detecção de mudanças em SIG
  • Sensoriamento remoto

Detecção De Mudanças Em SIG E Áreas De Sua Aplicação

De forma geral, os métodos de detecção de mudanças em sensoriamento remoto e SIG são baseados em encontrar discrepâncias em duas imagens de satélite antes e depois de um determinado evento. Algoritmos de detecção de mudanças para SIG comparam a representação espacial de dois pontos no tempo e medem diferenças nas variáveis de interesse.

A detecção de mudanças ajuda em muitas empresas, mas suas aplicações também incluem o uso não comercial. Em particular, este método SIG pode ser empregado para rastrear o desenvolvimento e as consequências de inundações, incêndios florestais, secas contínuas e outros desastres e eventos extremos climáticos.

Como Funciona A Detecção De Mudança No SIG?

A detecção de mudanças em SIG analisa dados estatísticos e geoespaciais. Dados estatísticos podem ser coletados de várias fontes, e informações geoespaciais são recuperadas com meios de sensoriamento remoto, incluindo drones, UAVs e satélites. Hoje em dia, a detecção de mudanças por satélite está ganhando mais popularidade, muitas vezes sendo a opção mais rápida e barata graças ao acesso a dados abertos.

As imagens de satélite comparadas devem ser capturadas com a mesma fonte e ter o mesmo nível de procissão.

Quando Usar A Detecção De Mudança: 4 Tipos De Diferenças Para Rastrear

Os algoritmos de detecção de mudanças comparam duas imagens por uma determinada característica distintiva e suas propriedades em um intervalo de tempo questionado. As diferenças na forma, tamanho, localização e identidade do objeto são os quatro diferenciais (variáveis) básicos a serem rastreados.

  • Transformações na forma do objeto no intervalo de tempo. Gerado com imagens de satélite antes e depois, um mapa de detecção de mudanças aplicada em imagens de satélite exibe se o objeto adquiriu uma forma diferente. Por exemplo, ajuda a entender as transformações da forma das florestas após incêndios florestais, extração seletiva de madeira em grupo ou cortes rasos.
  • Transformações no tamanho do objeto no intervalo de tempo. O mapeamento de detecção de mudanças também pode mostrar se o elemento AOI questionado fica maior ou menor quando duas ou mais imagens de satélite para datas diferentes são comparadas. Por exemplo, esse tipo pode mostrar rios ou lagos secos.
  • Transformações na localização do objeto no intervalo de tempo. Esse tipo ajuda a controlar se um objeto questionado foi movido para outra área dentro do período especificado.
  • Transformações na identidade do objeto no intervalo de tempo. Combinando monitoramento por satélite e outras fontes de dados, esse tipo pode mostrar se o mesmo objeto é usado para uma finalidade diferente ao longo do tempo. Por exemplo, um antigo edifício fabril pode ganhar uma nova vida como um shopping, ou instalações residenciais se transformam em um hotel ou albergue. Lembre-se de que essa análise não pode confiar totalmente em imagens de satélite porque informações adicionais sobre o objeto são necessárias.
A importância da detecção de mudanças é justificada por seu uso frequente em seguros, construção, planejamento urbano, silvicultura, proteção ambiental, resposta a desastres, agricultura e outras indústrias.

Como Executar A Detecção De Mudanças De Imagem Com EOSDA LandViewer

Você não precisa ser um especialista em SIG para comparar duas imagens de satélite com o EOSDA LandViewer. A análise pode ser realizada mesmo por usuários com pouca experiência ou sem experiência em SIG. Basta tentar usar a ferramenta de detecção de mudanças no software. Para fazer isso, conclua as seguintes etapas:

  1. Defina seu AOI.
  2. Selecione a primeira imagem de satélite do evento analisado.
  3. Vá para o menu detecção de mudanças.
  4. Selecione a segunda imagem de satélite para comparação (datada anteriormente ou mais tarde).
  5. Aplique o índice apropriado para comparar as imagens.
  6. Clique em Aplicar e Calcular para ver a detecção de mudanças.

O EOSDA LandViewer gerará um mapa de detecção de mudanças de satélite com base no índice especificado (os índices padrão e personalizados estão disponíveis). A imagem de resultado permite a análise visual SIG de duas imagens e o rastreamento de modificações ocorridas no período. Nosso software de detecção de mudanças de imagem também calculará e mostrará o tamanho da área afetada. Quando necessário, os usuários da plataforma podem baixar os resultados como um arquivo JPEG, PNG ou TIFF.

Compare duas imagens de satélite com a ferramenta de detecção de mudanças EOSDA LandViewer.

EOSDA LandViewer é um software gratuito de detecção de mudanças para imagens de baixa e média resolução. Imagens de alta resolução estão disponíveis mediante solicitação. Além disso, recursos adicionais como Gráficos de Série Temporal e Animação de Lapso de Tempo fornecem uma apresentação ainda mais vívida. Esses recursos permitem a comparação de mais de duas datas e acompanhar a dinâmica de transformação, além de realizar uma análise SIG retrospectiva para voltar no tempo.

Preciso de correção atmosférica para detecção de mudanças?

Depende do sensor usado e das aplicações de detecção de mudanças. Na maioria dos casos de análise espacial, os efeitos atmosféricos sobre as imagens ópticas devem ser previamente suavizados. A correção atmosférica normalmente implica a remoção de aerossóis e nuvens para obter dados de imagens de satélite mais precisos para detecção de mudanças. No EOSDA LandViewer, as imagens do Sentinel-2 datadas de 2018 e posteriores já passaram por correção atmosférica (nível L2A de procissão).

EOSDA LandViewer

Um vasto catálogo online de imagens de satélite gratuitas para processamento e download.

Tentar agora!

Exemplos E Aplicações Da Indústria: Detecção De Mudanças Na Prática

A detecção de mudanças geoespaciais tem uma infinidade de usos. O método é empregado para rastrear transformações da área florestal (desmatamento), estado da lavoura, uso da terra, expansão urbana, movimento de veículos, rachaduras de geleiras e muito mais. A detecção de mudanças climáticas antropogênicas nos oceanos do mundo ajuda a perceber o escopo do problema e planejar uma resposta eficaz.

Vamos considerar vários exemplos de desastres e extremidades climáticas para entender como a detecção de mudanças pode ajudar a analisar o desenvolvimento de tais eventos e facilitar ações futuras.

Algoritmos De Detecção De Mudanças Para Analisar As Consequências Das Inundações

A avaliação do impacto de desastres naturais e antrópicos é um exemplo comum de detecção de mudanças no monitoramento ambiental. Infelizmente, furacões, secas e chuvas anormais são fenômenos frequentes nos dias atuais. As cheias dos rios estão entre os notórios indicadores de mudanças climáticas  atualmente.

Breve Descrição Do Evento De Desastre

Em agosto de 2022, 24 pessoas morreram e 18 ficaram feridas como resultado de uma inundação em grande escala em Sindh, a província mais populosa do Paquistão. Muitas vítimas morreram sob os telhados e paredes do prédio em ruínas. Como os sistemas de drenagem e esgoto estão desgastados e há muito defasados no país, as chuvas durante as monções representam uma grave ameaça para os paquistaneses.

Objetivo

Identificar a área alagada com a abordagem de detecção de mudanças espectral por sensoriamento remoto, comparando imagens de satélite para diferentes datas e aplicando bandas espectrais específicas e suas transformações; avaliar os danos do desastre; para entender a dinâmica e o tamanho das inundações.

Dados Analisados

  • Origem e datas das imagens: imagem pré-desastre (Sentinel-2 2022.06.27) e imagem pós-desastre (Sentinel-2 2022.09.05) no EOSDA LandViewer.
  • AOI: Parte do rio Indo e seus arredores dentro da província de Sindh, Paquistão.
  • Índice: NDWI.
uso de detecção de mudanças para monitorar inundações
Visualização da mudança de contornos do rio após inundações com o EOSDA LandViewer.

Solução E Resultados

O mapa de detecção de mudanças NDWI obtido delineia as transformações da superfície subjacente (da Terra) na área de interesse, ou seja, a extensão da inundação do rio e o território sofrido. O aumento e a diminuição dos valores relativos do índice são convencionalmente divididos em cinco classes. Cada classe tem indicações espaciais distintas que podem ser exibidas em hectares ou quilômetros quadrados.

Este caso de uso de SIG apresenta como a detecção de mudanças de imagem pode ajudar no gerenciamento de operações de socorro em desastres, destacando as áreas mais sofridas em vermelho. As informações ajudarão a avaliar o escopo de destruição e validar os pedidos de seguro, atestando a importância da detecção de mudanças por satélite no seguro. Os resultados da análise também podem ser usados para planejar novas construções seguras de edifícios residenciais e outros.

Imagens De Satélite Para Detecção De Mudanças Após Incêndios Florestais

Os incêndios florestais estão entre as calamidades naturais mais frequentes e perigosas, causando sérios danos aos ecossistemas e às comunidades globais. O Centro Nacional de Coordenação Interagências dos EUA (NICC) relata  quase 59 mil incêndios florestais não planejados que queimaram mais de 7,1 milhões de acres em todo o país em 2021. Os incêndios florestais também são um problema sério na Ucrânia.

Breve Descrição Do Evento De Desastre

Em abril de 2020, ocorreram incêndios florestais de grande escala nas regiões de Zhytomyr e Kiev, na Ucrânia, devido a uma situação meteorológica difícil e à gestão irresponsável do fogo pelos moradores. Os incêndios destruíram centenas de hectares florestais. Uma grande parte dos povoamentos florestais inflamados estava localizada na zona de exclusão de Chornobyl, fortemente contaminada com radionuclídeos de vida longa. A contaminação florestal complicou as operações de combate ao fogo que envolveram mais de 1.000 pessoas e duraram várias semanas.

Objetivo

Usar métodos de detecção de mudanças em sensoriamento remoto e rastrear as diferenças nos povoamentos florestais antes e depois. Compreender a escala e a dinâmica dos incêndios florestais, estimar o tamanho das áreas queimadas e dos ativos florestais perdidos com a detecção de mudanças na cobertura da terra em SIG.

Dados Analisados

  • Origem e datas das imagens: imagem pré-desastre (Sentinel-2 2019.06.15) e imagem pós-desastre (Sentinel-2 2020.06.24) no EOSDA LandViewer.
  • АОІ: florestas na região de Zhytomyr, Ucrânia.
  • Índice: NBR.
uso de detecção de mudanças para monitorar incêndios florestais
Visualização de danos causados por incêndios florestais com o EOSDA LandViewer.

Solução E Resultados

A detecção de mudanças na cobertura da terra usando sensoriamento remoto e SIG mostra a diferença no estado da área florestal nas imagens iniciais e finais. A ferramenta de detecção de mudanças no EOSDA LandViewer também divide o AOI em várias zonas, dependendo dos limites predefinidos de gravidade de danos (veja a imagem acima):

  • queimadura de alta gravidade – 5,95 km2;
  • queimadura de gravidade moderada – 32,22 km2;
  • queimadura de baixa gravidade – 38,70 km2;
  • não queimado – 98,47 km2;
  • Rebrota Reforçada – 6,79 km2.

Os dados são especialmente importantes para as unidades de resposta a desastres e combate a incêndios, particularmente no planejamento de operações de evacuação e rotas de acesso de caminhões de bombeiros. Além disso, os resultados da análise SIG permitem a avaliação preliminar das áreas florestais danificadas e o cálculo das perdas estimadas.

Satélites De Sensoriamento Remoto Para Detecção De Mudanças Na Vegetação

O sector agrícola pertence às indústrias onde os benefícios da monitorização por satélite foram usufruídos precocemente. As informações de SIG obtidas podem ser úteis não apenas para os agricultores, mas também para seguradoras, bancos, fornecedores de insumos, comerciantes e outros atores do agronegócio.

Breve Descrição Da Extremidade Meteorológica

No verão de 2022, as secas do solo e do ar afetaram gravemente as plantações de milho das comunidades rurais de Mohyliv-Podilsky, Shargorod e Chernivtsi, no sudoeste da região de Vinnytsia. A campanha de semeadura foi realizada nos dias 5 e 6 de maio, sem precipitação subsequente por dois meses. Tradicionalmente, a produção agrícola naquela parte da Ucrânia depende fortemente das chuvas, e a ausência de umidade do solo causou uma perda crítica de rendimento.

Objetivo

Rastrear a detecção de mudanças na vegetação usando as funcionalidades do EOSDA LandViewer; analisar a dinâmica de crescimento das culturas e o impacto de condições climáticas desfavoráveis sobre o estado do campo; avaliar o estresse vegetacional.

Dados Analisados

  • Origem e datas das imagens: imagem pré-desastre (Sentinel-2 2021.07.18) e imagem pós-desastre (Sentinel-2 2022.07.21) no EOSDA LandViewer.
  • АОІ: campos de milho perto de Shargorod, região de Vinnytsia, Ucrânia.
  • Índice: GCI.
uso de detecção de mudanças para monitorar mudanças na vegetação
Visualização e detecção de mudanças de vegetação após condições climáticas desfavoráveis com o EOSDA LandViewer.

Solução E Resultados

Medindo diferenças nos valores do índice, algoritmos de detecção de mudanças mostram as zonas estressadas e ajudam a entender o impacto das extremidades climáticas na área de interesse. Como mostrado no instantâneo acima, o território de 135,26 quilômetros quadrados foi o que mais sofreu (uma soma de áreas destacadas em laranja e vermelho). Os resultados da análise SIG ajudam a avaliar os danos no campo, atestando a importância dos dados de detecção de mudanças no seguro agrícola.

As informações de SIG obtidas são, em última análise, úteis na tomada de decisões agrícolas para salvar as culturas e mitigar as perdas de rendimento. Por exemplo, o estado das plantas pode ser melhorado com adubação, irrigação de precisão e outras operações de campo relevantes.

Detecção De Mudanças Em SIG Para Uso Não Comercial

A comparação de imagens de satélite fornece insights acionáveis sobre vários setores, mas suas aplicações vão muito além dos propósitos comerciais. O método pode ser interessante para analistas amadores, especialmente quando o software de detecção de mudanças no SIG é fácil de usar e fornece imagens de satélite grátis.

Essas plataformas on-line podem ajudar órgãos governamentais, entidades não comerciais e outras organizações a obter informações valiosas sobre como as propriedades da AOI se modificam ao longo do tempo. Por exemplo, ao lado de outras fontes, as instituições de saúde podem usar a detecção de mudanças no SIG para analisar a propagação da doença .

EOSDA LandViewer oferece uma rica coleção de imagens de satélite, e sua ferramenta de detecção de mudanças no SIG não é o único recurso útil. Saiba mais sobre as funcionalidades da plataforma ou faça uma pergunta no sales@eosda.com.

Sobre o promotor:

Prof. Dr. Petro Kogut Cientista da EOSDA

Petro Kogut tem um doutorado em Física e Matemática e é autor de várias publicações científicas. Ele é o Professor Associado Soros, bem como chefe do departamento de equações diferenciais na Universidade Nacional Oles Honchar Dnipro e recebeu uma série de bolsas, prêmios, decorações honorárias, medalhas e outros prêmios. Prof. Dr. Petro Kogut é um conselheiro científico para a EOSDA.

Artigos recentes

Fertilizantes Nitrogenados: Por Que E Como Aplicá-los Sustentavelmente
  • Gerenciamento de culturas

Fertilizantes Nitrogenados: Por Que E Como Aplicá-los Sustentavelmente

Os fertilizantes nitrogenados aumentam os rendimentos e a segurança alimentar, mas sua aplicação exige gestão inteligente para colher benefícios e reduzir impactos ambientais.

EOSDA Crop Monitoring: Lançamento Do Construtor de Mapa
  • EOSDA Crop Monitoring

EOSDA Crop Monitoring: Lançamento Do Construtor de Mapa

Usuários do EOSDA Crop Monitoring agora podem aproveitar os dados de suas máquinas para otimizar o uso de insumos e o desempenho das culturas com o recurso de mapeamento VRA do Construtor de Mapa.

Como Plantar Batata-Doce: Cultivo, Cuidados E Colheita
  • Cultivo de culturas

Como Plantar Batata-Doce: Cultivo, Cuidados E Colheita

Plantar batata-doce é uma ótima opção tanto para iniciantes quanto para agricultores experientes. Aqui você encontrará dicas úteis para garantir uma colheita abundante.