Comparação ótica de NDWI e classificação não supervisionada com resultados de detecção automática de áreas úmidas: estudo de caso cidade de Macapá, Brasil / NDWI optical comparison and non-supervised classification with wetland automatic detection results: case study from the city of Macapá, Brazil

Authors

  • Herondino dos Santos Filho
  • Cecilia Cornero
  • Ayelen Pereira

DOI:

https://doi.org/10.34117/bjdv7n4-484

Keywords:

Área úmida, Landsat, NDWI, classificação não supervisionada, Water plugin.

Abstract

A definição dos limites das áreas úmidas são objetos de grande interesse para os governos do mundo. Sua biodiversidade é transitória entre os ecossistemas aquáticos e terrestres, onde 40% da vida existem ou nela é gerada. Estas áreas são responsáveis por abastecer os aqüíferos, melhorar a qualidade da água, reter carbono orgânico, regular os ciclos biogeoquímicos e até controlar inundações. Por outro lado, as geotecnologias existentes, como os sistemas de informação geográfica e imagens de satélite, permitem o estudo e monitoramento dessas áreas úmidas. Desta forma, neste trabalho foram utilizadas imagens obtidas por instrumentos ópticos dos satélites Landsat 5 e 7. O seu principal objetivo é a comparação do índice espectral da água NDWI (Normalized Difference Water Index) e a classificação não supervisionada com o modelo do contorno resultante da extensão experimental criada no Qgis denominada Water Plugin que faz uso de produtos de Radar. A sua análise permitiu a identificação de zonas úmidas antigas, confirmadas pelo estudo de imagens dos anos 1985, 1992 e 2002, que mostram estas áreas que hoje estão ocupadas por moradias, sujeitas a inundações nos períodos de intensas chuvas e aumento da maré, pela baixa topografia do terreno. Também confirmou melhores resultados quando comparando os modelos do Water Plugin com o NDWI e a classificação não supervisionada, já que estes dependem de instrumentos óticos que estão sujeitos a presença de nuvens ou copas de árvores.

References

BRASIL, Ministério de Meio Ambiente (MMA). Áreas úmidas – conversão Ramsar. Governo Brasileiro, 2020. Disponible en: https://www.mma.gov.br/biodiversidade/biodiversidade-aquatica/zonas-umidas-convencao-de-ramsar.html. Acceso en 25 de Febrero de 2020.

CAKMAK, U. M.; CUHADAROGLU, M. Mastering Numerical Computing with Numpy. Packt, Birmingham, Mumbai, P.69, 73, 2018.

GAO, B. C. NDWI - A Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space. Remote Sensing of Environment, n.58, p.257-266, 1996. https://doi.org/10.1016/S0034-4257(96)00067-3

GOMES, C. S; MAGALHÃES JUNIOR, A. P. Sistemas de Classificação de Áreas úmidas no Brasil e no mundo: panorama atual e importância de critérios hidrogeomorfológicos. Geo UERJ, Rio de Janeiro, n. 33, e, 34519, 2018, doi: 10.12957/geouerj.2018.34519.

LACERDA, G.L.B.; QUEIROGA, R. M.; SILVA, R. M. G.; SA, A. C. N.; ALVES, N. B. P.; NETO, O. R.; LOPES, G. L. Utilização de imagem SRTM para hierarquização dos cursos d’água da bacia hidrográfica do Rio do Pires – Bahia/Brasil. Brazilian Journal of Development, Curitiba, v. 5, n. 7, p.8224, jul. 2019. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/2199/2232. Acesso em 08 de abril de 2021, doi: 10.34117/bjdv5n7-044.

LANDGREBE, D.; BIEHL, L. An Introduction & reference for Multispec version 9.2011. Purdue University, West Lafayette, Indiana USA 47907. Disponível em: https://engineering.purdue.edu/~biehl/MultiSpec/MultiSpec_Intro_9_11.pdf. Acesso em 25 de março de 2021.

LIMA, S.S. Caracterização das interrelações entre geologia e geomorfologia a partir de imagens Landsat e dados SRTM na bacia hidrográfica do Rio Japaratuba, Sergipe Nordeste do Brasil. Brazilian Journal of Development, Curitiba, v.6, p.92017, nov. 2020. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/20484/16372. Acesso em 08 de abril de 2021, doi:10.34117/bjdv6n11-563.

MUÑOZ, V. A. Mapeamento de planícies de inundação a partir de dados SRTM: contribuição para análise da exposição a inundação na bacia do rio Itajaí. p.75. 2014. (sid.inpe.br/mtcm21b/2014/04.14.19.05TDI). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2014. Disponível em: <http://urlib.net/8JMKD3MGP5W34M/3G5LL8E>. Acesso em: 28 out. 2014.

NAMIKAWA, L. M., CASTEJON, E. F., KÖRTING, T. S. Water Bodies from RapidEye Images. INPE – Brazilian National Institute for Space Research. Image Processing Division. São José dos Campos, Brazil, 2016.

ROKNI, K. , AHMAD, A., SELAMAT, A., HAZINI, S. Water Feature Extraction and Change Detection Using Multitemporal Landsat Imagery. Remote Sensing, 6, 4173-4189, (2014), doi: 10.3390/rs6054173.

SANTOS FILHO, H. Mapeamento e classificação das áreas de ressaca na região metropolitana de Macapá-AP utilizando imagens do satélite CBERS-2B. 2011. 125 f. Dissertação (Mestrado) - Curso de Modelagem Matemática e Computacional, Diretoria de Pesquisa e Pós-Graduação, Centro Federal de Educação Tecnológica de Minas Gerais (CEFET/MG), Belo Horizonte, 2011, pp.2-3, 73.

SANTOS FILHO, H. Software development of Water Plugin as a complement for automatic detection of Wetlands based on the Digital Terrain Model. Departamento de Meio Ambiente, Universidade Federal do Amapá – UNIFAP, (2021). No prelo.

Published

2021-04-19

How to Cite

Filho, H. dos S., Cornero, C., & Pereira, A. (2021). Comparação ótica de NDWI e classificação não supervisionada com resultados de detecção automática de áreas úmidas: estudo de caso cidade de Macapá, Brasil / NDWI optical comparison and non-supervised classification with wetland automatic detection results: case study from the city of Macapá, Brazil. Brazilian Journal of Development, 7(4), 40456–40468. https://doi.org/10.34117/bjdv7n4-484

Issue

Section

Original Papers