Classificação Semiautomática De Cicatrizes De Movimentos De Massa Por Meio De Técnicas De Detecção De Mudanças

Abstract

Movimentos de massa são fenômenos naturais que muitas vezes causam perdas e danos à sociedade. Inventários de cicatrizes podem auxiliar no entendimento da suscetibilidade de um local frente a esses processos. Nessa vertente, o uso de ferramentas de sensoriamento remoto para detecção e mapeamento de cicatrizes de movimentos de massa pode ser vantajoso, principalmente em escalas regionais e em áreas de difícil acesso. No entanto, mapeamentos semiautomáticos ainda se mostram incipientes no âmbito nacional. Nesse contexto, o objetivo deste trabalho foi avaliar múltiplas técnicas de detecção de mudanças para o mapeamento semiautomático de cicatrizes de movimentos de massa. Como estudo de caso, foram analisados os movimentos deflagrados em janeiro de 2011 em uma porção do município de Nova Friburgo (RJ). Para isso, foram geradas imagens de detecção de mudanças por meio das técnicas PCA, ICA, MNF, SA, OSAVI e subtração de bandas espectrais. Os produtos que melhor destacaram os movimentos de massa foram selecionadas como dados de entrada para a classificação por meio do algoritmo Random Forest. A diferença entre o índice de vegetação OSAVI pré e pós-evento foi considerada a técnica de maior importância para o classificador. Já na análise visual, verificou-se que a 3ª e 4ª componentes ICA, MNF e PCA também destacaram bem as cicatrizes. O desempenho da classificação foi considerado satisfatório, uma vez que detectou mais de 80% das cicatrizes de movimento de massa na área de estudo. Esse trabalho permitiu verificar que o uso de métodos semiautomatizados pode ser uma abordagem em potencial para a detecção de cicatrizes de movimento de massa, sobretudo aplicada a mapeamentos preliminares e emergenciais.

Time-series metrics applied to land use and land cover mapping with focus on landslide detection

“…The feature extraction process, shown in Fig. 3, is based on landslide detection literature, as presented by Gerente et al 48,49 The NDVI, developed by Rouse et al, 50 was used because it presents a drastic reduction in its values when the landslide occurs. In addition to that, once it is a composition of bands, it allows the use of the red and near-infrared (NIR) bands in one single feature.…”