Integração de imagens Orbitais Ópticas e SAR Com Processamento em Nuvem no Mapeamento da Cobertura da Terra no Cerrado

The land cover mapping is of great relevance for the environmental monitoring and land management. Time series from the synthetic aperture radar (SAR) of Sentinel-1 (S-1) and the MSI/Sentinel-2 (S-2) optical sensor provide promising conditions for the land cover mapping due to their spectral, spatial and temporal resolutions. Here, we explored the hypothesis that the combination of S-1 and S-2 time series allows higher accuracy in the land cover mapping in Cerrado biome. The images were classified using the Random Forest algorithm in the Google Earth Engine cloud processing platform. The classifications obtained using only the S-2 data (kappa = 89.99) showed higher accuracy than those with the S-1 data (kappa = 75.78). The classification efficiency increased by combining the S-1 and S-2 data (kappa = 93.07). The results found here suggest that the shortwave infrared band, the VH polarization from SAR data, and the Cellulose absorption index (CAI) and Hall Cover index were the most significant variables in the land cover mapping of the Cerrado biome.La cartografía de la cubierta del suelo es de suma importancia para la vigilancia del medio ambiente y la gestión del territorio. Las series temporales del radar de apertura sintética (SAR) de Sentinel-1 (S-1) y del sensor óptico MSI/Sentinel-2 (S-2) ofrecen condiciones favorables para la cartografía de la cubierta terrestre debido a sus resoluciones espectral, espacial y temporal. Este trabajo parte de la hipótesis de que la combinación entre las series temporales de S-1 y S-2 permite una mayor precisión en la cartografía de la cobertura del suelo en el bioma del Cerrado. Las imágenes se clasificaron mediante el algoritmo Random Forest en la plataforma de procesamiento en la nube Google Earth Engine. Las clasificaciones obtenidas sólo con los datos S-2 (kappa = 89,99) fueron mejores que las obtenidas con los datos S-1 (kappa = 75,78). La eficacia de la clasificación aumentó al combinar los datos de las misiones S-1 y S-2 (kappa= 93,07). Los resultados obtenidos en este trabajo sugieren que la banda infrarroja de onda corta, la polarización VH de los datos del SAR y el índice Cellulose absorption index (CAI) y Hall Cover fueron las variables más importantes en la cartografía de la cubierta terrestre del bioma del Cerrado.O mapeamento da cobertura da terra é de suma importância para o monitoramento ambiental e gestão territorial. Séries temporais de radar de abertura sintética (SAR) do Sentinel-1 (S-1) e o sensor óptico MSI/Sentinel-2 (S-2) fornecem condições favoráveis para o mapeamento da cobertura da terra devido suas resoluções espectrais, espaciais e temporais. Este trabalho parte do pressuposto que a combinação entre as séries temporais do S-1 e S-2 permite maior exatidão no mapeamento da cobertura da terra no bioma Cerrado. As imagens foram classificadas utilizando o algoritmo Random Forest na plataforma de processamento em nuvem Google Earth Engine. As classificações obtidas apenas com os dados S-2 (kappa = 89,99) foram melhores do que as obtidas com os dados S-1 (kappa = 75,78). A eficiência da classificação aumentou ao combinar os dados de ambas as missões S-1 e S-2 (kappa= 93,07). Os resultados obtidos neste trabalho sugerem que a banda do infravermelho de ondas curtas, a polarização VH dos dados SAR e os índices cellulose absorption index (CAI) e o Hall Cover foram as variáveis mais importantes no mapeamento da cobertura da terra do bioma Cerrado