Área de Estudo: Litoral do sudeste da Índia
A aquicultura é um dos setores de produção primária de alimentos que mais cresce na Índia, ocupando a segunda posição global, atrás apenas da China. Impulsionada por seu crescente valor econômico e pela alta demanda internacional, a indústria aquícola indiana tem apresentado uma expansão exponencial ao longo da última década. Esse rápido desenvolvimento tem provocado uma transformação significativa da paisagem, especialmente na zona costeira do país, tornando essencial a disponibilidade de informações espaciais atualizadas e precisas sobre a distribuição dessas áreas. No entanto, a gestão e o monitoramento eficazes da aquicultura enfrentam desafios, como a periodicidade da disponibilidade de dados orbitais e as dificuldades na diferenciação entre áreas destinadas à aquicultura e outras culturas alagadas. Diante disso, a geração de mapas precisos e atualizados torna-se cada vez mais fundamental para subsidiar processos de tomada de decisão e planejamento ambiental. Missões de satélite de longo prazo, como Landsat, Sentinel e PLANET, oferecem uma oportunidade valiosa para monitorar a dinâmica espacial dessas atividades ao longo do tempo. Dados ópticos de média a alta resolução têm sido amplamente utilizados para delinear e acompanhar as mudanças na extensão e distribuição das áreas aquícolas, contribuindo para uma melhor compreensão da evolução desse setor e para o desenvolvimento de estratégias de gestão mais eficazes. Entretanto, a escolha da melhor abordagem para o mapeamento dessa atividade ainda apresenta desafios, especialmente devido às variações na resolução espacial, espectral e temporal dos diferentes sensores disponíveis. Enquanto sensores de alta resolução espacial, como os do satélite PLANET, podem proporcionar maior nível de detalhamento, sua cobertura temporal e disponibilidade gratuita são limitadas. Por outro lado, sensores como Landsat-9 e Sentinel-2 oferecem séries temporais mais consistentes e acesso aberto, mas sua resolução espacial pode não ser suficiente para discriminar pequenas estruturas aquícolas em áreas de densa ocupação. Diante desse contexto, este estudo tem como objetivo avaliar as vantagens e limitações do uso de dados orbitais dos satélites Landsat-9, Sentinel-2 e PLANET, que possuem diferentes resoluções espaciais, para o mapeamento de áreas aquícolas em regiões de alta densidade de culturas alagadas na zona costeira do sudeste da Índia. Para isso, será realizado um mapeamento baseado em segmentação de objetos, de forma automatizada, classificando seis classes de uso e cobertura da terra. A modelagem será conduzida no Google Earth Engine (GEE) por meio de três algoritmos de aprendizado de máquina: Árvores de Classificação e Regressão (CART), Máquina de Vetores de Suporte (SVM) e Floresta Aleatória (RF). A classificação será baseada nas coleções espectrais individuais de cada satélite, complementadas por índices espectrais e estruturas de mistura espectral, a fim de aprimorar a separação das classes de interesse, que incluem vegetação, áreas construídas, solo exposto, estruturas aquícolas, outras culturas alagadas e corpos d’água. O desempenho dos três modelos será avaliado por meio de métricas de validação e precisão, permitindo uma análise comparativa da eficácia de cada abordagem para o mapeamento na região de estudo.
