Integração do Google Earth Engine e Google Colaboratory aplicados ao processamento digital de imagens de sensoriamento remoto
DOI:
https://doi.org/10.29150/jhrs.v14i2.263719Palavras-chave:
Cartografia, Processos automatizados, Python, Landsat-8, Google Earth Engine, Google ColabResumo
Os usuários de imagens de sensoriamento remoto têm disponibilidade de acesso a vários bancos de dados de forma gratuita. Esses bancos de imagem com suas respectivas resoluções espaciais, espectrais, radiométricas e temporais são formados por um grande número de dados em nuvem de computadores. As utilizações são externas para diversos contextos de pesquisa e aplicações práticas relacionadas ao meio ambiente. Trabalhar com esses dados sem precisar baixá-los localmente se apresenta como vantagem cada vez mais necessária, com redução de tempo de processamento e espaço nos computadores locais. O presente trabalho exemplifica procedimentos com uso desses bancos e o processamento dessas imagens usando imagens do OLI do Landsat-8 e rotinas computacionais em linguagem Python, empregando as plataformas do Google Earth Engine e Google Colaboratory. Estas rotinas abrangem a aplicação do Índice de Vegetação por Diferença Normalizada (NDVI), Índice de Vegetação Ajustado ao Solo (SAVI), Índice de3 Água de Diferença Normalizada (NDWI), Índice de área construída por diferença normalizada (NDBI). O processo engloba uma sequência de etapas, que se inicia com a delimitação da área de interesse, seguida pela preparação das imagens, incluindo a aplicação de máscaras para remover elementos indesejados, como nuvens. E por fim, a conversão das informações imageadas em formatos tabulares, com análises estatísticas, gráficas e a representação cartográfica dos resultados complementando a análise. Em resumo, esse trabalho visa otimizar a análise de imagens de sensoriamento remoto em nuvem, tornando mais eficaz a etapa de processamento e auxiliando a interpretação de dados espaciais.
Referências
Almeida, K. C. de, Costa, A. P. F. da, & Rocha, T. B. da. (2023). Utilização do Google Earth Engine para análise comparativa da linha de costa de dois deltas da costa leste brasileira entre 1986 e 2021: Delta do rio São Francisco (AL/SE) e delta do rio Paraíba Do Sul (RJ). Geo UERJ (42). https://doi.org/10.12957/geouerj.2023.74650
Cohen, W. B., Maiersperger, T. K., Gower, S. T., & Turner, D. P. (2003). An improved strategy for regression of biophysical variables and Landsat ETM+ data. Remote Sensing of Environment, 84 , 561-571.
Huete, A. R. (1988). A Soil Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25 , 295-309. https://doi.org/10.1016/0034-4257(88)90106-X
Jackson, T. J., et al. (2004). Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans. Remote Sensing of Environment, 92 (4), 475-482.
McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17 (7), 1425-1432.
Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in
automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24 (3), 583-659.
Da Silva, M. D. (2020). Aplicação da ferramenta Google Collaboratory para o ensino da linguagem Python. In Anais da IV Escola Regional de Engenharia de Software (pp. 67-76). SBC.
IBGE. (2023). Área territorial brasileira 2022 . Rio de Janeiro: IBGE.
IBGE. (2024). Censo Demográfico 2022, Cadastro Central de Empresas 2022 . Rio de Janeiro: IBGE.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Journal of Hyperspectral Remote Sensing
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License. Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
