Avaliação da Configuração do Deter-RT: um Novo Sistema Automatizado de Detecção de Desmatamento Baseado em SAR na Amazônia
Article Sidebar
Main Article Content
Abstract
Deter-RT é um novo sistema para detecção automática de desmatamento na Amazônia, com alta capacidade de personalização conforme as necessidades do usuário. Este estudo comparou nove configurações do sistema, combinando três valores do fator que regula a otimização espacial entre ecorregiões e três cenários de aplicação de filtros morfológicos. Os resultados foram avaliados pelos índices omissão, comissão, número de intersecções e formato. Os testes (2022–2023) mostraram que maiores valores do fator aumentaram os erros de omissão e reduziram os de comissão, enquanto o filtro melhorou os índices de geometria dos polígonos. A configuração preferida adota valores do fator empiricamente estimados e o novo filtro morfológico proposto (T8). Outros dois cenários, um com diferenças no filtro (T5) e um com fatores mais conservadores (T7), apresentaram resultados de qualidade semelhante.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish in this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors can enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) before and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see "The Effect of Open Access").
How to Cite
References
Almeida, C. A., Maurano, L. E. P., Valeriano, D. M., Câmara, G., Vinhas, L., Motta, M., Gomes, A. R., Monteiro, A. M. V., Souza, A. A. d. A., Messias, C. G., Rennó, C. D., Adami, M., Escada, M. I. S., Soler, L. S., & Amaral, S. (2022). Metodologia utilizada nos sistemas PRODES e DETER - 2ª edição (atualizada) (2ª ed.). Instituto Nacional de Pesquisas Espaciais. http://urlib.net/ibi/8JMKD3MGP3W34T/47GAF6S
Almeida, C. A., Perez, L. P., Reis, M. S., Camilotti, V. L., Messias, C. G., Monteiro, E. C. d. S., Pinheiro, T. F., Pinto, J. F. S. K. C., Soler, L. S., Vinhas, L., Maurano, L. E. P., Adami, M., Kuplich, T.
M., Narvaes, I. S., Arcoverde, G. F. B., & Amaral, S. (2025). Monitoramento oficial da vegetação nativa brasileira por imagens de satélite: o programa BiomasBR e os sistemas Prodes, Deter e TerraClass. Cadernos de Astronomia, 6(1), 23–38. https://doi.org/10.47456/Cad.Astro.v6n1.47411
Andrade, D. F. C., Ruschel, A. R., Schwartz, G., Carvalho, J. O. P., Humphries, S., & Gama, J. R. V. (2020). Forest resilience to fire in eastern Amazon depends on the intensity of pre-fire disturbance. Forest Ecology and Management, 472, 118258. https://doi.org/10.1016/j.foreco.2020.118258
Assunção, J., Gandour, C., & Rocha, R. (2019). DETERring Deforestation in the Amazon: Environmental Monitoring and Law Enforcement. Climate Policy Initiative Report.
Bottani, M., Ferro-Famil, L., Doblas Prieto, J., Mermoz, S., Bouvet, A., Koleck, T., & Le Toan, T. (2025). Novel unsupervised Bayesian method for Near Real-Time forest loss detection using Sentinel-1 SAR time series: Assessment over sampled deforestation events in Amazonia and the Cerrado. Remote Sensing of Environment, 331, 115037. https://doi.org/10.1016/j.rse.2025.115037
Bouvet, A., Mermoz, S., Ballère, M., Koleck, T., & Le Toan, T. (2018). Use of the SAR shadowing effect for deforestation detection with Sentinel-1 time series. Remote Sensing, 10(8), 1250. https://doi.org/10.3390/rs10081250
Brazilian Institute of Geography and Statistics. (2018). Geomorfologia 1:250.000. https://www.ibge.gov.br/geociencias/informacoes-ambientais/geomorfologia/10870-geomorfologia.html
Copernicus Digital Elevation Model. (2023). Copernicus DEM - Global and European Digital Elevation Model: GLO-30. 10.5270/ESA-c5d3d65. https://doi.org/10.5270/ESA-c5d3d65
Doblas, J., Reis, M. S., Mermoz, S., Almeida, C. A., Koleck, T., Messias, C. G., Soler, L., Bouvet, A., & Sant’Anna, S. J. S. (2024). DETER-RT: The new INPE-TropiSCO deforestation monitoring system in the Amazon biome. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-3-2024, 127–133. https://doi.org/10.5194/isprs-archives-XLVIII-3-2024-127-2024.
Doblas, J., Lima, L., Mermoz, S., Bouvet, A., Reiche, J., Watanabe, M., Anna, S. S., & and, Y. S. (2023). Inter-comparison of optical and SAR-based forest disturbance warning systems in the Amazon shows the potential of combined SAR-optical monitoring. International Journal of Remote Sensing, 44(1), 59–77. https://doi.org/10.1080/01431161.2022.2157684
Doblas, J., Reis, M. S., Belluzzo, A. P., Quadros, C. B., Moraes, D. R., Almeida, C. A., Maurano, L. E., Carvalho, A. F., Sant’Anna, S. J., & Shimabukuro, Y. E. (2022). DETER-R: An operational near-real time tropical forest disturbance warning system based on Sentinel-1 time series analysis. Remote Sensing, 14(15), 3658. https://doi.org/10.3390/rs14153658
Doblas, J., Shimabukuro, Y., Sant’Anna, S., Carneiro, A., Aragão, L., & Almeida, C. (2020). Optimizing Near Real-Time Detection of Deforestation on Tropical Rainforests Using Sentinel-1 Data. Remote Sensing, 12(23). https://doi.org/10.3390/rs12233922
Doblas Prieto, J. (2023). Operational near real-time detection of deforestation on the Brazilian Amazon using synthetic aperture radar data [tese de dout., Instituto Nacional de Pesquisas Espaciais (INPE)]. http://urlib.net/ibi/8JMKD3MGP3W34T/47UH49B
Espinoza, J.-C., Jimenez, J. C., Marengo, J. A., Schongart, J., Ronchail, J., Lavado-Casimiro, W., & Ribeiro, J. V. M. (2024). The new record of drought and warmth in the Amazon in 2023 related to regional and global climatic features. Scientific Reports, 14(1), 8107. https://doi.org/10.1038/s41598-024-58782-5
Hess, L. L., Melack, J. M., Affonso, A. G., Barbosa, C., Gastil-Buhl, M., & Novo, E. M. (2015). Wetlands of the lowland Amazon basin: Extent, vegetative cover, and dual-season inundated area as mapped with JERS-1 synthetic aperture radar. Wetlands, 35, 745–756. https://doi.org/10.1007/s13157-015-0666-y
Koleck, T., Hermitte, L., Eynard-Bontemps, G., Michel, J., Sylvestre, L., Sainte Marie, W., & Vincent, A. (2024). S1Tiling. https://github.com/CNES/S1Tiling
Marengo, J. A., Cunha, A. P., Espinoza, J.-C., Fu, R., Schöngart, J., Jimenez, J. C., Costa, M. C., Ribeiro, J. M., Wongchuig, S., & Zhao, S. (2024). The drought of Amazonia in 2023-2024. American Journal of Climate Change, 13(03), 567–597. https://doi.org/10.4236/ajcc.2024.133026
Mas, J.-F., & Araújo, F. S. (2021). Assessing Landsat Images Availability and Its Effects on Phenological Metrics. Forests, 12(5). https://doi.org/10.3390/f12050574
Mataveli, G., Maure, L. A., Sanchez, A., Dutra, D. J., de Oliveira, G., Jones, M. W., Amaral, C., Artaxo, P., & Aragão, L. E. O. C. (2025). Forest Degradation Is Undermining Progress on Deforestation in the Amazon [e70209 GCB-25-1235]. Global Change Biology, 31(4), e70209. https://doi.org/10.1111/gcb.70209
Mermoz, S., Bouvet, A., Koleck, T., Ballère, M., & Le Toan, T. (2021). Continuous Detection of Forest Loss in Vietnam, Laos, and Cambodia Using Sentinel-1 Data. Remote Sensing, 13(23), 4877. https://doi.org/10.3390/rs13234877
National Institute for Space Research. (2025a). Coordenação-Geral de Ciências da Terra. Programa de Monitoramento dos Biomas Brasileiros. Deter - Monitoramento Diário da Supressão e Degradação da Vegetação Nativa – Alertas – Amazônia. https://terrabrasilis.dpi.inpe.br/downloads/
National Institute for Space Research. (2025b). Coordenação-Geral de Ciências da Terra. Programa de Monitoramento dos Biomas Brasileiros. Prodes – Monitoramento Anual da Supressão da Vegetação Nativa – Amazônia. https://terrabrasilis.dpi.inpe.br/downloads/
NICFI. (2021). Norway’s International Climate and Forest Initiative. Standing with the World’s Tropical Forests. https://www.nicfi.no/
Olson, D. M., Dinerstein, E., Wikramanayake, E. D., Burgess, N. D., Powell, G. V. N., Underwood, E. C., D’amico, J. A., Itoua, I., Strand, H. E., Morrison, J. C., Loucks, C. J., Allnutt, T. F., Ricketts, T. H., Kura, Y., Lamoreux, J. F., Wettengel, W. W., Hedao, P., & Kassem, K. R. (2001). Terrestrial Ecoregions of the World: A New Map of Life on Earth. BioScience, 51(11), 933–938. https://doi.org/10.1641/0006-3568(2001)051[0933:TEOTWA]2.0.CO;2
Paradella, W. R., Santos, A. R. d., Paulo, V., & Cunha, E. S. P. (2005). Radares Imageadores nas Geociências: Estado da Arte e Perspectivas. Revista Brasileira de Cartografia, 57(1), 50–62.
Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418–422. https://doi.org/10.1038/nature20584
Reiche, J., De Bruin, S., Hoekman, D., Verbesselt, J., & Herold, M. (2015). A Bayesian Approach to Combine Landsat and ALOS PALSAR Time Series for Near Real-Time Deforestation Detection. Remote Sensing, 7(5), 4973–4996. https://doi.org/10.3390/rs70504973
Reiche, J., Mullissa, A., Slagter, B., Gou, Y., Tsendbazar, N. -E., Odongo-Braun, C., Vollrath, A., Weisse, M. J., Stolle, F., Pickens, A., Donchyts, G., Clinton, N., Gorelick, N., & Herold, M. (2021). Forest disturbance alerts for the Congo Basin using Sentinel-1. Environmental Research Letters, 16(2), 024005. https://doi.org/10.1088/1748-9326/abd0a8
Reis, M. S., Doblas, J., Gusmao, L. H., Moraes, D. R. V., Messias, C. G., Sant’Anna, S. J. S., Mermoz, S., & de Almeida, C. A. (2025). Implementing a new automatic deforestation monitoring system in the Amazon biome: the parametrization and preliminary results of Deter-RT. Em C. ( Davis & R. D. C. d. ( Santos (Ed.), Anais... Instituto Nacional de Pesquisas Espaciais (INPE).
Sano, E. E., Matricardi, E. A. T., & Camargo, F. F. (2020). Estado da Arte do Sensoriamento Remoto por Radar: Fundamentos, Sensores, Processamento de Imagens e Aplicações. Revista Brasileira de Cartografia, 72, 1458–1483. https://doi.org/10.14393/rbcv72nespecial50anos-56568
Soler, L. S., Silva, B. L. C., Mota, J. S., Messias, C. G., Pinto, J. F. S. K. C., Lima, D. C., Teixeira, R. C. S., Cunha, I. P., Souza, J. J., Trindade, P., Carmo, R. S., Dias, F. G., Bezerra, U., Dousseau, S. L., Araujo, M., Ferla, A. K., Trancho, M. B., Ferreira, K. R., Queiroz, G. R., Almeida, C. A. (2025). Semiautomatic AI-Based Remote Sensing Classification to Deliver an EU Landmark 2020 Deforestation Map for Brazil. Anais do XXI Simpósio Brasileiro de Sensoriamento Remoto. https://proceedings.science/sbsr-2025/papers/semiautomatic-ai-based-remote-sensing-classification-to-deliver-an-eu-landmark-2?lang=pt-br