O SENSORIAMENTO REMOTO E MACHINE LEARNING APLICADOS AO MAPEAMENTO E CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO EM TRÊS CIDADES INSERIDAS NO BIOMA CAATINGA, NA MICRORREGIÃO VALE DO AÇU, RIO GRANDE DO NORTE

Autores

DOI:

https://doi.org/10.21680/2177-8396.2025v37n3ID39889

Resumo

Compreender o uso e cobertura do solo é essencial para o planejamento territorial eficiente e sustentável. O presente estudo avaliou a dinâmica de uso e cobertura do solo em três municípios da microrregião do Vale do Açu, Rio Grande do Norte, utilizando geotecnologias. Foram analisadas imagens do satélite Sentinel-2, do dia de 24 de julho de 2021. A classificação do uso e cobertura do solo foi realizada por meio de aprendizado de máquina com o modelo Random Forest, em abordagem supervisionada orientada a objetos. Os resultados indicaram que a vegetação nativa ainda predomina na região, exceto em Porto do Mangue, onde há maior presença de áreas agrícolas. A intensificação das atividades humanas, especialmente agrícolas, está diretamente relacionada às mudanças na cobertura do solo, evidenciando a importância do monitoramento para o planejamento territorial sustentável.

Downloads

Não há dados estatísticos.

Biografia do Autor

Anselmo Manoel dos Santos, Instituto Nacional de Pesquisas Espaciais - INPE

Meteorologista e Cientista de Dados, com graduação (2015) e mestrado (2018) pela UFAL, atua como Gestor de Meteorologia no Centro de Operações da Prefeitura do Recife desde maio de 2023. Integrei durante 8 anos o Laboratório de Análise e Peocessamento de Imagens de Satélites (LAPIS/UFAL). Possui ampla experiência em previsão de tempo, Sensoriamento Remoto e Geoprocessamento volta a análise da dinâmica espacial do comportamento da vegetação. Especialista no monitoramento de ciclones tropicais, convecção intensa (overshot tops), seca e desastres naturais. Cientista e Analista de dados como foco para exploração de dados geoespaciais. Domina ferramentas computacionais, com destaque para Python, além de Shell Script e R, aplicados a estudos atmosféricos e ambientais. Lattes: http://lattes.cnpq.br/7854738354307972

Gabrielle Oliveira, Instituto Nacional de Pesquisas Espaciais-INPE

Gestora em Meteorologia do Centro de Operações da cidade do Recife atuando na meteorologia operacional voltada para a previsão e monitoramento das condições de tempo na cidade, com ênfase na consultoria meteorológica para tomadas de decisões. Doutora em Meteorologia pela Universidade Federal de Campina Grande, obtendo o título em dezembro de 2021. Possui Bacharelado (2015) e Mestrado (2017) em Meteorologia pela mesma instituição. Atuou como bolsista do Programa de Capacitação Institucional do Instituto Nacional de Pesquisas Espaciais (INPE), fazendo parte do Grupo de Geoprocessamento do MCTI (Ministério da Ciência, Tecnologia e Inovações) da Coordenação Espacial do Nordeste (COENE). Tem experiências em diferentes áreas da Geociências, com ênfase na Meteorologia de Mesoescala, Micrometeorologia, Meteorologia Sinótica, Análise Multivariada, Meteorologia Operacional e Nowcasting, além de atuar na gestão de riscos e desastres associados a eventos extremos. Atualmente atua nas áreas de monitoramento e previsão de tempo, redução de riscos de desastres, análise de dados, emissão de boletins meteorológicos e divulgação de alertas à população e gestores da Prefeitura da Cidade do Recife, dando suporte nas definições do estágio operacional da cidade.

Downloads

Publicado

02-12-2025

Como Citar

MANOEL DOS SANTOS, Anselmo; OLIVEIRA, Gabrielle; ALVES ARRAES, Kátia. O SENSORIAMENTO REMOTO E MACHINE LEARNING APLICADOS AO MAPEAMENTO E CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO EM TRÊS CIDADES INSERIDAS NO BIOMA CAATINGA, NA MICRORREGIÃO VALE DO AÇU, RIO GRANDE DO NORTE. Sociedade e Território, [S. l.], v. 37, n. 3, 2025. DOI: 10.21680/2177-8396.2025v37n3ID39889. Disponível em: https://www.periodicos.ufrn.br/sociedadeeterritorio/article/view/39889. Acesso em: 9 dez. 2025.

Edição

v. 37 n. 3 (2025): Edição Especial - Sensoriamento Remoto, Geotecnologias e SIG

Seção

NÚMERO ESPECIAL – Sensoriamento Remoto, Sistema de Informações Geográficas (SIG) e Geotecnologias

Licença

Copyright (c) 2025 Sociedade e Território

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

A Revista Sociedade e Território deterá os direitos autorais dos trabalhos publicados, mas não se opõem a sua reprodução em qualquer parte do mundo desde que citados os direitos autorais. Os direitos autorais se referem à publicação em qualquer parte do mundo, incluindo os direitos às renovações, expansões e disseminações da contribuição, bem como outros direitos subsidiá¡rios. Os(as) autores(as) têm permissão para a publicação da contribuição em outro meio, impresso ou digital, em português ou em tradução, desde que os devidos créditos sejam dados à Revista Sociedade e Território.
A Revista Sociedade e Território se reserva o direito de adequar os textos submetidos sempre que for para melhorar sua clareza ou ajustar às normas de publicação, e desde que o autor não se manifeste em contrário.


La Revista Sociedade e Território retendrá el copyright de los trabajos publicados. Los derechos tienen referencia con la publicación del trabajo en cualquier parte del mundo, incluyendo los derechos a las renovaciones, expansiones y diseminaciones de la contribución, así como otros derechos subsidiarios. Los autores tienen permiso para la publicación de la contribución en otra medio, materia impresa o digital, en portugués o en otra traducción, desde que los créditos tenidos sean dados a la Revista Sociedade e Território.