ADAPTAÇÃO DA METODOLOGIA CORINE LAND COVER AO TERRACLASS CERRADO PARA ANÁLISE DE USO E OCUPAÇÃO DO SOLO NO CERRADO: ESTUDO DE CASO EM CRISTALINA, GOIÁS
DOI:
https://doi.org/10.56238/arev7n12-080Palavras-chave:
Cerrado, Uso e Ocupação do Solo, TerraClass, CORINE Land Cover, Sensoriamento RemotoResumo
A expansão agropecuária no Cerrado brasileiro intensificou a conversão de formações naturais em áreas agrícolas e pastagens, reforçando a necessidade de mapeamentos de uso e ocupação do solo mais detalhados para subsidiar o planejamento territorial (Soares, 2020; INPE e Embrapa, 2014). Este estudo avalia a adaptação da metodologia CORINE Land Cover (CLC) ao mapeamento TerraClass Cerrado 2013, tendo como estudo de caso o município de Cristalina (GO), área representativa da intensificação agropecuária no bioma (Soares, 2020). A partir do recorte municipal do TerraClass 2013, integraram‑se imagens Landsat 8 e Sentinel‑2, aplicou‑se interpretação visual e estabeleceu‑se a correspondência entre as dez classes originais do TerraClass e uma legenda hierárquica compatível com o CLC, organizada em cinco superclasses e 28 categorias detalhadas (Caetano et al., 2002; Copernicus, 2021). A comparação entre 2013 e 2018 evidenciou aumento da participação de áreas agrícolas e de pastagens e redução relativa da vegetação nativa, em coerência com tendências regionais apontadas por TerraClass e MapBiomas (Embrapa e INPE, 2025; MapBiomas, 2024). A avaliação de exatidão temática indicou valores elevados nos níveis hierárquicos superiores e desempenho satisfatório no nível mais detalhado, demonstrando a viabilidade técnica da integração TerraClass - CLC em escala municipal (Soares, 2020). A adaptação do CLC ao contexto do Cerrado ampliou o poder descritivo dos mapeamentos existentes, oferecendo subsídios relevantes para políticas de conservação e ordenamento do uso do solo.
Downloads
Referências
Andrade, A., Silva, B., Souza, C., 2025. Aplicação de dados Sentinel‑1 e Sentinel‑2 via Machine Learning para Mapeamento de Uso e Cobertura da Terra.
Bariou, J., 1978. Interpretação visual de fotografias aéreas.
Bernardes, M. C. et al. Instrumentação e estimação de parâmetros de um sistema de nível de liquido com quatro tanques interligados. XII Congresso Brasileiro de Automatica, Salvador, p. 3427–3432, 2006.
Câmara, G., Medeiros, J.S., 1998. Geoprocessamento para projetos ambientais. INPE, São José dos Campos.
Caetano, M., et al., 2002. Land cover mapping in Portugal using CORINE Land Cover methodology. Journal of Maps.
Claverie, M., Ju, J., Masek, J. G., Dungan, J. L., Vermote, E. F., Roger, J. C., Skakun, S. V., Justice, C. (2018). The Harmonized Landsat and Sentinel 2 surface reflectance data set. Remote Sensing of Environment, 219, 145–161. DOI: https://doi.org/10.1016/j.rse.2018.09.002
Copernicus, 2021. CORINE Land Cover – Methodology and Roadmap. European Environment Agency.
Embrapa, INPE, 2025. TerraClass apresenta dados atualizados sobre a cobertura e uso da terra no bioma Cerrado.
Florenzano, T.G., 2002. Imagens de satélite para estudos ambientais. São Paulo.
IBGE, 2012. Manual técnico da vegetação brasileira. IBGE, Rio de Janeiro.
INPE, Embrapa, 2014. TerraClass Cerrado 2013 – Relatório Técnico.
Machado, R.B., et al., 2004. Estimativas de perda da área do Cerrado brasileiro. Conservação Internacional, Brasília.
MapBiomas, 2024. Cobertura e uso da terra no Brasil – Coleção 9.
MapBiomas, 2025. Cobertura e uso da terra no Brasil – Coleção 10.
MapBiomas Alerta, 2025. Relatório Anual de Desmatamento – RAD 2024. DOI: https://doi.org/10.17524/repec.v18i4.3634
Ministério da Agricultura e Pecuária, Embrapa, Inpe. (2022). TerraClass mostra a cobertura e o uso da terra no bioma Cerrado.
Myers, N., et al., 2000. Biodiversity hotspots for conservation priorities. Nature 403, 853–858. DOI: https://doi.org/10.1038/35002501
National Wildlife Federation, Coalizão Brasil, 2025. Uso da terra no Cerrado e no MATOPIBA.
Novo, E.M.L.M., 2008. Sensoriamento remoto: princípios e aplicações. 3. ed. Blucher, São Paulo.
Ouchra, H., Belangour, A., Erraissi, A. (2023). Comparing Unsupervised Land Use Classification of Landsat 8 OLI Data Using K-means and LVQ Algorithms in Google Earth Engine: A Case Study of Casablanca. International Journal of Geoinformatics, 19(12).
Parreiras, T. C., Bolfe, E. L., Chaves, M. E. D., Sanches, I. D., Sano, E. E., Victoria, D. C., Bettiol, G. M., Vicente, L. E. (2022). Hierarchical Classification of Soybean in the Brazilian Savanna Based on Harmonized Landsat Sentinel Data. Remote Sensing, 14(15). DOI: https://doi.org/10.3390/rs14153736
Penha, A. R., Pereira, P. R. M., Bolfe, E. L., Victoria, D. C., Parreiras, T. C. (2023). Análise de dados Harmonized Landsat Sentinel para mapeamento de uso e cobertura da terra em área de expansão agrícola no Cerrado. Boletim de Geografia, 41. DOI: https://doi.org/10.4025/bolgeogr.v41.a2023.e64865
Ribeiro, J.F., Walter, B.M.T., 1998. Fitofisionomias do bioma Cerrado. In: Sano, S.M., Almeida, S.P. (Eds.), Cerrado: ambiente e flora. Embrapa Cerrados, Planaltina.
Ribeiro, A. R., Merino, E. R. (2025). Revisão Sistemática de Literatura sobre o Uso de Sensoriamento Remoto e Algoritmos Baseados em Machine Learning no Mapeamento de Florestas Tropicais Secas. Revista Brasileira de Cartografia, 77. DOI: https://doi.org/10.14393/rbcv77n0a-75974
Sano, E. E., Rosa, R., Brito, J. L. S., Ferreira, L. G., Bezerra, H. S. (2009). Mapeamento da cobertura vegetal natural e antrópico do bioma cerrado por meio de imagens Landsat ETM. XIV Simpósio Brasileiro de Sensoriamento Remoto.
Scaramuzza, C. A. M., Sano, E. E., Adami, M., Bolfe, E. L., Coutinho, A. C., Esquerdo, J. C. D. M., Maurano, L. E. P., Narvaes, I. S., Oliveira Filho, F. J. B., Rosa, R., Silva, E. B., Valeriano, D. M., Victoria, D. C., Bayma, A. P., Oliveira, G. H., Bayma-Silva, G. (2017). Land-use and land-cover mapping of the brazilian Cerrado based mainly on Landsat-8 satellite images. Revista Brasileira de Cartografia, 69(6). DOI: https://doi.org/10.14393/rbcv69n6-44309
Silva, J., Oliveira, L., Santos, P., 2024. Mapping land use and land cover in the Brazilian Cerrado domains: an unsupervised approach using WPM‑CBERS‑4A.
Silva, R., Almeida, F., Costa, G., 2023. Detection of land cover change in the Brazilian Cerrado using radar and optical satellite images.
Silva, I. S., Silva, E. C., Alves, F. C. (2024). Mapping land use and land cover in the Brazilian Cerrado Domains: an unsupervised approach using high spatial resolution Orbital Remote Sensing data. Revista Geoaraguaia, 14(1).
Silva, M., et al., 2025. Revisão sistemática de literatura sobre o uso de sensoriamento remoto na análise ambiental. Revista Brasileira de Cartografia.
Shimizu, K., Ota, T., Mizoue, N. (2019). Detecting Forest Changes Using Dense Landsat 8 and Sentinel-1 Time Series Data in Tropical Seasonal Forests. Remote Sensing, 11(16). DOI: https://doi.org/10.3390/rs11161899
Soares, D.O., 2020. Análise de mapeamento de uso e ocupação do solo entre as metodologias do TerraClass Cerrado 2013 e CORINE Land Cover 2018 para o município de Cristalina‑GO, Brasil. Dissertação de Mestrado, NOVA IMS, Universidade Nova de Lisboa.
Vizzari, M. (2022). PlanetScope, Sentinel-2, and Sentinel-1 Data Integration for Object-Based Land Cover Classification in Google Earth Engine. Remote Sensing, 14(11). DOI: https://doi.org/10.3390/rs14112628
