Identificação de Diferentes Tipos de Coberturas Vegetais no Distrito Federal a partir de Dados do Satélite PlanetScope

• Giancarlos Chelotti ^[1] ; Edson Eyji Sano ^[2]
  1. [1] Universidade de Brasília

     Universidade de Brasília

     Brasil

     
  2. [2] Brazilian Agricultural Research Corporation

     Brazilian Agricultural Research Corporation

     Brasil

     
• Localización: Geosul, ISSN 0103-3964, Vol. 39, Nº. 89, 2024, págs. 274-297
• Idioma: portugués
• Títulos paralelos:
  • Identification of Different Types of Vegetation Features in Distrito Federal, Brazil, using PlanetScope Satellite Data
  • Identificación de Diferentes Tipos de Coberturas Vegetales del Distrito Federal, Brazil, a partir de dados Satelital PlanetScope
• Enlaces
  • Texto completo
• Resumen
  • español

    El Sabana brasilena y su respectivo Distrito Federal (DF) sufren el proceso de fragmentación. El lanzamiento de los nanosatélites PlanetScope representa una oportunidad para llevar el monitoreo ambiental de este bioma a un nuevo nivel. En este estudio, utilizamos mosaicos mensuales de las estaciones seca y lluviosa y aplicamos el método de clasificación Random Forest. Las áreas de entrenamiento se recogieron en campo utilizando una Aeronave Pilotada Remotamente (RPA). Los resultados mostraron alta precisión en la identificación de diferentes tipos de cobertura vegetal (índice Kappa ? 0,835 y índice de similitud 0,901). Los modelos con más variables mostraron mayor precisión y las imágenes clasificadas pudieron capturar cambios en la cobertura del suelo relacionados con la dinámica agrícola. Tambien se pudo analizar la importancia de cada banda en el resultado de las clasificaciones.

  • English

    The Brazilian Savanna and their respective Distrito Federal (DF) suffer from the fragmentation process. The launch of the PlanetScope nanosatellites represents an opportunity to take the environmental monitoring of this biome to a new level. In this study, we used monthly mosaics of the dry and rainy seasons and applied the Random Forest classification method. The training areas were collected in field using a Remotely Piloted Aircraft (RPA). The results showed high accuracy in identifying several vegetation types (Kappa index ? 0.835 and similarity index 0.901). Models with more variables showed greater accuracy and the classified images were able to capture sazonal changes in land cover related to agricultural dynamics. In addition, the importance of each band in the result of the classifications could be analyzed.

  • português

    O Cerrado e o Distrito Federal (DF) sofrem com o processo de fragmentação. O lançamento dos nanosatélites PlanetScope representa uma oportunidade de levar o monitoramento ambiental desse bioma a um novo patamar. Nesse estudo, utilizamos mosaicos mensais das estações seca e chuvosa e aplicamos o método de classificação Random Forest. As áreas de treinamento foram coletadas em campo com o uso de uma Aeronave Remotamente Pilotada (RPA). Os resultados mostraram alta precisão na identificação de diferentes tipos de cobertura vegetal (índice Kappa ? 0,835 e índice de similaridade 0,901). Os modelos com mais variáveis apresentaram maior precisão e as imagens classificadas conseguiram captar mudanças na cobertura do solo relacionadas à dinâmica agrícola. Além disso, a importância de cada banda no resultado das classificações pôde ser analisada