@InProceedings{PereiraCechFronDepp:2018:UsPlGo,
author = "Pereira, Gabriel Henrique de Almeida and Cechim J{\'u}nior,
Cl{\'o}vis and Fronza, Giovani and Deppe, Fl{\'a}vio",
affiliation = "{Sistema Meteorol{\'o}gico do Paran{\'a} (SIMEPAR)} and {Sistema
Meteorol{\'o}gico do Paran{\'a} (SIMEPAR)} and {Sistema
Meteorol{\'o}gico do Paran{\'a} (SIMEPAR)} and {Sistema
Meteorol{\'o}gico do Paran{\'a} (SIMEPAR)}",
title = "Uso da plataforma Google Earth Engine para an{\'a}lise
multitemporal de imagens SAR para detec{\c{c}}{\~a}o de
varia{\c{c}}{\~o}es de {\'a}reas inundadas no Pantanal",
booktitle = "Anais...",
year = "2018",
editor = "Silva, Jo{\~a}o dos Santos Vila da and Namikawa, La{\'e}rcio
Massaru",
pages = "274--282",
organization = "Simp{\'o}sio de Geotecnologias no Pantanal 7, (GEOPANTANAL)",
publisher = "Embrapa Inform{\'a}tica Agropecu{\'a}ria, Instituto Nacional de
Pesquisas Espaciais (INPE)",
address = "Campinas, S{\~a}o Jos{\'e} dos Campos.",
keywords = "Sensoriamento Remoto, processamento de imagens, s{\'e}ries
temporais de imagens, mapeamento de sazonalidade, {\'a}reas
alagadas, Remote Sensing, image processing, time series images,
seasonality mapping, wetlands.",
abstract = "O Pantanal {\'e} um dos biomas mais importantes e conservados do
Brasil. Esta regi{\~a}o {\'e} alagada anualmente em
per{\'{\i}}odos de precipita{\c{c}}{\~a}o pelo rio Paraguai e
seus afluentes. O entendimento da din{\^a}mica de
inunda{\c{c}}{\~a}o {\'e} de extrema import{\^a}ncia, pois
esta influencia todo o ecossistema do Pantanal. Para identificar
as {\'a}reas inundadas e suas altera{\c{c}}{\~o}es em
diferentes per{\'{\i}}odos anualmente, devido a grande
extens{\~a}o territorial do bioma, surge como alternativa o uso
de dados de Sensoriamento Remoto. Dentre os poss{\'{\i}}veis
sensores capazes de mapeamento destas {\'a}reas inund{\'a}veis
destaca-se o radar, principalmente pela baixa infl{\^e}ncia de
cobertura de nuvens, permitindo imageamento em {\'e}pocas de
chuva ou seca. Desta forma, para este trabalho, utilizou-se
imagens de radar do sat{\'e}lite Sentinel 1, para os anos de 2016
e 2017. Todas as imagens dispon{\'{\i}}veis destes anos para a
{\'a}rea de estudo foram utilizadas para gera{\c{c}}{\~a}o de
uma imagem que representa a sazonalidade na regi{\~a}o. Ao todo,
664 imagens de radar do Sentinel 1 para os anos de 2016 e 2017
foram processadas. O processamento de tal quantidade de dados foi
poss{\'{\i}}vel a partir da plataforma Google Earth Engine,
capaz de robusto processamento de grande quantidade de dados, em
especial de Sensoriamento Remoto. Ao fim, foi poss{\'{\i}}vel
gerar uma imagem que representa a sazonalidade de cada ano, que
mostrou-se diferente em cada ano, e a compara{\c{c}}{\~a}o entre
estes anos, real{\c{c}}ando a diferen{\c{c}}a entre {\'a}reas
alagadas para o ano de 2016 e 2017. ABSTRACT: The Pantanal is one
of the most important and preserved biomes in Brazil. This region
is flooded annually due to episodes of precipitation along the
Paraguay River and its tributaries. Understanding the dynamics of
flooding is extreme important since it influences the entire
Pantanal ecosystem. Remote Sensing data is an alternative to the
identification of flooded areas and their changes in different
periods due to the great territorial extension of the biome. Among
the possible sensors capable of mapping these flooded areas Radar
sensor is one of the most attractive - mainly due to the low
influence of cloud cover and atmospheric conditions, allowing
imaging in drought or rainy seasons. For this work, Radar images
from Sentinel 1 satellites for the years 2016 and 2017 were used.
All the images available from these years for the study area were
used to generate images that represent the seasonality in the
region. In total, 664 Sentinel 1 radar images were processed to
generate a seasonal image for each year. The processing of such
amount of data was possible through Google Earth Engine platform,
which is capable of robust processing of a large amount of data,
especially Remote Sensing data. At the end, it was possible to
generate images that represent the seasonality of each year, which
was visibly different for each year. It was also possible to do
the comparison between the years, highlighting the difference
between flooded areas.",
conference-location = "Jardim",
conference-year = "20-24 out. 2018",
language = "pt",
ibi = "8JMKD3MGPDW34M/46TCMAE",
url = "http://urlib.net/ibi/8JMKD3MGPDW34M/46TCMAE",
targetfile = "p41.pdf",
type = "Cartografia, Sistemas Sensores e SIG",
urlaccessdate = "09 maio 2024"
}