@InProceedings{Costa:2023:ApGoEa,
author = "Costa, Cesar Augusto de Moraes",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Aplica{\c{c}}{\~a}o do Google Earth Engine com
classifica{\c{c}}{\~a}o de inunda{\c{c}}{\~o}es do
munic{\'{\i}}pio de Porto Velho - RO",
booktitle = "Resumos...",
year = "2023",
editor = "Santos, Rafael Duarte Coelho dos and Calheiros, Alan James Peixoto
and J{\'u}nior, Valdivino Alexandre de Santiago",
organization = "Workshop dos Cursos de Computa{\c{c}}{\~a}o Aplicada do INPE,
22. (WORCAP)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
abstract = "Os eventos de inunda{\c{c}}{\~o}es ocorridos no ano de 2014 no
munic{\'{\i}}pio de Porto Velho, capital do estado de
Rond{\^o}nia, foram analisados neste estudo por meio dos mapas de
inunda{\c{c}}{\~o}es gerados pela iniciativa The International
Charter Space and Major Disasters (Carta Internacional
Espa{\c{c}}o e Grandes Desastres). Os produtos do Charter mostram
onde ocorreram os eventos e foram usados neste trabalho para
realizar a amostragem de um algoritmo de reconhecimento de
padr{\~o}es. Neste contexto, foram feitas 4
rotula{\c{c}}{\~o}es de classes, a saber, {\'a}gua, solo,
vegeta{\c{c}}{\~a}o e urbano, para destacar ao final somente as
{\'a}reas com ac{\'u}mulo de {\'a}gua. Os dados foram separados
para treinamento e teste no algoritmo de aprendizado de
m{\'a}quina Random Forest (RF). O processamento das imagens do
sat{\'e}lite Landsat-8, sensor OLI, foi realizado por meio da
plataforma em nuvem do Google Earth Engine (GEE), e teve como
objetivo analisar uma imagem anterior {\`a}s
inunda{\c{c}}{\~o}es (agosto de 2013), e outra ap{\'o}s as
inunda{\c{c}}{\~o}es (abril de 2014), no intuito de identificar
esses alvos. Para verificar o aprendizado do RF foram
classificadas as imagens de 2013 e de 2014, obtendo assim uma
diferen{\c{c}}a das {\'a}reas inundadas e de onde a rede de
drenagem permaneceu igual. Na constru{\c{c}}{\~a}o da
aplica{\c{c}}{\~a}o em ambiente do GEE foi escolhido visualizar
no mapa final somente a classe {\'a}gua, de antes e depois dos
eventos, objetivando destacar, na aplica{\c{c}}{\~a}o, apenas os
locais onde houve inunda{\c{c}}{\~o}es. Os resultados da
aplica{\c{c}}{\~a}o mostram, ao lado esquerdo da janela
deslizante, a classifica{\c{c}}{\~a}o da classe {\'a}gua da
imagem anterior {\`a} inunda{\c{c}}{\~a}o, em cor azul e, ao
lado direito, a classifica{\c{c}}{\~a}o dessa classe ap{\'o}s o
desastre. No lado direito consta, tamb{\'e}m, a
classifica{\c{c}}{\~a}o da {\'a}gua (na cor branca) da imagem
anterior ao desastre, para destacar as {\'a}reas inundadas.",
conference-location = "S{\~a}o Jos{\'e} dos Campos",
conference-year = "11-15 set. 2023",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGPDW34P/4A4HJ72",
url = "http://urlib.net/ibi/8JMKD3MGPDW34P/4A4HJ72",
targetfile = "Costa_aplicacao.pdf",
urlaccessdate = "2024, Dec. 11"
}