Regression Trees (CART) e Random Forest (RF)desempenharam excelentes resultados, entretanto o classificador (CART) se destacou tanto pelo os melhores índices quanto na inspeção visual. O GEE demonstrou ser uma plataforma muito eficaz para a realização do mapeamento do uso e cobertura da terra na área.

  • English

    Human activities modify the natural characteristics of numerous watersheds worldwide. Google Earth Engine provides tools for the analysis of land use and natural resources. In this work, we classify current land use and cover in the Sucuru watershed, Paraíba, Brazil. We compared the accuracy of five supervised classification algorithms of Google Earth Engine. Classifiers based on Decision Trees, such as the Classification and Regression Trees (CART) and Random Forest (RF), showed the best accuracy and visual inspection values. The Google Earth Engine is a powerful tool for analysis of large-scale environmental data, monitoring land use changes, and providing information for sustainable management.