@Article{CarlosGoQuSoFeSa:2021:InOpDa,
author = "Carlos, Felipe Menino and Gomes, Vitor Conrado Faria and Queiroz,
Gilberto Ribeiro de and Souza, Felipe Carvalho de and Ferreira,
Karine Reis and Santos, Rafael Duarte Coelho dos",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
de Estudos Avan{\c{c}}ados (IEAv)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas
Espaciais (INPE)} and {Instituto Nacional de Pesquisas Espaciais
(INPE)} and {Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Integrating Open Data Cube and Brazil Data Cube Platforms for Land
Use and Cover Classifications",
journal = "Revista Brasileira de Cartografia",
year = "2021",
volume = "73",
number = "4",
pages = "1036--1047",
keywords = "Earth observation data cube, Land use and land cover
classification, Open data cube, Brazil data cube, Cubo de dados de
observa{\c{c}}{\~a}o da terra, Classifica{\c{c}}{\~a}o de uso
e cobertura da terra, Open data cube, Brazil data cube.",
abstract = "The potential to perform spatiotemporal analysis of the Earth's
surface, fostered by a large amount of Earth Observation (EO) open
data provided by space agencies, brings new perspectives to create
innovative applications. Nevertheless, these big datasets pose
some challenges regarding storage and analytical processing
capabilities. The organization of these datasets as
multidimensional data cubes represents the state-of-the-art in
analysis-ready data regarding information extraction. EO data
cubes can be defined as a set of time-series images associated
with spatially aligned pixels along the temporal dimension. Some
key technologies have been developed to take advantage of the data
cube power. The Open Data Cube (ODC) framework and the Brazil Data
Cube (BDC) platform provide capabilities to access and analyze EO
data cubes. This paper introduces two new tools to facilitate the
creation of land use and land over (LULC) maps using EO data cubes
and Machine Learning techniques, and both built on top of ODC and
BDC technologies. The first tool is a module that extends the ODC
framework capabilities to lower the barriers to use Machine
Learning (ML) algorithms with EO data. The second tool relies on
integrating the R package named Satellite Image Time Series (sits)
with ODC to enable the use of the data managed by the framework.
Finally, water mask classification and LULC mapping applications
are presented to demonstrate the processing capabilities of the
tools. RESUMO: O potencial para realizar an{\'a}lises
espa{\c{c}}o-temporais da superf{\'{\i}}cie terrestre,
fomentado por uma grande quantidade de dados abertos de
Observa{\c{c}}{\~a}o da Terra (EO) fornecidos por ag{\^e}ncias
espaciais, traz novas perspectivas para a cria{\c{c}}{\~a}o de
aplica{\c{c}}{\~o}es inovadoras. No entanto, estes grandes
conjuntos de dados trazem novos desafios em rela{\c{c}}{\~a}o
{\`a}s capacidades de armazenamento e processamento
anal{\'{\i}}tico. A organiza{\c{c}}{\~a}o desses conjuntos
como cubos de dados representa o estado da arte na
disponibiliza{\c{c}}{\~a}o de dados prontos para an{\'a}lise e,
consequentemente, para realiza{\c{c}}{\~a}o de
extra{\c{c}}{\~a}o de informa{\c{c}}{\~a}o. Os cubos de dados
de EO podem ser definidos como um conjunto de s{\'e}ries
temporais de imagens alinhadas no tempo e espa{\c{c}}o. Algumas
tecnologias-chave foram desenvolvidas para aproveitar o poder dos
cubos de dados. O framework Open Data Cube (ODC) e a plataforma
Brazil Data Cube (BDC) fornecem recursos para acessar e analisar
esses dados. Este trabalho introduz duas novas ferramentas para
facilitar a cria{\c{c}}{\~a}o de mapas uso e cobertura da terra
(LULC), utilizando cubos de dados e t{\'e}cnicas de Aprendizado
de M{\'a}quina (ML), criadas com base nas tecnologias ODC e BDC.
A primeira ferramenta {\'e} um m{\'o}dulo que estende as
capacidades do ODC para facilitar a utiliza{\c{c}}{\~a}o de
algoritmos de ML com dados de EO. A segunda ferramenta realiza a
integra{\c{c}}{\~a}o do pacote R denominado Satellite Image Time
Series (sits) com o ODC para possibilitar o uso dos dados
gerenciados por este framework. Para demonstrar o potencial de
processamento das ferramentas desenvolvidas duas
aplica{\c{c}}{\~o}es foram geradas. A primeira trata da
cria{\c{c}}{\~a}o de uma m{\'a}scara de {\'a}gua, enquanto a
segunda da produ{\c{c}}{\~a}o de um mapa de LULC.",
doi = "10.14393/rbcv73n4-60387",
url = "http://dx.doi.org/10.14393/rbcv73n4-60387",
issn = "0560-4613 and 1808-0936",
label = "lattes: 1671507766861221 1 CarlosGoQuSoFeSa:2021:InOpDa",
language = "pt",
targetfile = "carlos_integrating.pdf",
urlaccessdate = "11 maio 2024"
}