GOOGLE EARTH ENGINE: UMA ANÁLISE BIBLIOMÉTRICA DA PRODUÇÃO CIENTÍFICA
Resumo
O sensoriamento remoto combinado com a plataforma de computação em nuvem Google Earth Engine (GEE) é uma alternativa promissora, rápida e fácil para análise de grandes áreas por amplos períodos. Neste sentido, o desenvolvimento do GEE criou expectativas pujantes no sensoriamento remoto e para a utilização de dados geoespaciais. E embora, esta plataforma tenha sido lançada em 2010 e tenha sido comprovado seu alto potencial para diferentes aplicações, ela não foi totalmente investigada em relação ao seu potencial teórico e qualitativo. Portanto, o objetivo deste trabalho foi organizar uma análise bibliométrica da produção científica de diferentes aspectos da plataforma GEE. O método bibliográfico de organização e busca é o utilizado para o estudo proposto, trazendo o apanhado de publicações sobre o tema “Google Earth Engine” da série histórica da rede CAFe do portal Periódicos CAPES (Portal de Periódicos da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) de 2011 a 2023. Verificou-se que embora os estudos tenham avançado, muito ainda precisa ser desenvolvido para que as técnicas e resultados cheguem a nível global. Em relação as aplicações, diversos trabalhos conseguiram resultados satisfatórios a excelentes, no entanto, uma investigação abrangente dos tipos de sensores e métodos confiáveis, ainda é pequena, para monitoramentos ambientais em larga escala e com resultados mais precisos.
Texto completo:
PDFReferências
AMANI, M. et al. Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 13, pp. 5326-5350, 2020. DOI: 10.1109/JSTARS.2020.3021052.
CEMADEN/MCTI - Centro Nacional de Monitoramento e Alertas de Desastres Naturais. Boletim de Impactos de Extremos de Origem Hidro-Geo-Climático em Atividades Estratégicas para o Brasil – 17/01/2024 ANO 07 Nº 62. Disponível em: https://www.gov.br/cemaden/pt-br/assuntos/monitoramento/boletim-de-impactos/boletim-de-impactos-de-extremos-de-origem-hidro-geo-climatico-em-atividades-estrategicas-para-o-brasil-2013-17-01-2024-ano-07-no-62. Acesso em: 24 jan. 2024.
CHEN, S. et al. Monitoring temperate forest degradation on Google Earth Engine using Landsat time series analysis. Remote sensing of environment, Vol.265, p.112648, Article 112648, 2021. https://doi.org/10.1016/j.rse.2021.112648
ERMIDA, S. L.; SOARES, P.; MANTAS, V.; GÖTTSCHE, F.-M.; TRIGO, I. F. Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series. Remote Sens. 12, 1471, 2020. https://doi.org/10.3390/rs12091471
GALL, M. D.; GALL, J. P.; BORG, W. R. Applying educational research: How to read, do, and use research to solve problems of practice. 7th edition. Pearson, 2013.
GORELICK, N. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. Volume 202, Pages 18-27, 2017. https://doi.org/10.1016/j.rse.2017.06.031
HUANG, H. et al. Mapping major land cover dynamics in Beijing using all Landsat images in Google Earth Engine. Remote Sensing of Environment. Volume 202, 166-176, 2017. https://doi.org/10.1016/j.rse.2017.02.021
JIN, Z. et al. Smallholder maize area and yield mapping at national scales with Google Earth Engine. Remote Sensing of Environment. Volume 228, 115-128, July 2019. https://doi.org/10.1016/j.rse.2019.04.016
KENNEDY, R. E.; YANG, Z.; GORELICK, N.; BRAATEN, J.; CAVALCANTE, L.; COHEN, W. B.; HEALEY, S. Implementation of the LandTrendr Algorithm on Google Earth Engine. Remote Sens. 2018, 10, 691. https://doi.org/10.3390/rs10050691
KUMAR, L.; MUTANGA, O. Google Earth Engine Applications Since Inception: Usage, Trends, and Potential. Remote Sensing. 10, 1509, 2018. https://doi.org/10.3390/rs10101509
LEE, J.; CARDILLE, J. A.; COE, M. T. Bulc-U: Sharpening Resolution and Improving Accuracy of Land-Use/Land-Cover Classifications in Google Earth Engine. Remote Sens. 10, 1455, 2018. https://doi.org/10.3390/rs10091455
LIU, X. et al. High-resolution multi-temporal mapping of global urban land using Landsat images based on the Google Earth Engine Platform. Remote Sensing of Environment. Volume 209, Pages 227-239, May 2018. https://doi.org/10.1016/j.rse.2018.02.055
MUTANGA, O.; KUMAR, L. Google Earth Engine Applications. Remote Sensing. 11 (5), 591, 2019. https://doi.org/10.3390/rs11050591
PAN, Z. et al. GEE can prominently reduce uncertainties from input data and parameters of the remote sensing-driven distributed hydrological model. Science of The Total Environment. Volume 870, 20 April, 161852, 2023. https://doi.org/10.1016/j.scitotenv.2023.161852
PEREIRA, A. S.; SHITSUKA, D. M.; PARREIRA, F. J.; SHITSUKA, R. Metodologia da pesquisa científica [recurso eletrônico]. Santa Maria, RS: UFSM, NTE, 1. ed. 2018. Disponível em: https://www.ufsm.br/app/uploads/sites/358/2019/02/Metodologia-da-Pesquisa-Cientifica_final.pdf. Acesso em: 17 ago. 2023.
PHAN, T. N.; KUCH, V.; LEHNERT, L. W. Land Cover Classification using Google Earth Engine and Random Forest Classifier—The Role of Image Composition. Remote Sens. 2020, 12, 2411. https://doi.org/10.3390/rs12152411
PRODANOV, C. C.; FREITAS, E.C. Metodologia do trabalho científico [recurso eletrônico]: métodos e técnicas da pesquisa e do trabalho acadêmico. Novo Hamburgo: Feevale, 2. ed., 2013. Disponível em: https://www.feevale.br/Comum/midias/0163c988-1f5d-496f-b118-a6e009a7a2f9/E-book%20Metodologia%20do%20Trabalho%20Cientifico.pdf. Acesso em: 17 ago. 2023.
RAVANELLI, R.;et al. Monitoring the Impact of Land Cover Change on Surface Urban Heat Island through Google Earth Engine: Proposal of a Global Methodology, First Applications and Problems. Remote Sens. 2018, 10(9), 1488; https://doi.org/10.3390/rs10091488
SALAZAR, A.; et al. Land use and land cover change impacts on the regional climate of non-Amazonian South America: A review. Global and Planetary Change. 128, 103–119, 2015. https://doi.org/10.1016/j.gloplacha.2015.02.009
SEVERINO, A. J. Metodologia do trabalho científico. São Paulo: Ed. Cortez. 2013. Disponível em: https://www.ufrb.edu.br/ccaab/images/AEPE/Divulga%C3%A7%C3%A3o/LIVROS/Metodologia_do_Trabalho_Cient%C3%ADfico_-_1%C2%AA_Edi%C3%A7%C3%A3o_-_Antonio_Joaquim_Severino_-_2014.pdf. Acesso em: 17 ago. 2023.
TAMIMINIA, H. et al. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing. V. 164, June 2020, Pages 152-170. https://doi.org/10.1016/j.isprsjprs.2020.04.001
TRAGANOS, D.; POURSANIDIS, D.; AGGARWAL, B.; CHRYSOULAKIS, N.; REINARTZ, P. Estimating Satellite-Derived Bathymetry (SDB) with the Google Earth Engine and Sentinel-2. Remote Sens. 2018, 10, 859. https://doi.org/10.3390/rs10060859
VENKATAPPA, M.; SASAKI, N.; HAN, P.; ABE, I. Impacts of droughts and floods on croplands and crop production in Southeast Asia – An application of Google Earth Engine, Science of The Total Environment. Volume 795, 15 November 2021, 148829. https://doi.org/10.1016/j.scitotenv.2021.148829
VOLLRATH, A.; MULLISSA, A.; REICHE, J. Angular-Based Radiometric Slope Correction for Sentinel-1 on Google Earth Engine. Remote Sens. 12, 1867, 2020. https://doi.org/10.3390/rs12111867
WANG, X. et al. Tracking annual changes of coastal tidal flats in China during 1986–2016 through analyses of Landsat images with Google Earth Engine. Remote Sensing of Environment. Volume 238, 1, 110987, 2020. https://doi.org/10.1016/j.rse.2018.11.030
YIN, R. K. O Estudo de caso. Porto Alegre: Bookman, 2015. Disponível em: https://edisciplinas.usp.br/pluginfile.php/6598416/mod_resource/content/1/Livro%20Robert%20Yin.pdf. Acesso em: 17 ago. 2023.
Apontamentos
- Não há apontamentos.
Direitos autorais 2024 Eléia Righi
| Boletim Geográfico do Rio Grande do Sul | Secretaria de Planejamento, Governança e Gestão - RS | ISSN 2446-7251 |