From 1 - 10 / 59
  • This land cover classification refers to a study area in Bahia state, in the Cerrado biome. For this map, the CBERS-4/AWFI monthly data cube was used, with a spatial resolution of 64 meters, using the best pixel composition function (Stack). This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the CBERS-4/AWFI data cube. The classification was made using 922 samples (Pasture: 258; Agriculture: 242; Natural Vegetation: 422) and the following data cube bands: red, green, blue, and near-infrared (NIR) along with the NDVI and EVI indices. We trained a multi-layer perceptron for a deep learning classification network to classify the data cube using sits R package. Validation was done using good practice guidelines by Olofsson. The validation was done independently for each map using the PRODES Cerrado data of 2019. This data obtained overall accuracy (OA) 0.74. For more information see the paper "Earth Observation Data Cubes for Brazil: Requirements, Methodology and Products". To access this resource in GeoTIFF format it is necessary to have an access key provided by the BDC-OAuth service.

  • This land cover classification refers to a study area in Goiás state, in the Cerrado biome. For this map, the CBERS-4/AWFI monthly data cube was used, with a spatial resolution of 64 meters, using the best pixel composition function (Stack). This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the CBERS-4/AWFI data cube. The classification was made using 701 samples (Annual Crop: 299; Natural: 202; Pasture: 200) and the following data cube bands: red, green, blue, and near-infrared (NIR) along with the NDVI and EVI indices. We trained a multi-layer perceptron for a deep learning classification network to classify the data cube using sits R package. To access this resource in GeoTIFF format it is necessary to have an access key provided by the BDC-OAuth service.

  • This land cover classification refers to a study area in Mato Grosso state, in the Cerrado biome. For this map, the CBERS-4/AWFI monthly data cube was used, with a spatial resolution of 64 meters, using the best pixel composition function (Stack). This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the CBERS-4/AWFI data cube. The classification was made using 852 samples (Annual Crop: 257; Natural Vegetation: 245; Pasture: 216; Semi-Perennial Crop: 134) and the following data cube bands: bands red, green, blue, and near-infrared along with the EVI, NDVI, GEMI, GNDVI, NDWI2, PVR indices applying the random forest algorithm. The classification quality assessment using 5-fold cross-validation (Wiens et al., 2008) of the training samples showed an overall accuracy of 97.0% and a Kappa index of 0.96. For more information see the paper "CBERS DATA CUBE: A POWERFUL TECHNOLOGY FOR MAPPING AND MONITORING BRAZILIAN BIOMES". To access this resource in GeoTIFF format it is necessary to have an access key provided by the BDC-OAuth service.

  • This land cover classification refers to a study area in Bahia state, in the Cerrado biome. For this map, the Landsat-8 monthly data cube was used, with a spatial resolution of 30 meters, using the best pixel composition function (Stack). This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the Sentinel-2 data cube. The classification was made using 922 samples (Pasture: 258; Agriculture: 242; Natural Vegetation: 422) and the following data cube bands: red, green, blue, and near-infrared (NIR) along with the NDVI and EVI indices. We trained a multi-layer perceptron for a deep learning classification network to classify the data cube using sits R package. Validation was done using good practice guidelines by Olofsson. The validation was done independently for each map using the PRODES Cerrado data of 2019. This data obtained overall accuracy (OA) 0.90. For more information see the paper "Earth Observation Data Cubes for Brazil: Requirements, Methodology and Products". To access this resource in GeoTIFF format it is necessary to have an access key provided by the BDC-OAuth service.

  • This land cover classification refers to a study area in Mato Grosso state, in the Cerrado biome. For this map, the CBERS-4/AWFI monthly data cube was used, with a spatial resolution of 64 meters, using the best pixel composition function (Stack). This experiment uses the time series of an agricultural calendar year, from September 2018 to August 2019, extracted from the CBERS-4/AWFI data cube. The classification was made using 852 samples (Annual Crop: 257; Natural Vegetation: 245; Pasture: 216; Semi-Perennial Crop: 134) and the following data cube bands: bands red, green, blue, and near-infrared along with the EVI, NDVI, GEMI, GNDVI, NDWI2, PVR indices. We trained a multi-layer perceptron for a deep learning classification network to classify the data cube using sits R package. To access this resource in GeoTIFF format it is necessary to have an access key provided by the BDC-OAuth service.

  • Atenção: trata-se de dado experimental em fase de testes e ajustes e portanto pode ser alterado em parte ou todo. Avisos de alterações na cobertura vegetal à partir de Agosto de 2023. O mapeamento utiliza imagens do satélite Amazonia1, CBERS4 ou similares, para registrar e quantificar as áreas de avisos produzidas no projeto DETER no bioma Pantanal CLASSES DE SUPRESSÃO > Supressão com solo exposto: é a remoção total da cobertura florestal, independentemente do uso destinado para a área. > Supressão com vegetação: são áreas em que há evidência de supressão, mas a área se encontra com sinais de uma cobertura vegetal. São casos em que há um lapso de tempo entre a ocorrência do corte e a sua detecção, ocasionado pela cobertura de nuvens entre um evento e outro, ou o resultado final da degradação recursiva. > Mineração: desmatamento causado por atividade de extração mineral. Predomina nesta classe atividades de garimpo artesanal. CLASSE DE DEGRADAÇÃO > Cicatriz de queimada: é caracterizada pela presença de áreas atingidas por fogo, podendo ou não haver vegetação. Nome das colunas e significado. --------------------------------------------------------------------------------------------------------------------------- fid: código de identificação seguido de digito verificador que indica: ("_curr" tabela corrente e "_hist" tabela de histórico) class_name: Nome das classes atribuídas aos avisos; area_km: Área do aviso em quilômetros quadrados km²; view_date: Data das imagens usadas na identificação do aviso; create_date: Data da criação do aviso no banco de dados do projeto; audit_date: Data da auditoria realizada no aviso; sensor: Nome do sensor embarcado no satélite, usado na obtenção da imagem; satellite: Nome do satélite que obteve a imagem; path_row: Path e Row (orbita ponto) das imagens usadas na identificação do aviso; uuid: Identificação única para o aviso; Nota sobre o SHAPEFILE: Ao exportar para shapefile os nomes das colunas sempre são reduzidos para dez (10) caracteres. Exemplo: a coluna "create_date" será renomeada para "create_dat".

  • Área total desmatada, comumente chamada de máscara de desmatamento, medida até 2007. O mapeamento utiliza imagens do satélite Landsat ou similares, para registrar e quantificar as áreas desmatadas maiores que 6,25 hectares. O PRODES considera como desmatamento a supressão da vegetação nativa, independentemente da futura utilização destas áreas. Descrição dos atributos do dado composto por: nome do atributo, tipo do dado e descrição id - número inteiro - identificador único de cada feição origin_id - número - identificador para rastreabilidade da feição na origem/produção do dado geom - feição composta por um ou mais polígonos - geometria obtida por interpretação visual de imagem de satélite state - texto - estado/unidade da federação path_row - texto - código da cena formado por linha/coluna da grade de passagem do satélite Landsat main_class - texto - nome da classe principal atribuída à feição (valor único, "DESMATAMENTO", para a máscara) class_name - texto - nome da classe específica atribuída à feição (valor único, "d2007", para a máscara) def_cloud - número - (inexistente para a máscara) julian_day - número - dia juliano (inexistente para a máscara) image_date - texto - data da cena usada para obter a feição (inexistente para a máscara) year - número - ano do desmatamento, usado para facilitar as consultas ao banco de dados (valor único, 2007, para a máscara) area_km - número - área calculada para a feição em km² scene_id - número - identificador da cena no banco de dados, usado para consultas (inexistente para a máscara)

  • Trata-se da área com cobertura florestal remanescente, após descontados os dados PRODES do último período publicado. É produto da diferença entre os limites da Amazônia Legal(*) e os dados de desmatamento acumulado de 1988-2007, o desmatamento anual a partir de 2008 até o ano para o qual se quer obter a floresta remanescente, os dados de não floresta, a hidrografia e a cobertura de nuvem do ano de publicação. Corresponde à área com cobertura florestal a ser mapeada pelo projeto, que segundo o projeto RADAMBRASIL (1976) são constituídas pelos seguintes tipos: Floresta Ombrófila Densa Aluvial, Floresta Ombrófila Densa Montana, Floresta Ombrófila Densa Submontana, Floresta Ombrófila Densa Terras Baixas, Floresta Estacional Decidual Submontana, Floresta Estacional Semidecidual Aluvial, Floresta Estacional Semidecidual Submontana, Floresta Estacional Semidecidual Terras Baixas, Floresta Estacional/Formações Pioneiras, Savana Florestada, Campinarana Florestada. Além dessas, estão presentes áreas de contato Floresta Ombrófila/Floresta Estacional, Campinarana/Floresta Ombrófila, Savana Estépica/Floresta Estacional, Savana/ Floresta Estacional, Savana/Floresta Ombrófila, Savana-Estépica Florestada, com predominância de fitofisionomias florestais. * Consulte os metadados de "Limites da Amazônia Legal" para informações sobre os limites que estamos usando nesta operação: http://terrabrasilis.dpi.inpe.br/geonetwork/srv/eng/catalog.search#/metadata/d6289e13-c6f3-4103-ba83-13a8452d46cb Descrição dos atributos do dado composto por: nome do atributo, tipo do dado e descrição --------------------------------------------------------------------------------------------------------------------------- uuid - text - identificador único universal de cada feição uid - número inteiro - identificador para rastreabilidade da feição na origem/produção do dado state - texto - estado/unidade da federação path_row - texto - código da cena formado por linha/coluna da grade de passagem do satélite Landsat main_class - texto - nome da classe principal atribuída à feição ("FOREST"). class_name - texto - nome da classe específica atribuída à feição ("FOREST_YYYY" onde YYYY=ano com 4 dígitos a partir de 2016). def_cloud - número - Ano que indica desde quando esta área está coberta por nuvens. Fazendo a diferença do ano corrente onde se detectou o desmatamento e def_cloud, temos o número de anos coberto por nuvens. Preenchido quando aplicável. julian_day - número - dia juliano. Preenchido quando aplicável. image_date - texto - data da cena usada para obter a feição. Preenchido quando aplicável. year - número - ano da floresta remanescente, usado para facilitar as consultas ao banco de dados. area_km - número - área calculada para a feição em km² scene_id - número - identificador da cena no banco de dados, usado para consultas. Preenchido quando aplicável. publish_year - data - usado para permitir a publicação do dado no GeoServer com dimensão temporal. source - texto - origem do polígono (amazonia, cerrado, caatinga, mata_atlantica, pampa, pantanal), caso o polígono tenha sido incorporado de outro projeto, por exemplo, devido à alteração do mapa de biomas ou ainda às zonas da amazônia legal no cerrado e pantanal. Preenchido quando aplicável. satellite - texto - nome do satélite. Em geral será o landsat mas em alguns casos, outro satélites podem ser utilizados. sensor - texto - nome do sensor que obteve a imagem. geom - feição composta por um ou mais polígonos - geometria obtida por operação vetorial de diferença. A lista de atributos é padronizada com o dado de desmatamento, tema principal do PRODES. Para os demais temas o preenchimento ocorre apenas quando aplicável.

  • Área total desmatada, comumente chamada de máscara de desmatamento, medida até 2007 e recortadas pelos limites do bioma Amazônia(*). O mapeamento utiliza imagens do satélite Landsat ou similares, para registrar e quantificar as áreas desmatadas maiores que 6,25 hectares. O PRODES considera como desmatamento a supressão da vegetação nativa, independentemente da futura utilização destas áreas. Os limites dos biomas brasileiros foram alterados conforme publicação do IBGE de 30/10/2019. Este conjunto de dados foi ajustado para o novo recorte. https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/25798-ibge-lanca-mapa-inedito-de-biomas-e-sistema-costeiro-marinho (*) Consulte os metadados de "Limites do Bioma Amazônia" para informações sobre os limites do bioma que estamos usando nesta operação: http://terrabrasilis.dpi.inpe.br/geonetwork/srv/eng/catalog.search#/metadata/481e439e-b0fa-4cb0-890b-11941264db69 Descrição dos atributos do dado composto por: nome do atributo, tipo do dado e descrição --------------------------------------------------------------------------------------------------------------------------- uuid - uuid - identificador único universal de cada feição uid - número inteiro - identificador para rastreabilidade da feição na origem/produção do dado state - texto - estado/unidade da federação path_row - texto - código da cena formado por linha/coluna da grade de passagem do satélite Landsat main_class - texto - nome da classe principal atribuída à feição (valor único, "DESMATAMENTO", para a máscara) class_name - texto - nome da classe específica atribuída à feição (valor único, "d2007", para a máscara) def_cloud - número - Ano que indica desde quando esta área está coberta por nuvens. Fazendo a diferença do ano corrente onde se detectou o desmatamento e def_cloud, temos o número de anos coberto por nuvens. julian_day - número - dia juliano image_date - texto - data da cena usada para obter a feição year - número - ano do desmatamento, usado para facilitar as consultas ao banco de dados area_km - número - área calculada para a feição em km² scene_id - número - identificador da cena no banco de dados, usado para consultas publish_year - data - usado para permitir a publicação do dado no GeoServer com dimensão temporal source - texto - origem do polígono (amazonia, cerrado, caatinga, mata_atlantica, pampa, pantanal), caso o polígono tenha sido incorporado de outro projeto, por exemplo, devido à alteração do mapa de biomas ou ainda às zonas da amazônia legal no cerrado e pantanal satellite - texto - nome do satélite. Em geral será o landsat mas em alguns casos, outro satélites podem ser utilizados sensor - texto - nome do sensor que obteve a imagem geom - feição composta por um ou mais polígonos - geometria obtida por interpretação visual de imagem de satélite A lista de atributos é padronizada com o dado de desmatamento, classe principal do PRODES. Para as demais classe o preenchimento ocorre apenas quando aplicável.

  • Área desmatada à partir de 2000 discretizadas em uma séria histórica bienal para o período de 2000 a 2012 e anual para os anos de 2013 a 2021. O mapeamento utiliza imagens do satélite Landsat ou similares, para registrar e quantificar as áreas desmatadas maiores que 1 hectare. O PRODES considera como desmatamento a supressão da vegetação nativa, independentemente da futura utilização destas áreas. As classes incluídas neste arquivo são: - desmatamento ("d" + "YYYY", ex.: d2020); - resíduos ("r" + "YYYY", ex.: r2020); - hidrografia (hidrografia); - vegetação natural (VegetacaoNatural); O arquivo matricial inclui os dados das classes de hidrografia, resíduo e vegetação natural remanescente composta por todos os demais pixels que ficaram sem valor na classificação anteriormente mencionada. Acompanha o arquivo matricial, um arquivo em formato texto com o sumário de área para cada valor de pixel existente na matriz, e um terceiro arquivo com a legenda para as classes(uma para cada valor de pixel) compatível com o software QGIS.