Alencar et al – Mapping Three Decades of Changes in the Brazilian Savanna Native Vegetation Using Landsat Data Processed in the Google Earth Engine Platform.
O Cerrado brasileiro representa a maior savana da América do Sul e o bioma mais ameaçado do Brasil devido à expansão agrícola. Para avaliar as áreas de vegetação nativa de Cerrado (NV) mais suscetíveis a mudanças naturais e antropogênicas ao longo do tempo, classificamos 33 anos (1985–2017) de imagens Landsat disponíveis na plataforma Google Earth Engine (GEE).
Nunes et al – Unmasking secondary vegetation dynamics in the Brazilian Amazon
Este artigo utiliza séries temporais de dados anuais de cobertura da terra MapBiomas para gerar o primeiro estimativas da extensão da VS, idade e absorção líquida de carbono na Amazônia brasileira entre 1985 e 2017.
Saraiva et al- Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep Learning
Neste artigo, propomos um método para detectar e mapear automaticamente sistemas de irrigação por pivô central usando U-Net, uma arquitetura de rede neural convolucional de segmentação de imagens, aplicada a uma constelação de imagens PlanetScope do bioma Cerrado do Brasil. Nosso objetivo é fornecer uma alternativa rápida e precisa para mapear sistemas de irrigação por pivô central com imagens de alta resolução espacial e temporal.
Parente et al – Next Generation Mapping: Combining Deep Learning, Cloud Computing, and Big Remote Sensing Data.
Este estudo avaliou, com base em milhares de imagens do PlanetScope obtidas ao longo de um período de 12 meses, o desempenho de três abordagens de aprendizado de máquina (floresta aleatória, memória longa de curto prazo-LSTM e U-Net). Aplicamos essas abordagens a pastagens mapeadas em uma região do Brasil Central.
Parente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017: A novel approach based on high spatial resolution imagery and Google Earth Engine cloud computing.
Este trabalho mapeou, anualmente e de forma inédita, a totalidade das pastagens brasileiras, de 1985 a 2017. Com uma precisão geral de cerca de 90%, os 33 mapas produzidos indicaram a área de pastagem variando de ~ 118 Mha ± 3,41% (1985) a ~ 178 Mha ± 2,53% (2017), com esta expansão ocorrendo principalmente na região norte do país e em menor medida no meio-oeste.
Diniz et al. – Brazilian Mangrove Status: Three Decades of SatelliteData Analysis.
Este manuscrito apresenta um pipeline gerenciado pelo Google Earth Engine (GEE) para calcular a situação anual dos manguezais brasileiros de 1985 a 2018, junto com um novo índice espectral, o Índice de Reconhecimento de Manguezais Modular (MMRI), que foi projetado especificamente para discriminar melhor florestas de mangue da vegetação circundante.
Souza, Jr. et al – Long-Term Annual Surface Water Change in the Brazilian Amazon Biome: Potential Links with Deforestation, Infrastructure Development and Climate Change.
Neste estudo, apresentamos uma análise espaço-temporal de longo prazo da mudança anual da água de superfície e abordamos as conexões potenciais com o desmatamento, a expansão da infraestrutura e as mudanças climáticas nesta região.
Mas et al – Analysis of High Temporal Resolution Land Use/Land Cover Trajectories.
Neste estudo, métodos, originalmente desenvolvidos para avaliar as trajetórias do curso de vida, são explorados a fim de avaliar as mudanças do solo por meio da análise de sequências de uso / cobertura do solo. Mapas anuais de cobertura da terra que descrevem o uso da terra / mudanças na cobertura da terra para o período 1985-2017 para uma grande região no Nordeste do Brasil foram analisados.
Costa et al – Novas tecnologias e sensoriamento remoto: aplicação de uma oficina didática para a disseminação das potencialidades dos produtos e ferramentas do MapBiomas.
Este trabalho objetivou relatar as experiências da aplicação de uma oficina didática que tratou sobre as potencialidades dos produtos e das ferramentas do Projeto Mapbiomas em uma turma do Programa de Pós-graduação em Modelagem em Ciências da Terra e do Ambiente, da Universidade Estadual de Feira de Santana.
Leandro Parente & Laerte Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian Pasturelands Based on the Automated Classification of MODIS Images from 2000 to 2016.
Este estudo mapeou, por meio de critérios objetivos e métodos de classificação automática (Random Forest) aplicados a imagens MODIS (Moderate Resolution Imaging Spectrorradiometer), a totalidade das pastagens brasileiras entre 2000 e 2016.