Mapping of Moist Snow and Percolation Zones Through Sentinel-2
Mapeamento das Zonas de Neve Úmida e de Percolação por Meio do Sentinel-2
F. L. HILLEBRAND, C. N. ROSA, U. F. BREMER
2018
Anuário do Instituto de Geociências
Resumo O propósito deste trabalho consistiu em avaliar a aplicação de índices de sensoriamento remoto como o NDSI e NDSW e análises de geoprocessamento para mapear a ocorrência de água, zonas de neve em percolação e úmida, bem como a identificação das altitudes característica de cada zona de neve mapeada na Ilha Dundee situada na Península Antártica. Para tal, foi utilizada uma imagem Sentinel-2 representativa de um período de ablação correspondente ao fim do verão de 2016. Como resultado
more »
... cou-se que a interação entre os índices NDSI e NDSW possibilitou a distinção e delimitação das distintas zonas de neve. As análises de geoprocessamento que envolveram a sobreposição da classificação da cobertura da terra a partir dos índices, com os dados altimétricos advindos do Modelo Digital de Elevação ASTER GDEM, permitiram a identificação de algumas faixas altimetrias características de cada zoneamento. Na data analisada, foi identificado que 17,87% da área total da ilha foi classificada como zona de neve úmida e 81,15% como zona de neve em percolação. Contudo, estes resultados comprovam a eficácia da metodologia empregada com base em imagens do sensor MSI do satélite Sentinel-2 no mapeamento das distintas zonas de neve na área de estudo reunindo ferramentas de geoprocessamento. Palavras-chave: NDSI; NDWS; Neve úmida; Neve em percolação; Sentinel-2 Abstract The purpose of this work consists of an application of remote sensing indices such as NDSI and NDSW and geoprocessing analyzes to map an occurrence of water, percolation and moist snow zones, as well as an identification of the characteristic altitudes of each snow zone mapped in the Dundee Island located on the Antarctic Peninsula. For this, a Sentinel-2 image representative of an ablation period corresponding to the end of summer of 2016 was used. As a result an interaction between the NDSI and NDSW indexes allowed a distinction and delimitation of the different zones of snow. As geoprocessing analyzes that involved an overlapping of the land cover classification from the indices, with the altimetric data from the Digital Elevation Model ASTER GDEM, allowed an identification of some bands altimetry characteristic of each zoning. Data base analysis was identified with 17.87% of the total area of the island for the class of moist snow and 81.15% as zone of snow in percolation. However, these results prove the effectiveness of the methodology used based on images of the MSI sensor of the Sentinel-2 satellite in the mapping of the several snow areas in the study area, bringing together geoprocessing tools.
doi:10.11137/2018_3_96_103
fatcat:w34qxef4mfd57d6phbsnfm4kse