Mapbiomas - Cobertura e Uso da Terra, Coleção 9 (1985 a 2023)
Uso e cobertura da terra de Minas Gerais, com base na série histórica do projeto Mapbiomas, em sua coleção 9, contemplando o período entre 1985 e 2023.
O projeto MapBiomas advém da atuação intersetorial entre especialistas em sensoriamento remoto, com o objetivo de produzir uma série histórica contínua com a evolução da cobertura e uso da terra do território brasileiro, com a utilização de inteligência artificial, que realiza processos de análise, pixel a pixel, de imagens provenientes da constelação de sensores Landsat, da Agência Espacial Norte-Americana (NASA), com resolução espacial de 30 metros. Toda a metodologia do mapeamento é realizada por meio do software Google Earth Engine (GEE), que, devido a sua condição de processamento em nuvem, permite robustez e capacidade ampliada de realização.
O produto da coleção disponibilizada, de cobertura e uso da terra, contempla 39 camadas, uma para cada ano da extensão temporal, entre 1985 e 2023. Todos os dados encontram-se em formato matricial (raster), obtidos para o recorte territorial de Minas Gerais por meio do toolkit de processamento disponível em ambiente Google Earth Engine (GEE).
Simple
Identification info
- Date (Publication)
- 2023-10-23
- Date (Revision)
- 2024-10-04T17:30:00
- Credit
- Projeto MapBiomas – Coleção 9 da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil, acessado em 04/10/2024 através do link: https://plataforma.brasil.mapbiomas.org/cobertura
- Status
- Contínuo
Detentor
Detentor
- Spatial representation type
- Matricial
Spatial resolution
Equivalent scale
- Denominator
- 100000
Spatial resolution
- Spatial resolution
- 30
- Topic category
-
- Uso e Cobertura da Terra
))
- Maintenance and update frequency
- Annually
- Keywords (Theme)
-
- Uso e cobertura da terra
- Cobertura e uso da terra
- Uso e cobertura do solo
- Cobertura e uso do solo
- Uso e ocupação do solo
- Uso e ocupação da terra
- Mapbiomas
- Coleção 9
- ide_1402_mg_uso_terra_mapbiomas_col9
- Keywords (Place)
-
- Minas Gerais
- MG
Resource constraints
- Other constraints
- O acesso ao dado é livre
- Other constraints
- Este produto é resultante de um mapeamento de cobertura e uso da terra, elaborados por meio da interpretação de imagens de satélite com o uso de metodologias de classificação do uso e manejo da superfície. Não deve ser confundido e/ou utilizado, portanto, para identificação de fitofisionomias florestais, que somente podem ser delimitados por meio de mapeamentos florestais, como o "Inventário da Flora Nativa e de Reflorestamentos", produzido pela Universidade Federal de Lavras (UFLA) e Sisema, entre 2003 e 2008.
- Language
- Portuguese
- Country
- Brasil
- Character encoding
- UTF8
Distribution Information
OnLine resource
- Protocol
- WWW:LINK-1.0-http--link
- OnLine resource
-
Download do uso e cobertura da terra de 2023 no formato KML (Link de rede)
Para ser usado em conexão com o Google Earth, consumindo em tempo real da IDE-Sisema
- OnLine resource
-
Download das 39 camadas da série histórica (1985-2023) em formato matricial
Para baixar todas de uma vez, basta selecionar todas no diretório e realizar o download como anexo
- OnLine resource
-
Download do arquivo de simbologia (estilo) da camada
Para uso em Sistema de Informação Geográfica - SIG (QGIS)
- OnLine resource
-
Acesso a plataforma de Uso e cobertura da terra do Mapbiomas para consulta dos dados referentes a série histórica
Resource lineage
- Statement
- O mapeamento anual de cobertura e uso da terra do Brasil desenvolvido através do projeto MapBiomas é desenvolvido a partir da obtenção de imagens do satélite Landsat, com resolução de 30 metros, disponíveis gratuitamente na plataforma Google Earth Engine e com uma série temporal de 39 anos. São necessárias 380 imagens Landsat para cobrir o Brasil, cada uma delas com dezenas de milhões de pixels: no total, são mais de 9 bilhões de pixels de 30 x 30 metros para perfazer todo o país. Estes pixels são as unidades de trabalho do MapBiomas. As imagens podem conter nuvens, fumaça e outros artefatos que podem “sujá-las”. Para produzir uma imagem limpa, são selecionados os pixels sem nuvem dentre as imagens disponíveis para o período selecionado. Para cada um destes pixels são extraídas métricas que explicam o comportamento do pixel naquele ano. Isso é feito com cada uma das 7 bandas espectrais do satélite assim como para as frações e índices espectrais calculados. Por exemplo para a Banda 1 é coletado a mediana dos valores da banda no período, o valor máximo, o valor mínimo a amplitude de variação. Ao final cada pixel carrega até 105 camadas de informação para um ano. Para cada ano é montado um mosaico que cobre o Brasil representando o comportamento de cada pixel através de 105 métricas ou camadas de informação. Este conjunto de mosaicos é salvo como uma coleção de dados (Asset) dentro da plataforma do Google Earth Engine. Estes mosaicos serão utilizados em duas formas principais. Primeiro como fonte de parâmetros para o algoritmo classificar as imagens (ver próximo passo). É deste mosaico também que sai a composição RGB que permite visualizar a imagem de fundo na plataforma MapBiomas. Esta composição também é utilizada para a coleta de amostras de treinamento e avaliação de acurácia por interpretação visual. A partir dos mosaicos de imagens, as equipes de cada bioma e de cada tema transversal produzem um mapa de cada classe de cobertura e uso do solo (floresta, campo, agricultura, pastagem, área urbana, água, etc). Para isso, os analistas do MapBiomas utilizam um classificador automático chamado de “random forest”, que roda na nuvem de processadores da Google. Esse sistema é baseado em aprendizado de máquina: para cada tema a ser classificado, as máquinas são “treinadas” com amostras dos alvos a serem classificados. Estas amostras são obtidas por meio de mapas de referência, geração de mapas de classes estáveis das séries anteriores do MapBiomas e por coleta direta por interpretação visual das imagens Landsat. A classificação é feita para cada um dos anos da série, podendo ser salvas como um único mapa por classe onde cada pixel tem número de camadas correspondente ao número de anos da série histórica analisada. O filtro espacial visa ampliar a consistência espacial dos dados, eliminando pixels isolados ou de borda. São definidas regras de vizinhança que podem levar a alteração da classificação do pixel. Por exemplo, um pixel que tenha menos de dois dos nove pixels vizinhos na mesma classe será reclassificado para a classe predominante na vizinhança. Cada pixel em cada ano e para cada classe de uso passa por este processo de filtragem espacial. Para reduzir inconsistências temporais, em especial as mudanças de cobertura e uso impossíveis ou não permitidas (ex. Florestal Natural > Não Floresta > Floresta Natural) e corrigir falhas por excesso de nuvem ou falta de dados, são aplicadas regras de filtro temporal. Para cada bioma, tema ou região podem ter regras específicas de filtro temporal. No total na Coleção 3 foram aplicadas mais de uma centena de regras. O filtro temporal é aplicado em cada pixel analisando todos os anos da Coleção (ex. Coleção 9 foram 39 anos). Nesta etapa, os mapas de cada classe são integrados em um único mapa, que representa a cobertura e o uso da terra de todo território para cada ano. São aplicadas regras de prevalência: assim, caso um mesmo pixel seja classificado em dois mapas de classes distintas, é possível definir a qual pertence no mapa final. As regras de prevalência podem variar de acordo com as peculiaridades dos biomas, temas ou regiões. A integração é feita para cada ano da série e gera um mapa integrado para cada ano, geralmente salva como um único ASSET com o número de camadas anuais do período analisado. O mapa integrado passa por mais uma etapa de filtro espacial para limpar as bordas e pixels soltos como consequência do processo de integração. Para entender as mudanças na cobertura e uso do solo são produzidos mapas com as transições das classes entre diferentes pares de anos selecionados. Assim é possível visualizar o dinamismo do território, e responder a perguntas como quanto de floresta virou pastagem de um ano para outro, por exemplo, entre outras alterações na paisagem. mapas de transição são produzidos pixel a pixel e após finalizados também passam por um filtro espacial para eliminar pixels de transição isolados ou de borda. A partir destes mapas são construídas as matrizes de transição para cada bioma, estado, município e os demais cortes territoriais disponíveis na plataforma MapBiomas.
Spatial representation info
- Number of dimensions
- 2
- Dimension name
- Column
- Dimension size
- 41521
- Resolution
- 30
- Dimension name
- Line
- Dimension size
- 32245
- Resolution
- 30
- Cell geometry
- Area
Reference System Information
- Reference system identifier
-
SIRGAS 2000 (EPSG: 4674)
mdb:MD_Metadata
- Metadata identifier
-
urn:uuid
/
bb27f72b-2a30-45c0-9b04-2d3a8a32f0ca
- Language
- Portuguese
- Character encoding
- UTF8
Author
Author
- Metadata linkage
-
https://idesisema.meioambiente.mg.gov.br/geonetwork/srv/api/records/bb27f72b-2a30-45c0-9b04-2d3a8a32f0ca
- Date info (Revision)
- 2024-10-07T20:14:13
- Date info (Creation)
- 2023-11-10T14:53:32
Metadata standard
- Title
- ISO 19115:2003/19139
- Edition
- 1.0
Overviews


Spatial extent
))
Provided by
