Análise de técnicas de detecção de mudança para mapeamento de desastres com uso de dados de sensoriamento remoto

Main Article Content

Lucas Valerio de Oliveira
https://orcid.org/0000-0002-1926-2938
Rogério Galante Negri
https://orcid.org/0000-0002-4808-2362
Leonardo Bacelar Lima Santos
https://orcid.org/0000-0002-3129-772X

Abstract

In recent years Brazil has suffered a series of environmental disasters that impaired its society, economy, and biodiversity in immeasurable levels. The use of remote sensing data rises as a fundamental source when analyzing environmental disaster impacts. Among several methods proposed in the literature, change detection techniques have shown potential use on environmental disaster investigations. In this context, this study presents an analysis with different change detection techniques applied to map the landscape modifications caused by recent environmental disasters in Brazil. The methods discussed in this paper are restricted to the unsupervised approach, which does not require a priori information about the data. Three applications were carried regarding the collapse that occurred in Mariana and Brumadinho dams, the state of Minas Gerais, and forest burning in the state of Mato Grosso. Images acquired by Landsat-8 and Sentinel-1 and 2 satellites were used in these studies. The results evidenced that such techniques, as long as parameterized and using favorable attributes, they can provide accurate maps regarding the changes from disaster events.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Article Details

How to Cite
OLIVEIRA, L. V. de; NEGRI, R. G.; SANTOS, L. B. L. . Análise de técnicas de detecção de mudança para mapeamento de desastres com uso de dados de sensoriamento remoto. Brazilian Journal of Cartography, [S. l.], v. 72, n. 1, p. 177–189, 2020. DOI: 10.14393/rbcv72n1-51447. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/51447. Acesso em: 21 nov. 2024.
Section
Original Articles
Author Biographies

Lucas Valerio de Oliveira, UNESP Instituto de Ciência e Tecnologia - ICT Departamento de Engenharia Ambiental

Estudante de graduação em Engenharia Ambiental no Instituto de Ciência e Tecnologia da Universidade Estadual Paulista Julio de Mesquita Filho (ICT-Unesp) e bolsista PIBIC com financiamento CNPq pelo Instituto Nacional de Pesquisas Espaciais (INPE), em São José dos Campos, SP. Programador C, C++, Java e Python. Possui experiência na área de Ciência da Computação e softwares de Sistema de Informação Geográfica. 

Rogério Galante Negri, UNESP Instituto de Ciência e Tecnologia - ICT Departamento de Engenharia Ambiental

Rogério G. Negri completed his Major’s degree in Mathematics (2006) at the São Paulo State
University (UNESP), and his Master (2009) and Ph.D. (2013) in Applied Computation at the Brazilian
National Institute for Space Research (INPE), Brazil. He has experience in pattern recognition, radar
image processing, geostatistics, and GIS. His recent research focuses on the development of image
classification, segmentation, and change detection algorithms with applications on remote sensing
data. He is currently a professor at Institute of Science and Technology, UNESP, Brazil.

Leonardo Bacelar Lima Santos, Centro Nacional de Monitoramento e Alerta de Desastres Naturais

Pesquisador Associado do Centro Nacional de Monitoramento e Alerta de Desastres Naturais (CEMADEN). Doutorado em Computação Aplicada (CAP) pelo Instituto Nacional de Pesquisas Espaciais (INPE), na área de modelagem computacional e geoprocessamento. Mestrado pela CAP na área de Problemas Inversos. Graduação em Bacharel em Física pela Universidade Federal da Bahia com ênfase em Física Estatística e Sistemas Complexos. Possui mais de 20 artigos completos publicados em periódicos e mais de 270 citações (google scholar - índice h 9, índice i10 8). Docente permanente do programa de pós-graduação em Computação Aplicada do INPE. Pesquisador Principal de projeto Universal CNPq e Associado de Temático FAPESP. É o Coordenador do Comitê Temático "Matemática & Desastres" da SBMAC (Sociedade Brasileira de Matemática Aplicada e Computacional). Prêmio de Destaque da Iniciação Científica como aluno e como orientador. Tem experiência na área de redes complexas, geoinformação, aprendizado de máquina e Redução do Risco de Desastres.