Técnicas com multi-sensores para mapeamento de inundação
um estudo de caso na cidade de Tarauacá (Acre, bacia Amazônica, Brasil)
DOI:
https://doi.org/10.21170/geonorte.2022.V.13.N.42.90.111Palavras-chave:
Ameaça, Sensoriamento Remoto, NDWI, TarauacáResumo
O objetivo deste artigo é realizar o mapeamento de áreas inundáveis a partir de técnicas com multi-sensores em um estudo de caso no estado do Acre (Amazônia-Brasil). As inundações são o desastre mais comum na Amazônia, embora este tipo de mapeamento tenha sido feito de forma sistemática em todo o território brasileiro apenas recentemente por órgães governamentais oficiais. A cidade de Tarauacá (Acre, Amazonas, Brasil) é a área de estudo deste trabalho. Os métodos para mapeamento de inundação incluíram dados de radar (Sentinel-1/S1) e sensor óptico (Sentinel-2/S2), separadamente e em uma abordagem de fusão. A extensão da inundação foi medida no Sentinel-1 VV, no NDWI Sentinel-2 e na classificação não supervisionada dos dados de fusão S1 e S2. As áreas totais resultantes variam: 8,23 km2 (S1), 7,86 km2 (NDWI-S2) e 11,87 km2 (fusão multisensor). Os resultados da fusão S1S2 foram validados a partir do cálculo da acurácia global (70%), erros de omissão e comissão e com o índice kappa (0,59). O uso de multi-sensores pode auxiliar no mapeamento de ameaças e de risco de inundação já que consegue obter características da superfície da água utilizando de maneira complementar imagens óticas e de radar. Este método é viável para outras regiões amazônicas e auxilia nas ações emergenciais de resposta a desastres.
Downloads
Referências
ACRE. Zoneamento Ecológico-Econômico do Estado do Acre, Fase II – Escala 1:250.000: Documento Síntese. Secretaria de Estado de Meio Ambiente, Rio Branco. 2010a
ACRE. Zoneamento Ecológico-Econômico do Estado do Acre, Fase II – Escala 1:250.000: Secretaria de Estado de Meio Ambiente Recursos naturais: geologia, geomorfologia e solos do Acre. Secretaria de Estado de Meio Ambiente, Rio Branco. 2010b
ACRE. Plano estadual de Recursos Hídricos do Acre. Secretaria de Estado de Meio Ambiente, Rio Branco. 2012.
ACRE Decreto n. 8.084 de 22 de fevereiro de 2021. Declara Estado de Calamidade Pública nas áreas dos Municípios de Rio Branco, Sena Madureira, Santa Rosa do Purus, Feijó, Tarauacá, Jordão, Cruzeiro do Sul, Porto Walter, Mâncio Lima e Rodrigues Alves afetadas por enchentes, e dá outras providências. <https://agencia.ac.gov.br/wp-content/uploads/2021/02/DO16140183667617.pdf>.
Accessed 10 April 2021 . 2021
AMITRANO D.; MARTINO G.D.; IODICE A.; RICCIO D.; RUELLO G. Unsupervised rapid flood mapping using sentinel-1 grd sar images. IEEE Transactions on Geoscience and Remote Sensing, v.56, p. 3290–3299, 2018. https://dx.doi.org/10.1109/TGRS.2018.2797536
ANA - Agência Nacional de Águas. Registro da serie histórica. <https://www.gov.br/ana/pt-br> Accessed 10 April 2020. 2020.
ANDRADE M.M.N.; BANDEIRA I.C.N.; FONSECA D.D.F.; BEZERRA P.E.S.; ANDRADE A.S.; OLIVEIRA R.S. Flood risk mapping in the Amazon. In: THEODORE H.; PRASADA R. (Org) Flood Risk Management , 1ed. InTech, Rijeka, pp. 41-54. 2017.
ANDRADE M.M.N.; SZLAFSZTEIN C.F. Coping, adaptation strategies, and institutional perception of hydrological risks in an urban Amazon city. Disasters, v.44, p. 708-725, 2019. https://doi.org/10.1111/disa.12414
BECKER B.K. Undoing myths: the Amazon - an urbanized forest. In: Clüsener-Godt M, Sachs I (Orgs). Brazilian perspectives on sustainable development for the Amazon region. UNESCO, Paris, pp. 53-89, 1995.
BRUBASCHER J.P.; GUASSELLI L.A. Mapeamento da área inundável da planície do rio dos Sinos a partir do Índice NDWI, São Leopoldo – RS. In: Simpósio Brasileiro de Sensoriamento Remoto. 2013
CONGALTON R. A review of assessing the accuracy of classifications of remotely sensed data, Remote Sensing of Environment, v.37, p. 35–46, 1991.
COHEN J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement, v. 46, p. 20-37, 1960.
CORTES J.P.S.; SZLAFSZTEIN C.F.; LUVIZOTTO G.L. Geomorfologia e planejamento ambiental em uma região de conflitos socioambientais na Amazônia Brasileira. Revista Geociências, v.39, n.3, p. 765 – 778, 2020.
CPRM - Companhia de Pesquisa de Recursos Minerais. Ação emergencial para delimitação de áreas em alto e muito alto risco a enchentes, inundações e movimentos de massa: Tarauacá, AC. https://rigeo.cprm.gov.br/jspui/handle/doc/15366. 2015
CPRM - Companhia de Pesquisa de Recursos Minerais. Unidades litoestratigráficas - 1: 1.000.000. https://geoportal.cprm.gov.br/geosgb/. 2004
CPRM - Companhia de Pesquisa de Recursos Minerais. Números de municípios mapeados com áreas de risco no Brasil. https://www.cprm.gov.br/publique/Gestao-Territorial/Prevencao-de-Desastres/Produtos-por-Estado---Setorizacao-de-Risco-Geologico-5390.html. 2021a
CPRM - Companhia de Pesquisa de Recursos Minerais. Boletim de alerta hidrológico com previsão de níveis na bacia do rio Acre. https://www.cprm.gov.br/sace/acre . 2021b.
D’ADDABBO A.; REFICE A.; PASQUARIELLO G.; LOVERGINE F.P.; CAPOLONGO D.; MANFREDA S. A bayesian network for flood detection combining sar imagery and ancillary data. IEEE Transactions on Geoscience and Remote Sensing, v. 54, p. 3612–3625, 2016. https://dx.doi.org/10.1109/TGRS.2016.2520487.
ESA – European Space Agency. Information about Sentinel-1 Data Products. https://sentinels.copernicus.eu/web/sentinel/missions/sentinel-1/data-products. Accessed 15 june 2021. 2021.
FASSONI-ANDRADE A.C.; PAIVA R.C.D.; RUDORFF C.M.; BARBOSA C.C.F.; NOVO E.M.L.M. High-resolution mapping of floodplain topography from space: A case study in the Amazon. Remote Sensing of Environment. 2020. https://doi.org/10.1016/j.rse.2020.112065
FILIZOLA N.; GUYOT J.L.; MOLINIER M.; GUIMARÃES V.; OLIVEIRA E.; FREITAS M.A. Caracterização hidrológica da Bacia Amazônica. In: Rivas A, Freitas CEC (eds) Amazônia: uma perspectiva interdisciplinar. Editora da Universidade do Amazonas, Manaus, pp 35-53. 2002.
FOODY G.M. Status of Land Cover Classification Accuracy Assessment. Remote Sensing of Environment, v. 80, p. 185–201, 2002.
G1. Com 90% da cidade atingida pela cheia, Tarauacá decreta calamidade pública. https://g1.globo.com/ac/acre/noticia/2021/02/20/com-90percent-da-cidade-atingida-pela-cheia-tarauaca-decreta-calamidade-publica.ghtml. Accessed 20 february 2021. 2021.
HAQ M.; AKHTAR M.; MUHAMMAD S.; PARAS S.; RAHMATULLAH J. Techniques of remote sensing and GIS for flood monitoring and damage assessment: a case study of Sindh province, Pakistan. The Egyptian Journal of Remote Sensing and Space Science, v.15, n.2, p.135-141. 2012.
HORRITT M.S.; MASON D.C.; LUCKMAN A.J. Flood boundary delineation from synthetic aperture radar imagery using a statistical active contour model. International Journal of Remote Sensing, v. 22, p. 2489–2507, 2001. https://doi.org/10.1080/01431160116902
IBGE. Extensão territorial do município de Tarauacá. https://www.ibge.gov.br/cidades-e-estados/ac/tarauaca.html. Accessed 20 february 2021. 2021.
IBGE (2020) Instituto Brasileiro de Geografia e Estatística. Estatísticas por cidade e estado. Accessed 18 february 2021. 2020. Disponível em: <https://cidades.ibge.gov.br/brasil/ac/tarauaca/panorama>.
INGLADA J.; MERCIER G. A new statistical similarity measure for change detection in multitemporal sar images and its extension to multiscale change analysis. IEEE Transactions on Geoscience and Remote Sensing, v. 45, p. 1432–1445, 2007. https://doi.org/10.1109/TGRS.2007.893568
LANDIS J.R.; KOCH G.G. The measurement of observer agreement for categorical data. Biometrics, v. 33, p. 159–174, 1977.
LIMA J.L.; SOUSA K.N.S.; SANTOS P.R.B. Detecção remota dos potenciais efeitos de secas intensas sobre a sazonalidade da água no complexo fluvio-lacustre do Curuaí, Rio Amazonas, Pará, Brasil. Geo UERJ, n. 38, p. 1-14, 2019.
MACÊDO M.N.C.; DIAS H.C.T.; COELHO F.M.G.; ARAÚJO E.A.; SOUZA M.L.H.; SILVA E. Precipitação pluviométrica e vazão da bacia hidrográfica do Riozinho do Rôla, Amazônia Ocidental. Ambi-Água, v.8 p. 206-221, 2013. https://dx.doi.org/10.4136/ambi-agua.809
MANJUSREE P.; KUMAR L.P.; BHATT C.M.; RAO G.S.; BHANUMURTHY V. Optimization of Threshold Ranges for Rapid Flood Inundation Mapping by Evaluating Backscatter Profiles of High Incidence Angle SAR Images. International Journal of Disaster Risk Science, v.3, p. 113–122, 2012. https://doi.org/10.1007/s13753-012-0011-5
MARINI D.P.; SZLAFSTEIN C.F. Ameaças e desastres naturais na Amazônia Sul Ocidental: análise da bacia do rio purus. Ra’e Ga, v.35, p. 68-94, 2016. https://dx.doi.org/10.5380/raega.v35i0.38820
MARTINIS S.; TWELE A.; VOIGT S. Towards operational near real-time flood detection using a split-based automatic thresholding procedure on high resolution terrasar-x data. Natural Hazards and Earth System Science, v.9, p. 303–314, 2009. https://doi.org/10.5194/nhess-9-303-2009
MCFEETERS S.K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, v.17, p. 1425-1432, 1996. https://doi.org/10.1080/01431169608948714
MEMON A. A.; MUHAMMAD S.; RAHMAN S.; HAQ M. Flood monitoring and damage assessment using water indices: A case study of Pakistan flood-2012. The Egyptian Journal of Remote Sensing and Space Science, v.18, n.1, p.99-106, 2015.
MEYER F. Spaceborne Synthetic Aperture Radar: Principles, Data Access, and Basic Processing Techniques. In: FLORES-ANDERSON A.I.; HERNDON K.E.; THAPA R.B.; CHERRINGTON E. (ed) The Synthetic Aperture Radar (SAR) Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. Nasa, pp. 21-44, 2019. https://doi.org/10.25966/nr2c-s697
MMA - Ministério do Meio Ambiente. Plano de Manejo da Reserva Extrativista do Alto Tarauacá/AC. Instituto Chico Mende de Conservação da Biodiversidade, Brasília, 2020.
NOVO E.M.L.M. Sensoriamento Remoto: princípios e aplicações. Edgard Blucher, São Paulo, 2008.
PARK J.; JANG S.; HONG R.; SUH K.; SONG I. Development of Land Cover Classification Model Using AI Based FusionNet Network. Remote Sensing, v.12, n.19, p.3171, 2020. https://doi.org/10.3390/rs12193171
PEREIRA D.M.; SZLAFSZTEIN C.F. Ameaças e desastres naturais na Amazônia Sul Ocidental: anaálise do Rio Purus. Ra’e Ga, v.35, p.68 – 94, 2015.
PRADHAN B.; TEHRANY M.S.; JEBUR M.N. A new semiautomated detection mapping of flood extent from terrasar-x satellite image using rule-based classification and taguchi optimization techniques. IEEE Transactions on Geoscience and Remote Sensing, v.54, p. 4331–4342, 2016. https://dx.doi.org/10.1109/TGRS.2016.2539957
PRIGENT C.; PAPA F.; AIRES F.; ROSSOW W.B.; MATTHEWS E. Global inundation dynamics inferred from multiple satellite observations. Journal of Geophysical Research, v.112, n.12, p.1993–2000, 2007.
RENO V.F.; NOVO E.M.L.M.; ALMEIDA-FILHO R.; SUEMITSU C. Mapeamento da antiga cobertura vegetal de várzea do Baixo Amazonas a partir de imagens históricas (1975-1981) do Sensor MSS-Landsat. Acta Amazonica, v.41, p. 47-56, 2011. https://doi.org/10.1590/S0044-59672011000100006
RICHEY J.E.; MERTES L.K.; DUNNE T.; VICTORIA R.L.; FORSBERG B.R.; TANCREDI A.C.N.S.; OLIVEIRA E. Sources and routing of the Amazon River flood wave. Global Biogeochemical Cycles, v.3, n.3, p. 191–204, 1989. https://doi.org/10.1029/gb003i003p00191
SAMANTA D.; SANYAL G. Development of Adaptive Thresholding Technique for Classification of Synthetic Aperture Radar Images. International Journal of Computer Science & Technology, v.2, p. 99- 102, 2001.
SOUZA C.M.; KIRCHHOFF F.T.; OLIVEIRA B.C.; RIBEIRO J.G.; SALES M.H. Long-term annual surface water change in the Brazilian Amazon Biome: Potential links with deforestation, infrastructure development and climate change. Water, 2019. https://doi. org/10.3390/w11030566
SOUZA S.V.; RODRIGUES S.W.P. Dados multi-sensores para reconhecimento e mapeamento de ambientes sedimentares na planície do Rio Amazonas. Revista Geociências, v. 39, n.2, p. 425 – 436, 2020.
STEHR A.; AGUAYO M. Snow cover dynamics in Andean watersheds of Chile (32.0–39.5◦ S) during the years 2000–2016. Hydrology and Earth System Science, v.21, p. 5111–5126, 2017.
SZLAFSZTEIN C.F. Management of natural disasters in the Brazilian Amazon region. Natural Hazards. v.76,p.1745-1757, 2015.
TOWNSEND P.A.; FOSTER J.R. A Synthetic Aperture Radar- Based Model to Assess Historical Changes in Lowland Floodplain Hydroperiod. Water Resources Research, v.38, p.1–20, 2002. https://doi.org/10.1029/2001WR001046
TRINDADE-JUNIOR S.C.D. Thinking about territorial modernization and diffuse urbanization in the Amazon. Mercator, v.14, p. 93-106, 2015. https://doi.org/10.4215/RM2015.1404.0007
UDDIN K.; MATIN M.A.; MEYER F.J. Operational flood mapping using multi-temporal sentinel-1 sar images: A case study from Bangladesh. Remote Sensing, v.11, 1581, 2019. https://doi.org/10.3390/rs11131581
WU S.; LIU R.; YOMMY A.S. SAR image despeckling using refined lee filter. In Proceedings of the 2015 7th International Conference on Intelligent Human-Machine Systems and Cybernetics. 2015. https://doi.org/10.1109/IHMSC.2015.236
ZHANG M.; CHEN F.; LIANG D.; TIAN B.; YANG A. Use of Sentinel-1 GRD SAR Images to Delineate Flood Extent in Pakistan. Sustainability, v.12, 5784, (=2020. https://doi.org/10.3390/su12145784
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
