A classificação de imagens no Google Earth Engine (GEE) é uma ferramenta poderosa para análise de dados geoespaciais. Este artigo descreve um fluxo completo para realizar uma classificação supervisionada utilizando imagens do Sentinel-2. Acompanhe os passos e veja exemplos de código para implementar esse método.
1. Seleção da Área de Estudo
Primeiro, definimos uma área de estudo, neste caso, uma região em Belém. Utilizamos um polígono para delimitar a área, que será usada em todas as etapas seguintes.
2. Seleção de Imagens Sentinel-2
Selecionamos imagens do Sentinel-2 dentro de um período específico e aplicamos filtros para reduzir a cobertura de nuvens.
3. Recorte da Imagem
Recortamos a imagem à área de interesse para evitar processar dados desnecessários.
4. Visualização
Criamos composições RGB (cor verdadeira) e em falsa cor para destacar diferentes elementos na imagem.
Cor Verdadeira (RGB)
5. Seleção de Amostras
Criamos amostras representando as classes que queremos identificar: água, vegetação e áreas urbanas.
Para isso você vai utilizar a ferramenta de geometria e criar pontos de ‘urbana’, pontos de ‘agua’ e pontos de ‘vegetacao’. Você deve seguir o exposto na imagem abaixo.
Depois de distribuir as amostras é necessário unir todas em uma featureCollection para treinar o modelo.
6. Treinamento do Classificador
Usamos o algoritmo CART para treinar um classificador com base nas amostras.
7. Aplicação do Classificador
Aplicamos o classificador para criar um mapa com as classes definidas.
8. Comparação com Random Forest
Podemos comparar diferentes classificadores, como o Random Forest. O Random Forest pode reduzir ruídos internos e melhorar a qualidade da classificação.
Conclusão
Esse passo a passo mostra como realizar uma classificação supervisionada de imagens usando o Google Earth Engine. Você pode ajustar os parâmetros, testar diferentes classificadores e adicionar índices para melhorar a precisão. Este método é útil para monitoramento ambiental, planejamento urbano e estudos de uso do solo.
Gostou desse conteúdo? Comente suas dúvidas ou experiências nos comentários do LinkedIn. Vamos explorar juntos as possibilidades do Google Earth Engine!
Acesse o código em https://code.earthengine.google.com/be728c4be86ead7ff942d66a19bb1f29
Lembre-se de nos seguir nas redes sociais e se inscrever para receber novas publicações em nosso blog.
