Programação Python e índices físicos na detecção de bordas na Unidade de Conservação Parque Estadual Mata Da Pimenteira (Pernambuco)
Resumo
A Unidade de Conservação (UC) Parque Estadual Mata da Pimenteira, foi a primeira a ser instituída no Estado de Pernambuco. Esta UC está localizada no município de Serra Talhada e é caracterizada por apresentar uma grande variabilidade biológica. Em termos cartográficos, devido a sua grande extensão torna-se difícil um monitoramento contínuo. Dessa forma, a partir do uso de ferramentas livres é possível detectar, extrair e disponibilizar as informações pertinentes desta UC. Assim, a partir do uso do software livre de geoprocessamento SPRING versão 5.4.3 e das imagens da plataforma orbital do Google Earth, foram aplicadas as técnicas de processamento digital nas imagens resultantes da aplicação dos índices de vegetação MPRI e VARI. Os resultados obtidos foram a detecção das bordas da estrada vicinal e as bordas do reservatório. As detecções dessas feições são importantes, porque permitem acompanhar o crescimento antrópico sobre esta UC. Os arquivos foram obtidos em formato vetorial. Com esses arquivos foi elaborado um Webmapa no Python versão 3.7, com o objetivo de disponibilizar conhecimento cartográfico sobre essa UC. Além de destacar uma metodologia de baixo custo e de reprodução pelas entidades acadêmicas e gestores ambientais.
Palavras-chave
Texto completo:
PDF (Português)Referências
Achary, J, Gadhiya,S, Raviya,K.(2013) Segmentation techniques for image analysis: A review. Remote Sensing of Environment, vol.3, 10-15.
Bilar, A. B. C., Pimentel, R. M. M.(2016) Governança ambiental para o desenvolvimento sustentável em uma unidade de conservação no semiárido nordestino: desafios e perspectivas. Gaia Scientia, v. 10, n. 3.
CPRH - Agência Estadual de Meio Ambiente. (2013) Parque Estadual Mata da Pimenteira. Serra Talhada, outubro de 2013. Disponível em: cprh.pe.gov.br/ARQUIVOS_ANEXO/PE%20Mata%20da%20Pimenteira%2022%2011%202013.pdf. Acesso em: 21/12/2019.
Ferreira, M.P, Zortea, M, Zanotta,D.C, Shimabukuro,Y.E, Souza Filho, C.R. (2016) Mapping tree species in tropical seasonal semi-deciduous forests with hyperspectral and multispectral data. Remote Sensing of Environment, Volume 179, 66-78.
Florenzano, T.G. (2005). Geotecnologias na geografia aplicada: difusão e acesso. Revista do Departamento de Geografia, v.17, p. 24-29.
Gitelson, A.A, Kaufman,Y.J, Stark,R, Rundquist,D. Novel Algorithms for Remote Estimation Fraction. University of Nebraska – Lincoln.
Gonzalez, R.C; Wintz, P. (2010) Digital Image Processing. Academic Pres.
Henrique, R.E.da. (2018). Utilização de drone em mapeamentos florestais para classificação do uso e ocupação do solo. Pós-Graduação em Gestão Florestal, Setor de Ciências Agrárias, Universidade Federal do Paraná.
Louhaichi, M., Borman, M.M., Johnson, D.E., 2001. Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International 16, 65–70
Mui, A.; He, Y.; Weng, Q. (2015). An object-based approach to delineate wetlands across landscapes of varied disturbance with high spatial resolution satellite imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 109:30-46.
Sirmacek,B; Unsalan,C. (2009). Built-uo area detection using local feature points and spatial voting. IEEE Geosci. Remote Sens. Lett. 7(1), 146-150.
Peñuelas, J; Garbulsky, M. F; Filella, I.(2011). Photochemical reflectance index (PRI) and remote sensing of plant CO2 uptake. New Phytologist. Volume 191, Issue 3.
Quang, N. T., Thuy, N. T., Sang, D. V., & Binh, H. T. T. An efficient framework for pixel-wise building segmentation from aerial images. In Proceedings of the sixth international symposium on information and communication technology (2015). New York, NY, (pp. 282–287).
Senthilkumaran,N; Reghunadhan,R. (2009) Edge Detection Techniques for Image Segmentation - A Survey of Soft Computing Approaches. International Journal of Recent Trends in Engineering. Vol.1, No.2.
Sun, J. (2012). Exploring edge complexity in remote-sensing vegetation index imageries. Journal of Land Use Science, volume 9, issue 2, pages 165-177.
Unsalan, C; Boyer K.L. (2005) Classifying land development in high resolution panchromatic satellite images using straight-line statistics. IEEE Trans Geosci. Remote Sens. 42 (4), 907-919.
Yasmin. M, Mohsi. S, Irum. I; Sharif M. (2013) Content based image retrieval by shape, color and relevance feedback. Life Science Journal, vol. 10.
Apontamentos
- Não há apontamentos.
Revista Brasileira de Sensoriamento Remoto | ISSN: 2675-5491
Revista sob Licença Creative Commons
