A Evolução da Acurácia das coleções do MapBiomas para a Paisagem Altamente Fragmentada de São Paulo

Conteúdo do artigo principal

Nadinne Fernandes de Oliveira
https://orcid.org/0000-0001-5683-9161
Eduardo Moraes Arraut
https://orcid.org/0000-0001-5323-4431

Resumo

A avaliação da acurácia de mapeamentos da cobertura da terra é essencial para os usos científico, prático e político dos mapas. No Brasil, o projeto MapBiomas vem mapeando anualmente a cobertura da terra em todo o território via classificação automática de imagens Landsat de média resolução espacial (30 m) desde 1985. Cada nova versão do algoritmo de classificação gera uma nova coleção de mapas que são sujeitos a uma avaliação da acurácia em nível nacional. Entretanto, é cada vez mais frequente o uso do MapBiomas para estudos regionais, municipais ou locais para os quais a avaliação da acurácia em nível nacional da não é adequada. Aqui avaliamos a acurácia e a evolução da acurácia das principais categorias de cobertura do MapBiomas para o estado de São Paulo (SP), o mais urbanizado do país e objeto de muitos estudos e políticas públicas relacionadas à cobertura da terra. Analisamos as coleções 3.1, 4.1, 5.0, 6.0 e 7.0 para o ano de 2017, o mais recente com coincidência de classes em todas as coleções, considerando as classes: Formação Florestal, Floresta Plantada, Pastagem, Cana de Açúcar, Infraestrutura Urbana e Rio, Lago e Oceano. A acurácia global teve seu menor valor na coleção 4.1 e maior na 7.0. As acurácias do produtor (AP) e do usuário melhoraram da coleção 3.0 para a 7.0, com exceção das AP para Floresta Plantada, que praticamente permaneceu inalterada, e de Infraestrutura Urbana que vem mostrando tendência de piora ao longo das coleções, atingindo o seu menor valor na 7.0

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Detalhes do artigo

Como Citar
OLIVEIRA, N. F. de; ARRAUT, E. M. A Evolução da Acurácia das coleções do MapBiomas para a Paisagem Altamente Fragmentada de São Paulo. Revista Brasileira de Cartografia, [S. l.], v. 76, 2024. DOI: 10.14393/rbcv76n0a-69737. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/69737. Acesso em: 7 nov. 2024.
Seção
Sensoriamento Remoto

Referências

Alves, C.J.P.; Da Silva, E.J.; Müller, C.; Borille, G.M.R.; Guterres, M.X.; Arraut, E.M.; Dos Santos, R.J. (2020). Towards an objective decision-making framework for regional airport site selection. Journal of Air Transport Management, 89, 101888.

Arraut, E. M. et al. (2021). Anticipation of common buzzard population patterns in the changing UK landscape. Proceedings of the Royal Society B-biological Sciences, v. 288, p. 20210993. https://royalsocietypublishing.org/doi/10.1098/rspb.2021.0993.

Castojo, A. M. Z.; Jesus, S. C. de. (2022). The Conservation Units of the State of São Paulo - Management Plans and Representativeness. Brazilian Journal of Physical Geography v.15, n.06.

CANASAT, Sugarcane Monitoring. http://www.dsr.inpe.br/laf/canasat/

Carmo, A. B. G.; Gavioli, F. R.; Molin, P. G.(2023). Landscape Dynamics and Qualitative Classification of Conservation Unit Buffer Zones in São Paulo. Proceedings of the XX Brazilian Symposium on Remote Sensing. INPE - Florianópolis-SC.

Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data.

Remote Sensing of Environment, v.49, n.12, p.1671-1678.

Costa, V. M. (2022). Assessment of the Situation of Permanent Preservation Areas in the State of São Paulo.

[Course Conclusion Paper Environmental Engineering]. Federal University of São Carlos, Buri.

Gindon, B.; Zhang, Y.; Dillabaugh, C. (2004) Landsat Urban Mapping Based on a Combined Spectral–Spatial Methodology. Remote Sensing of Environment. v 92. Issue 2, p 218-232, ISSN 0034-4257. https://doi.org/10.1016/j.rse.2004.06.015

IBGE, Brazilian Institute of Geography and Statistics. (2022, jun 07). Cities and States. https://www.ibge.gov.br/cidades-e estados/sp.html.

IBGE, Brazilian Institute of Geography and Statistics. (2022, out 13). Social Statistics. August 27, 2020. https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/28668- ibge-divulga-estimativa-dapopulacao-dos-municipios-para-2020.

Kenward, R. E.; Arraut, E. M.; Robertson, P. A.; Paredes, S. S.; Casey, N. M.; Aebischer, N. J. Resource-Area-Dependence Analysis: inferring animal resource needs from home-range and mapping data. PLOS ONE. Article-journal. https://doi.org/10.1371/journal.pone.0206354.

MAPBIOMAS. (2022, jun 01). Accuracy Analysis. https://mapbiomas.org/analise-de-acuracia>.

MAPBIOMAS. (2024, april 04). Urban Area - Appendix. 2023.

https://brasil.mapbiomas.org/wp-content/uploads/sites/4/2023/08/Urban-Area-Appendix-ATBD-Col.8-v1

_revisado.pdf.

QGIS Development Team e GRASS Development Team. (2022). QGIS 3.22.0 "Białowieża" with GRASS GIS 7.2.2 [Software]. https://qgis.org e https://grass.osgeo.org.

Ribeiro, F.O. (2022). The use of MapBiomas to analyze the loss of natural vegetation and support current Forestry Legislation in Bragança (Pará). Brazilian Journal of the Environment. v.10, n3, 150-167. https://revistabrasileirademeioambiente.com/index.php/RVBMA/article/view/1252.

Santos Junior, E. R. dos. (2023). Analysis of the effects of land cover change on the supply of ecosystem services in peri-urban wetlands in São Paulo. 150p. [Master's Dissertation] - São Carlos School of Engineering, University of São Paulo, São Carlos.

SÃO PAULO. Department of Infrastructure and Environment (2023, jun 16). Thematic Mapping of Land Cover in the State of São Paulo on a scale of 1:100,000. https://www.infraestruturameioambiente.sp.gov.br/cpla/mapa-de-cobertura-da-terra-do-estado-de-sao-pa ulo/.

Sena-Souza, J.P. et al. (2022). Influence of relief and temporal dynamics of land use and land cover in northern Minas Gerais, Brazil. Brazilian Journal of Physical Geography. v.15, n.05. 2475-2485. https://periodicos.ufpe.br/revistas/rbgfe/article/view/252707.

Smith, C.C , Espírito-Santo, FDB , Healey, Jr , et al. (2020). Secondary forests offset less than 10% of deforestation-mediated carbon emissions in the Brazilian Amazon. Globo. Troque Biol. 26: 7006-7020. https://doi.org/10.1111/gcb.15352.

Souza Jr, C. M. et al. (2020). Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine. Remote Sensing. 12 10.3390/rs12172735.

Stephen V. Stehman, Giles M. Foody. (2019) Key issues in rigorous accuracy assessment of land cover products. Remote Sensing of Environment, v 231, 111199, ISSN 0034-4257.

https://doi.org/10.1016/j.rse.2019.05.018.

Wickham, J.; Stehman, S. V.; Homer, C. G. (2017). Spatial patterns of the United States National Land Cover Dataset (NLCD) land-cover change thematic accuracy (2001–2011). International Journal of Remote Sensing, 39(6). 1729–1743. https://doi.org/10.1080/01431161.2017.1410298.