CLASSIFICAÇÃO SUPERVISIONADA DE ÁREA IRRIGADA UTILIZANDO ÍNDICES ESPECTRAIS DE IMAGENS LANDSAT-8 COM GOOGLE EARTH ENGINE

英语. Identifying irrigation areas with satellite images is a challenge that finds great potential in cloud computing solutions through the Google Earth Engine (GEE) tool, which facilitates the process of searching, filtering and manipulating large volumes of data. remote sensing without the need for paid software or image downloading. The present paper evaluated the automation of the supervised classification of irrigated areas in the region of Sorriso and Lucas do Rio Verde / MT with the CART algorithm in the GEE environment using bands 1-7 of the Landsat-8 satellite together with the NDVI, NDWI and SAVI indices. The NDWI index was the main distinguishing factor between irrigated and non-irrigated areas. The accuracy of supervised classification was 99.4%. The developed source code is avaliable in the appendix.

葡萄牙语. CLASSIFICAÇÃO SUPERVISIONADA DE ÁREA IRRIGADA UTILIZANDO ÍNDICES ESPECTRAIS DE IMAGENS LANDSAT-8 COM GOOGLE EARTH ENGINE   CÉSAR DE OLIVEIRA FERREIRA SILVA1   1 Departamento de Engenharia Rural, Faculdade de Ciências Agronômicas, Universidade Estadual Paulista (UNESP) Campus de Botucatu. Avenida Universitária, n° 3780, Altos do Paraíso, CEP: 18610-034, Botucatu – SP, Brasil, e-mail: [email protected].     1 RESUMO   Identificar áreas de irrigação usando imagens de satélite é um desafio que encontra em soluções de computação em nuvem um grande potencial, como na ferramenta Google Earth Engine (GEE), que facilita o processo de busca, filtragem e manipulação de grandes volumes de dados de sensoriamento remoto sem a necessidade de softwares pagos ou de download de imagens. O presente trabalho apresenta uma implementação de classificação supervisionada de áreas irrigadas e não-irrigadas na região de Sorriso e Lucas do Rio Verde/MT com o algoritmo Classification and Regression Trees (CART) em ambiente GEE utilizando as bandas 2-7 do satélite Landsat-8 e os índices NDVI, NDWI e SAVI. A acurácia da classificação supervisionada foi de 99,4% ao utilizar os índices NDWI, NDVI e SAVI e de 98,7% sem utilizar esses índices, todas consideradas excelentes. O tempo de processamento médio, refeito 10 vezes, foi de 52 segundos, considerando todo o código-fonte desenvolvido desde a filtragem das imagens até a conclusão da classificação. O código-fonte desenvolvido é apresentado em anexo de modo a difundir e incentivar o uso do GEE para estudos de inteligência espacial em irrigação e drenagem por sua usabilidade e fácil manipulação.   Keywords: computação em nuvem, sensoriamento remoto, hidrologia, modelagem.     SILVA, C. O .F SUPERVISED CLASSIFICATION OF IRRIGATED AREA USING SPECTRAL INDEXES FROM LANDSAT-8 IMAGES WITH GOOGLE EARTH ENGINE     2 ABSTRACT   Identifying irrigation areas using satellite images is a challenge that finds great potential in cloud computing solutions as the Google Earth Engine (GEE) tool, which facilitates the process of searching, filtering and manipulating large volumes of remote sensing data without the need for paid software or image downloading. The present work presents an implementation of the supervised classification of irrigated and rain-fed areas in the region of Sorriso and Lucas do Rio Verde/MT with the Classification and Regression Trees (CART) algorithm in GEE environment using bands 2-7 of the Landsat- 8 and the NDVI, NDWI and SAVI indices. The accuracy of the supervised classification was 99.4% when using NDWI, NDVI and SAVI indices and 98.7% without using these indices, which were considered excellent. The average processing time, redone 10 times, was 52 seconds, considering all the source code developed from the filtering of the images to the conclusion of the classification. The developed source code is available in the appendix in order to disseminate and encourage the use of GEE for studies of spatial intelligence in irrigation and drainage due to its usability and easy manipulation.   Keywords: cloud computing, remote sensing, hydrology, modeling.