LINHA DE COSTA DERIVADA DE SATÉLITE: UMA ABORDAGEM AUTOMATIZADA INTEGRANDO IMAGENS LANDSAT E DADOS DE MARÉ PARA A ANÁLISE GEOMORFOLÓGICA
"2025-09-12 08:54:41" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1845 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 123784 "edicao_id" => 432 "trabalho_id" => 822 "inscrito_id" => 1281 "titulo" => "LINHA DE COSTA DERIVADA DE SATÉLITE: UMA ABORDAGEM AUTOMATIZADA INTEGRANDO IMAGENS LANDSAT E DADOS DE MARÉ PARA A ANÁLISE GEOMORFOLÓGICA" "resumo" => "A linha de costa (LC) é um marcador morfodinâmico essencial para a análise e o monitoramento de processos costeiros, refletindo diretamente a interação entre fatores naturais — como ondas, correntes e marés — e as dinâmicas sedimentares. No contexto das mudanças climáticas e da intensificação dos impactos antrópicos, compreender a evolução da LC é fundamental para a análise geomorfológica de sistemas costeiros vulneráveis (Cooper, 2018; IPCC, 2021). Este trabalho propõe uma metodologia automatizada para a detecção da LC ao longo de 40 anos (1985–2024), utilizando imagens disponíveis da série Landsat, com integração de dados de maré como filtro para seleção temporal. O foco é a zona costeira do estado do Rio de Janeiro, região de alta complexidade geomorfológica, com a presença de praias arenosas, costões rochosos, ambientes estuários e áreas antropizadas.A abordagem metodológica desenvolvida integra programação em Python no Google Colab com a API do Google Earth Engine (GEE), utilizando bibliotecas como Geemap, Skimage e Pandas. As imagens Landsat foram submetidas a filtros de nuvem (QA_PIXEL) e de maré, sendo este último definido com base em dados do SisBaHiA (Rosman, 2000), com limiares definidos a partir de uma dispersão normal de probabilidade. A classificação da superfície hídrica foi realizada por meio do MNDWI (Hanqiu Xu, 2006) e segmentação automática utilizando o limiar adaptativo de Multi-Otsu, Multi-level Thresholding baseada em Otsu, proposto por Liao, Chen e Chung (2001), seguido de vetorização e suavização das linhas através do método PAEK no ArcGIS 10.8. A extração da LC permitiu a aplicação do Digital Shoreline Analysis System (DSAS v6.0), com geração de transectos perpendiculares à linha de base. A análise estatística foi conduzida com base no índice Linear Regression Rate (LRR) e classificada segundo os critérios de Luijendijk et al. (2018), com resultados que indicam cerca de 76,5% dos transectos em estabilidade, 12,63% em acreção e 10,87% em erosão (sendo 0,87% em erosão extrema). Esses padrões evidenciam a resiliência de setores costeiros como a região metropolitana fluminense, ao passo que zonas como a Baía de Guanabara exibem comportamento erosivo. Já a Baía de Sepetiba apresentou tendência clara de acreção, possivelmente associada a dinâmica estuarina e a sedimentação e alterações no fluxo fluvial. Do ponto de vista geomorfológico, a metodologia proposta se destaca por possibilitar a análise decadal de alterações na LC com elevada consistência, mesmo em áreas de morfologia complexa como bancos lamosos e manguezais. Além disso, o uso de condicionantes hidrodinâmicos (maré) durante a seleção das imagens representa um avanço frente a outras metodologias, como o CASSIE (Almeida et al. 2021), que apresenta limitações apontadas pelo próprio autor. Conclui-se que a integração de geotecnologias com critérios geomorfológicos e hidrodinâmicos resulta em uma ferramenta robusta para diagnóstico e gestão costeira. Como proposta futura, sugere-se a aplicação de algoritmos de segmentação semântica, uso de sensores com maior resolução (Sentinel-2, SAR), e expansão da área de estudo, com ampla disponibilização do código e dos dados para a replicabilidade pela comunidade científica e outros" "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "GT 13 - Geotecnologias e Inteligência artificial aplicados a geomorfologia" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO_COMPLETO_EV217_ID1281_TB822_26072025225204.pdf" "created_at" => "2025-09-15 11:26:50" "updated_at" => null "ativo" => 1 "autor_nome" => "PABLO SERGIO MARQUES SIMÕES" "autor_nome_curto" => "Pablo Simões" "autor_email" => "pablosergio.simoes@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL FLUMINENSE (UFF)" "autor_imagem" => "" "edicao_url" => "anais-do-xv-simposio-nacional-de-geomorfologia" "edicao_nome" => "Anais do XV SIMPÓSIO NACIONAL DE GEOMORFOLOGIA" "edicao_evento" => "SIMPÓSIO NACIONAL DE GEOMORFOLOGIA" "edicao_ano" => 2025 "edicao_pasta" => "anais/sinageo/2025" "edicao_logo" => null "edicao_capa" => "68c4605097155_12092025150256.png" "data_publicacao" => null "edicao_publicada_em" => "2025-09-12 08:54:41" "publicacao_id" => 130 "publicacao_nome" => "Revista SINAGEO" "publicacao_codigo" => "978-65-5222-055-4" "tipo_codigo_id" => 2 "tipo_codigo_nome" => "ISBN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 123784 "edicao_id" => 432 "trabalho_id" => 822 "inscrito_id" => 1281 "titulo" => "LINHA DE COSTA DERIVADA DE SATÉLITE: UMA ABORDAGEM AUTOMATIZADA INTEGRANDO IMAGENS LANDSAT E DADOS DE MARÉ PARA A ANÁLISE GEOMORFOLÓGICA" "resumo" => "A linha de costa (LC) é um marcador morfodinâmico essencial para a análise e o monitoramento de processos costeiros, refletindo diretamente a interação entre fatores naturais — como ondas, correntes e marés — e as dinâmicas sedimentares. No contexto das mudanças climáticas e da intensificação dos impactos antrópicos, compreender a evolução da LC é fundamental para a análise geomorfológica de sistemas costeiros vulneráveis (Cooper, 2018; IPCC, 2021). Este trabalho propõe uma metodologia automatizada para a detecção da LC ao longo de 40 anos (1985–2024), utilizando imagens disponíveis da série Landsat, com integração de dados de maré como filtro para seleção temporal. O foco é a zona costeira do estado do Rio de Janeiro, região de alta complexidade geomorfológica, com a presença de praias arenosas, costões rochosos, ambientes estuários e áreas antropizadas.A abordagem metodológica desenvolvida integra programação em Python no Google Colab com a API do Google Earth Engine (GEE), utilizando bibliotecas como Geemap, Skimage e Pandas. As imagens Landsat foram submetidas a filtros de nuvem (QA_PIXEL) e de maré, sendo este último definido com base em dados do SisBaHiA (Rosman, 2000), com limiares definidos a partir de uma dispersão normal de probabilidade. A classificação da superfície hídrica foi realizada por meio do MNDWI (Hanqiu Xu, 2006) e segmentação automática utilizando o limiar adaptativo de Multi-Otsu, Multi-level Thresholding baseada em Otsu, proposto por Liao, Chen e Chung (2001), seguido de vetorização e suavização das linhas através do método PAEK no ArcGIS 10.8. A extração da LC permitiu a aplicação do Digital Shoreline Analysis System (DSAS v6.0), com geração de transectos perpendiculares à linha de base. A análise estatística foi conduzida com base no índice Linear Regression Rate (LRR) e classificada segundo os critérios de Luijendijk et al. (2018), com resultados que indicam cerca de 76,5% dos transectos em estabilidade, 12,63% em acreção e 10,87% em erosão (sendo 0,87% em erosão extrema). Esses padrões evidenciam a resiliência de setores costeiros como a região metropolitana fluminense, ao passo que zonas como a Baía de Guanabara exibem comportamento erosivo. Já a Baía de Sepetiba apresentou tendência clara de acreção, possivelmente associada a dinâmica estuarina e a sedimentação e alterações no fluxo fluvial. Do ponto de vista geomorfológico, a metodologia proposta se destaca por possibilitar a análise decadal de alterações na LC com elevada consistência, mesmo em áreas de morfologia complexa como bancos lamosos e manguezais. Além disso, o uso de condicionantes hidrodinâmicos (maré) durante a seleção das imagens representa um avanço frente a outras metodologias, como o CASSIE (Almeida et al. 2021), que apresenta limitações apontadas pelo próprio autor. Conclui-se que a integração de geotecnologias com critérios geomorfológicos e hidrodinâmicos resulta em uma ferramenta robusta para diagnóstico e gestão costeira. Como proposta futura, sugere-se a aplicação de algoritmos de segmentação semântica, uso de sensores com maior resolução (Sentinel-2, SAR), e expansão da área de estudo, com ampla disponibilização do código e dos dados para a replicabilidade pela comunidade científica e outros" "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "GT 13 - Geotecnologias e Inteligência artificial aplicados a geomorfologia" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO_COMPLETO_EV217_ID1281_TB822_26072025225204.pdf" "created_at" => "2025-09-15 11:26:50" "updated_at" => null "ativo" => 1 "autor_nome" => "PABLO SERGIO MARQUES SIMÕES" "autor_nome_curto" => "Pablo Simões" "autor_email" => "pablosergio.simoes@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL FLUMINENSE (UFF)" "autor_imagem" => "" "edicao_url" => "anais-do-xv-simposio-nacional-de-geomorfologia" "edicao_nome" => "Anais do XV SIMPÓSIO NACIONAL DE GEOMORFOLOGIA" "edicao_evento" => "SIMPÓSIO NACIONAL DE GEOMORFOLOGIA" "edicao_ano" => 2025 "edicao_pasta" => "anais/sinageo/2025" "edicao_logo" => null "edicao_capa" => "68c4605097155_12092025150256.png" "data_publicacao" => null "edicao_publicada_em" => "2025-09-12 08:54:41" "publicacao_id" => 130 "publicacao_nome" => "Revista SINAGEO" "publicacao_codigo" => "978-65-5222-055-4" "tipo_codigo_id" => 2 "tipo_codigo_nome" => "ISBN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }