scholarly journals MonitoraSC

2021 ◽  
Vol 34 (2) ◽  
pp. 42-48
Author(s):  
Alexander Christian Vibrans ◽  
Adilson Luiz Nicoletti ◽  
Veraldo Liesenberg ◽  
Julio Cesar Refosco ◽  
Luciana Pereira de Araújo Kohler ◽  
...  
Keyword(s):  
Random Forest ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Santa Catarina

Um mapeamento da cobertura florestal e dos diferentes usos da terra proporciona informações fundamentais para a gestão territorial visando ao desenvolvimento social e econômico, planejamento e controle ambiental e proteção dos recursos naturais. Neste artigo, é apresentado um novo mapeamento, valendo-se de sinergias entre os dados de campo do Inventário Florístico Florestal de Santa Catarina (IFFSC) e o uso de recursos de sensoriamento remoto. Imagens do satélite Landsat-8 OLI do ano de 2017 foram classificadas, utilizando o algoritmo Random Forest. A legenda é composta por 12 classes temáticas; a área mínima mapeada é de 0,5 hectare. O mapa tem acurácia geral de 95%, com intervalo de confiança de 1,0% (alfa=0,05). A acurácia média por classe varia entre 90% (agricultura) e 97% (restinga).  Para a classe floresta, o mapa apresentou coincidência de 96,2% com os pontos amostrais do IFFSC. A cobertura florestal nativa (florestas a partir do estágio médio de regeneração) está presente em 38,05% do território, reflorestamentos em 10,46%, agricultura em 16,73% (incluídos 1,77% de culturas de arroz irrigado), pastagens e campos naturais em 29,24%. A área da extensão original da restinga foi determinada em 1.773km², dos quais 814,5km² (ou 45,9%) cobertos por remanescentes naturais, praias e dunas. O mapeamento constitui a base para a tomada de decisão de agentes públicos envolvidos em atividades de planejamento e gestão territorial e servirá como linha-base para o monitoramento contínuo da extensão da cobertura florestal do estado.

scholarly journals Mapeamento da Vegetação Nativa do Cerrado na Região de Três Lagoas-MS com o Google Earth Engine

2019 ◽  
Vol 71 (3) ◽  
pp. 702-725
Author(s):  
Nayara Vasconcelos Estrabis ◽  
José Marcato Junior ◽  
Hemerson Pistori
Keyword(s):  
Support Vector Machine ◽  
Random Forest ◽  
Google Earth ◽  
Support Vector ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Google Earth Engine

O Cerrado é um dos biomas existentes no Brasil e o segundo mais extenso da América do Sul. Possui grande importância devido a sua biodiversidade, ecossistema e principalmente por servir como um reservatório, ou “esponja”, que distribui água para os demais biomas, além de ser berço de nascentes de algumas das maiores bacias da América do Sul. No entanto, devido às atividades antrópicas praticadas (com destaque para a pecuária e silvicultura) e a redução da vegetação nativa, este bioma está ameaçado. Considerado como hotspot em biodiversidade, o Cerrado pode não existir em 2050. Com a necessidade de sua preservação, o objetivo desse trabalho consistiu em investigar o uso de algoritmos de aprendizado de máquina para realizar o mapeamento da vegetação nativa existente na região do município de Três Lagoas, utilizando a plataforma em nuvem Google Earth Engine. O processo foi realizado com uma imagem Landsat-8 OLI, datada de 10 de outubro de 2018, e com os algoritmos Random Forest (RF) e Support Vector Machine (SVM). Na validação da classificação, o RF e o SVM apresentaram índices kappa iguais a 0,94 e 0,97, respectivamente. O RF, quando comparado ao SVM, apresentou classificação mais ruidosa. Por fim, verificou-se a existência de vegetação nativa de aproximadamente 2556 km² ao adotar o RF e 2873 km² ao adotar SVM.

scholarly journals Estimación de volumen forestal mediante imágenes de satélite Landsat 8 OLI en bosques templados mixtos

2020 ◽  
pp. 40-49
Author(s):  
Pedro García-Ramírez ◽  
Pedro Antonio Domínguez-Calleros ◽  
José Javier Corral-Rivas ◽  
Marín Pompa-García ◽  
Jorge Armando Chávez-Simental ◽  
...  
Keyword(s):  
Random Forest ◽  
Landsat 8 ◽  
Landsat 8 Oli

El objetivo fue estimar el volumen forestal (m3 ha-1) mediante información obtenida del Sistema de Planeación Forestal (SiPlaFor) y datos espectrales de imágenes de satélite del sensor Landsat 8 OLI en el Ejido La Victoria Pueblo Nuevo, Durango, México. Se utilizó la técnica no paramétrica Random Forest para la estimación del volumen forestal. Los resultados mostraron que empleando un modelo con 400 árboles de decisión, la raíz cuadrada del cuadrado medio del error (RMSE) se mantiene estable. La variable predictiva de mayor importancia fue el Índice de Vegetación de Área Foliar Especifica (SLAVI), con una RMSE de 12.99%. El modelo de Random Forest presentó un coeficiente de determinación (R2) de 0.84 y un valor de RMSE de 28.8 m3 ha-1. La información espectral de un sensor de media resolución en combinación con datos de campo es una alternativa viable para estimar volumen forestal en bosques templados mixtos.

scholarly journals APPLYING RANDOM FOREST CLASSIFICATION TO MAP LAND USE/LAND COVER USING LANDSAT 8 OLI

2018 ◽  
Vol XLII-3/W4 ◽  
pp. 363-367 ◽  
Author(s):  
H. T. T. Nguyen ◽  
T. M. Doan ◽  
V. Radeloff
Keyword(s):  
Land Use ◽  
Random Forest ◽  
Land Cover ◽  
Deciduous Forest ◽  
Landsat 8 ◽  
Land Use Land Cover ◽  
Landsat 8 Oli ◽  
Plantation Forest ◽  
Barren Land ◽  
Random Forest Classification

<p><strong>Abstract.</strong> This study used the Random Forest classifier (RF) running in R environment to map Land use/Land cover (LULC) of Dak Lak province in Vietnam based on the Landsat 8 OLI. The values of two RF parameters of ntree (number of tree) and mtry (the number of variables used to split at each node) were tested and compared. In current study the best results indicate the number of suitable decision trees involved in the classification process is 300 (ntree), and the suitable number of variables used to split at each node is 4 variables (mtry). These parameters were used to classify 7 bands multi-spectral resolution from 1&amp;ndash;7 of Landsat 8 into ten classes of LULC including natural broad-leaved evergreen, semi-evergreen, dipterocarp deciduous forest, plantation forest, rubber, coffee land, crop land, barren land, residential area and water surface. The overall accuracy of 90.32&amp;thinsp;% with Kappa coefficient of 0.8434 was found in this case.</p>

scholarly journals CRESCIMENTO URBANO E IMPACTOS SOBRE A COBERTURA VEGETAL NA ÁREA DE INFLUÊNCIA DA AVENIDA JOÃO PAULO II, REGIÃO METROPOLITANA DE BELÉM-PARÁ

2021 ◽  
Vol 10 (22) ◽  
pp. 164-180
Author(s):  
Jones Remo Barbosa Vale ◽  
Henrique dos Santos Cruz ◽  
Mateus Trindade Barbosa ◽  
Renan Dourado Lopes ◽  
Saint Clair Cardoso Campos
Keyword(s):  
Random Forest ◽  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine

A expansão urbana é um processo de conotação espacial com dimensão temporal de ampliação das cidades, em razão deste processo ocorre a redução da cobertura vegetal para ceder espaço e dentre as variáveis ambientais esta é a mais vulnerável às ações humanas. Assim, o trabalho tem por objetivo analisar o crescimento urbano e as alterações da distribuição da cobertura vegetal na área de influência da Avenida João Paulo II na Região Metropolitana de Belém entre os anos de 1989 e 2019. Para o desenvolvimento do trabalho foram utilizadas imagens do satélite Landsat-5/TM do ano de 1989 e 2004, e imagem do satélite Landsat-8/OLI-TIRS do ano de 2019 disponíveis na plataforma online Google Earth Engine (GEE), os processamentos foram realizados no Code Editor da plataforma, onde aplicou-se o algoritmo de classificação Random Forest que resultou no mapeamento temporal das classes: área urbanizada, cobertura vegetal, hidrografia e outros. Os mapeamentos foram avaliados por meio de índices de concordância, a Exatidão Global e o Índice Kappa. Os resultados demonstraram que nos últimos 30 anos o crescimento urbano na área de estudo foi de 28%, cujo maior aumento foi no período de 2004-2019 com 16%, já a cobertura vegetal obteve uma perda de 29% nos últimos 30 anos, cuja maior supressão também foi no período de 2004-2019 com 23%. A utilização de geotecnologias foi fundamental para o desenvolvimento do trabalho e demonstraram ser ferramentas essenciais para subsidiar políticas ambientais urbanas.

scholarly journals EXPLORING CAPABILITIES OF SENTINEL-2 FOR VEGETATION MAPPING USING RANDOM FOREST

2018 ◽  
Vol XLII-3 ◽  
pp. 1499-1502 ◽  
Author(s):  
R. Saini ◽  
S. K. Ghosh
Keyword(s):  
Maximum Likelihood ◽  
Random Forest ◽  
Vegetation Mapping ◽  
Landsat 8 ◽  
Agricultural Practice ◽  
Landsat 8 Oli ◽  
Maximum Likelihood Classifier ◽  
Classification Of Images ◽  
Sentinel 2

Accurate vegetation mapping is essential for monitoring crop and sustainable agricultural practice. This study aims to explore the capabilities of Sentinel-2 data over Landsat-8 Operational Land Imager (OLI) data for vegetation mapping. Two combination of Sentinel-2 dataset have been considered, first combination is 4-band dataset at 10m resolution which consists of NIR, R, G and B bands, while second combination is generated by stacking 4 bands having 10&amp;thinsp;m resolution along with other six sharpened bands using Gram-Schmidt algorithm. For Landsat-8 OLI dataset, six multispectral bands have been pan-sharpened to have a spatial resolution of 15&amp;thinsp;m using Gram-Schmidt algorithm. Random Forest (RF) and Maximum Likelihood classifier (MLC) have been selected for classification of images. It is found that, overall accuracy achieved by RF for 4-band, 10-band dataset of Sentinel-2 and Landsat-8 OLI are 88.38&amp;thinsp;%, 90.05&amp;thinsp;% and 86.68&amp;thinsp;% respectively. While, MLC give an overall accuracy of 85.12&amp;thinsp;%, 87.14&amp;thinsp;% and 83.56&amp;thinsp;% for 4-band, 10-band Sentinel and Landsat-8 OLI respectively. Results shown that 10-band Sentinel-2 dataset gives highest accuracy and shows a rise of 3.37&amp;thinsp;% for RF and 3.58&amp;thinsp;% for MLC compared to Landsat-8 OLI. However, all the classes show significant improvement in accuracy but a major rise in accuracy is observed for Sugarcane, Wheat and Fodder for Sentinel 10-band imagery. This study substantiates the fact that Sentinel-2 data can be utilized for mapping of vegetation with a good degree of accuracy when compared to Landsat-8 OLI specifically when objective is to map a sub class of vegetation.

scholarly journals Análise da dinâmica do uso e cobertura da terra do Município de Moju-PA, utilizando Google Earth Engine

2020 ◽  
Vol 13 (5) ◽  
pp. 2332
Author(s):  
Samuel Salin Gonçalves De Souza ◽  
Jones Remo Barbosa Vale ◽  
Merilene Do Socorro Silva Costa ◽  
Bruna Ribeiro Chagas ◽  
Carolina Da Silva Gonçalves ◽  
...  
Keyword(s):  
Land Use ◽  
Random Forest ◽  
Land Cover ◽  
Oil Palm ◽  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine ◽  
Temporal And Spatial

Em razão das grandes transformações na paisagem ocasionadas pelas principais atividades econômicas do município de Moju, como as práticas agropecuárias, esta pesquisa procurou fazer uma análise temporal e espacial das mudanças de uso e cobertura da terra na localidade, nos anos de 1999 e 2018, por meio de imagens de satélite disponibilizadas pela plataforma Google Earth Engine. Utilizou-se imagem do satélite Landsat-5/TM referente ao ano 1999, e imagem do satélite Landsat-8/OLI-TIRS correspondente ao ano de 2018, ambas disponíveis no Google Earth Engine (GEE). Realizou-se a classificação temporal e espacial de uso e cobertura da terra por meio da aplicação do algoritmo Random Forest. Utilizou-se as análises qualitativas e quantitativas para os dados mapeados, com o objetivo de realizar um detalhamento sobre a dinâmica do uso e cobertura da terra por meio de tabela e mapa. Os resultados apontam que houve uma perda de mais de 878 km² de cobertura vegetal correspondendo cerca de 12% de perda que veio em decorrência das atividades antrópicas que ocorreram em Moju, principalmente, em relação à agricultura com os cultivos de dendê, mandioca, coco e à pecuária com as áreas de pastagens, pois, juntos apresentam um aumento de mais de mais de 70% que equivalem a 1.037,0938 km². Portanto, constatou-se que o desenvolvimento econômico do município de Moju segue o padrão de desenvolvimento dos municípios amazônicos, onde ocorre a diminuição das áreas florestais para a expansão de suas atividades produtivas, como os cultivos de dendê, sendo este um dos principais indutores do desflorestamento no município. Analysis of the dynamics of the use and land coverage of the Municipality of Moju-pa, using the Google Earth Engine A B S T R A C TDue to the great transformations in the landscape caused by the main economic activities of the municipality of Moju, such as agricultural practices, this research sought to make a temporal and spatial analysis of changes in land use and coverage in the locality, in the years 1999 and 2018, by through satellite images made available by the Google Earth Engine platform. An image of the Landsat-5 / TM satellite for the year 1999 was used, and an image of the Landsat-8 / OLI-TIRS satellite for the year 2018, both available on the Google Earth Engine (GEE). The temporal and spatial classification of land use and land cover was carried out by applying the Random Forest algorithm. Qualitative and quantitative analyzes were used for the mapped data, with the aim of detailing the dynamics of land use and land cover using a table and map. The results show that there was a loss of more than 878 km² of vegetation cover, corresponding to about 12% of the loss that came as a result of the anthropic activities that occurred in Moju, mainly, in relation to agriculture with oil palm, cassava, coconut and livestock with pasture areas, because together they show an increase of more than more than 70%, which is equivalent to 1,037.0938 km². Therefore, it was found that the economic development of the municipality of Moju follows the pattern of development of the Amazonian municipalities, where there is a decrease in forest areas for the expansion of their productive activities, such as oil palm cultivation, which is one of the main drivers of the deforestation in the municipality.Keywords: deforestation; agricultural activities; transformations in the landscape.

Sign in / Sign up

Export Citation Format

Share Document