Mapeamento do índice sensibilidade em área do litoral da Guiné-Bissau por GEOBIA e Machine Learning

Autores

DOI:

https://doi.org/10.5894/rgci-n568

Resumo

Este trabalho tem como objetivo gerar Índice de Sensibilidade ao Litoral (ISL)  para derramamento de óleo na costa da Guiné-Bissau. Localizada na zona tropical da África Ocidental, a Guiné-Bissau possui uma extensa zona costeira, com predominância de amplitude de maré alta, que influencia o interior do continente em até 150 km, causando cerca de 22% do território inundado durante a estação chuvosa. A metodologia foi baseada nas Especificações e Normas Técnicas para a Elaboração das Cartas SAO, desenvolvida pelo Ministério de Meio Ambiente (MMA) do Brasil, utilizando análise de imagem baseada em objetos geográficos (GEOBIA) e aprendizado de máquina para classificação de cobertura do solo em uma imagem Sentinel (maio de 2020). Após a segmentação da imagem e coleta de amostras, foram extraídos atributos da imagem (média e desvio padrão das bandas espectrais e índices de vegetação). A precisão de diferentes algoritmos de aprendizado de máquina foi avaliada (Random Forest, Support Vector Classifier, Gradient Boosting e Multilayer Perceptron). Random Forest apresentou o maior F1-score (0.97) e foi utilizado para a classificação final da cobertura do solo. As classes de cobertura do solo foram reclassificadas para valores de ISL. A área de estudo apresenta valores de ISL variando de 3 a 10. No entanto, os índices mais altos (8, 9 e 10) representam 94.4% da área mapeada e são considerados as unidades mais difíceis de remover o óleo. Considerando a vulnerabilidade do país à exposição de petroleiros que atravessam o Golfo da Guiné-Bissau, o ISL é uma ferramenta importante na mitigação dos danos ambientais causados por derramamentos de óleo na costa guineense.

Biografias do Autor

  • Cristiane Nunes Francisco, Universidade Federal Fluminense

    Possui graduação em Bacharelado em Geografia pela Universidade Federal do Rio de Janeiro (1991), graduação em Licenciatura em Geografia pela Universidade Federal do Rio de Janeiro (1987), mestrado em Engenharia de Transportes (Geoprocessamento) pela Universidade de São Paulo (1995) e doutorado em Geociências (Geoquímica) pela Universidade Federal Fluminense (2004). Realizou Pós-Doutoramento em Sensoriamento Remoto pelo INPE (2011). Atualmente é professora associada da Universidade Federal Fluminense. Tem experiência em Geociências, com ênfase na aplicação de Sistemas de Informação Geográfica e Sensoriamento Remoto na análise espacial de áreas protegidas e bacias hidrográficas, no mapeamento do uso e cobertura da terra, no planejamento territorial de municípios.

  • Pedro José Farias Fernandes, Universidade Federal Fluminense

    Geógrafo da Universidade Federal Fluminense (UFF). Graduado em Geografia pela UFF (2010), especialista em Geoprocessamento pela PUC-Minas (2016), com mestrado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (2013) e Doutorado em Geografia pela UFF (2019). Atua na área de Sensoriamento Remoto e Geoprocessamento, com foco em Geociências, a partir de Modelos Digitais de Elevação, imagens ópticas e de radares de abertura sintética (SAR), e processamento de outros dados ambientais a partir da linguagem R.

  • Tiago Fernando de Holanda, Universidade Federal Fluminense

    Doutorando em Geografia pela UFF e desenvolve pesquisas no Laboratório de Geografia Física (LAGEF - UFF). Mestrado em Ciências Geodésicas e Tecnologias da Geoinformação pela UFPE e Graduado em Geografia na UFPE no Centro de Filosofia e Ciências Humanas-CFCH no Departamento de Ciência Geográfica. Atuação: Geomorfologia Costeira; SIG em Ambientes Costeiros; Morfodinâmica Costeira; Erosão e proteção Costeira; Geoprocessamento, sensoriamento remoto associado a aquisição e processamento de imagens de Aeronave Remotamente Pilotada ou Drone em áreas costeiras. É um membro do corpo editorial e revisor das Revistas Brasileira de Meio Ambiente - RVBMA; Revista Brasileira de Sensoriamento Remoto - RBSR; Educação Ambiental (Brasil) e Meio Ambiente (Brasil).

Downloads

Publicado

2025-07-14

Edição

Vol. 24 N.º 2 (2024)

Secção

Artigos