Sensoriamento remoto “das enchentes, inundações e alagamentos”:
potencialidades e limitações
Resumo
As imagens de satélite revolucionaram a forma como os cientistas obtêm dados e informações sobre as paisagens terrestres e suas dinâmicas. Nesse contexto, este artigo analisa as potencialidades e as limitações do uso de imagens de sensoriamento remoto obtidas por sensores passivos no mapeamento de áreas atingidas por enchentes, inundações e alagamentos. A metodologia contemplou a análise da literatura e de imagens dos satélites CBERS-4A e Landsat-9, plataformas que disponibilizam dados recentes, gratuitos e compatíveis com análises em escala municipal. Para isso, foram analisadas imagens de municípios da porção sul do estado da Bahia que representaram áreas afetadas por esses desastres naturais. Os resultados demonstraram que os sensores passivos apresentam limitações relacionadas às condições atmosféricas em análises de escala regional, sendo mais adequados para estudos em áreas restritas e em locais com baixa cobertura de nuvens.
Downloads
Referências
BEZERRA, H. S.; SANO, E. E.; FERREIRA, L. G. Desempenho do satélite sino-brasileiro de recursos terrestres CBERS-2 no mapeamento da cobertura da terra no Distrito Federal, Brasil. Revista Brasileira de Geofísica, [S. l.], v. 25, n. 2, p. 171-185, 2007. Disponível em: https://www.scielo.br/j/rbg/a/TsWZJmcPcQ4j9xKZWBN6QWv/?lang=pt. Acesso em: 03 ago. 2026.
BROWN, K. M.; HAMBIDGE, C. H.; BROWNETT, J. M. Progress in operational flood mapping using satellite synthetic aperture radar (SAR) and airborne light detection and ranging (LiDAR) data. Progress in Physical Geography, [S. l.], v. 40, n. 2, p. 196-214, 2016. Disponível em: https://journals.sagepub.com/doi/10.1177/0309133316633570. Acesso em: 03 ago. 2026.
BAHIA, Superintendência de Proteção e Defesa Civil da Bahia. Defesa Civil da Bahia apresenta balanço de atingidos pelas enchentes. Disponível em: https://www.ba.gov.br/comunicacao/2021/12/noticias/defesa-civil-da-bahia-apresenta-balanco-de- atingidos-pelas-enchentes.
CARVALHO JÚNIOR, O. A. Aplicações e perspectivas do sensoriamento remoto para o mapeamento de áreas inundáveis. Revista de Geografia, Recife, v. 35, n. 4, p. 412-431, 2018. Disponível em: https://www.researchgate.net/publication/352115661_APLICACOES_E_PERSPECTIVAS_DO_SENSORIAMENTO_REMOTO_PARA_O_MAPEAMENTO_DE_AREAS_INUNDAVEIS. Acesso em: ago. 2026.
CHAWAN, A. C.; KAKADE, V. K.; JADHAV, J. K. Automatic detection of flood using remot sensing images. Journal of Information Technology, [S. l.], v. 2, n. 01, p. 11-26, 2020. Disponível: https://irojournals.com/itdw/article/view/1275. Acesso em: 03 ago. 2026.
FITZGERALD, G. J. Characterizing vegetation indices derived from active and passive sensors. International Journal of Remote Sensing, [S. l.], v. 31, n. 16, p. 4335-4348, 2010. Disponível em: https://www.tandfonline.com/doi/full/10.1080/01431160903258217. Acesso em: 03 ago. 2026. v.5, n.6, 2026, p.67-84
FLEISCHMANN, A. S et al. River flood modeling and remote sensing across scales: lessons from Brazil. In: Earth observation for flood applications. [S. l.]: Elsevier, 2021. p. 61-103. Disponível em: https://www.sciencedirect.com/science/chapter/edited-volume/abs/pii/B9780128194126000043. Acesso em: 03 ago. 2026.
FONSECA, L. M. G.; NAMIKAWA, L. M.; & CASTEJON, E. F. Digital image processing in remote sensing. In: Tutorials of the Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI TUTORIALS). p. 59-71. 2009. Disponível em: https://ieeexplore.ieee.org/document/5395150. Acesso em: 03 ago. 2026.
HEROLD, M.; GARDNER, M. E.; ROBERTS, D. A. Spectral resolution requirements for mapping urban areas. IEEE Transactions on Geoscience and remote sensing, [S. l.], v. 41, n. 9, p. 1907-, 2003. Disponível em: 10.1109/TGRS.2003.815238. Acesso em: 03 ago. 2026.
INSTITUTO NACIONAL DE METEOROLOGIA. Eventos extremos: dezembro/2023 foi marcado por diversos episódios de chuva com impactos no agronegócio. Disponível em:https://portal.inmet.gov.br/noticias/eventos-extremos-dezembro-2023-foi-marcado-por-bastante-calor-e-diversos-epis%C3%B3dios-de-chuva-com-impactos-no-agroneg%C3%B3cio. Acesso em: ago. 2026.
INSTITUTO DE PESQUISAS ESPACIAIS. Sensoriamento Remoto, 2024a. Disponível em: https://www.dpi.inpe.br/spring/portugues/tutorial/introducao_sen.html#:~:text=Resolu%C3%A7%C%A3o%20%C3%A9%20uma%20medida%20da,em%20espacial%2C%20espectral%20e%20radiom%C3%A9trica.
INSTITUTO DE PESQUISAS ESPACIAIS. Câmeras Imageadoras CBERS 04A, 2024b. Disponível em: http://www.cbers.inpe.br/sobre/cameras/cbers04a.php
WANG, W. et al. Review on active and passive remote sensing techniques for road extraction. Remote Sensing, v. 13, n. 21, p. 271-282, 2021. Disponível em: https://doi.org/10.1016/j.jtte.2016.05.005. Acesso em: 03 ago. 2026.
KLEMAS, V. Remote sensing of floods and flood-prone areas: an overview. Journal of Coastal Research, [S. l.], v. 31, n. 4, p. 1005-1013, 2015. Disponível: https://doi.org/10.2112/JCOASTRES-D-14-00160.1. Acesso em: 03 ago. 2026.
KRIZEK, J. P. O.; ALVES, S. L.; SANTOS, L. C. M. Estado da arte da utilização de geotecnologias no ensino de ecologia: uma análise quali-quantitativa. Revista de Ensino de Biologia da SBEnBio, [S. l.], p. 290-313, 2022. Disponível em: https://doi.org/10.46667/renbio.v15i1.674.Acesso em: 03 ago. 2026.
LEONERDI, F. et al. Fusão de imagens CBERS 2B: CCD-HRC. In: Simpósio Brasileiro de Sensoriamento Remoto,14., 2009, Abril 2009, Natal. Anais... Natal: INPE, 2009, p. 6951-6958. Disponível em: http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@80/2008/11.16.12.28/doc/6951.pdf. Acesso em: 03 ago. 2026.
LICCO, E. A.; MAC DOWELL, S. F. Alagamento, enchentes, enxurradas e inundações: digressões sobre seus impactos sócio econômicos e governança. Revista de Iniciação Científica, Tecnológica e Artística. [S. l.], São Paulo, v. 5, n. 3, p. 159-174, 2015. Disponível em: https://www1.sp.senac.br/hotsites/blogs/revistainiciacao/wp content/uploads/2015/12/110_IC_artigo-.pdf. Acesso em: 03 ago. 2026.
LU, D. et al. Aboveground forest biomass estimation with landsat and LiDAR data and uncertainty analysis of the estimates. International Journal of Forestry Research, [S. l.], 2012. Disponível em: https://doi.org/10.1155/2012/436537. Acesso em: 03 ago. 2026.
LUU, C. et al. Flood-prone area mapping using machine learning techniques: a case study of Quang Binh province, Vietnam. Natural Hazards, [S. l.], v. 108, n. 3, p. 3229-3251, 2021. Disponível em: https://link.springer.com/article/10.1007/s11069-021-04821-7. Acesso: 03 ago. 2026.
MALIK, S. et al. Prediction of highly flood prone areas by GIS based heuristic and statistical modelin a monsoon dominated region of Bengal Basin. Remote Sensing Applications: Society and Environment, [S. l.], v. 19, 2020. Disponível em: https://doi.org/10.1016/j.rsase.2020.100343. Acesso em: 03 ago. 2026.
MARTINS, S. et al. Processamento digital de imagens para mapeamento de uso e cobertura da terra: uma revisão de literatura. Revista de Geociências do Nordeste, Caicó, RN, v. 9, n. 2, p.-143, 2023. Disponível em: https://periodicos.ufrn.br/revistadoregne/article/view/32515/17743. Acesso em: 03 ago. 2026.
NATIONAL AERONAUTICS AND SPACE ADMINISTRATION (NASA). Spectral bands and applications. Washington, DC:
NASA, 2025. Disponível em: https://science.nasa.gov/ mission/landsat/spectral-bands-and-applications/. Acesso em: 5 ago. 2026
NEVES, K. M. Estimativa de biomassa florestal integrando dados Landsat-8 e fotogrametria aérea digital em diferentes escalas: um estudo de caso em uma bacia hidrográfica no bioma Mata Atlântica. 2021. 99 f. Dissertação (Mestrado em Recursos Hídricos) - Universidade Federal de Sergipe, São Cristóvão, SE, 2021. Disponível em: https://ri.ufs.br/handle/riufs/17204. Acesso em: 05 ago. 2026.
ODIANA, S.; UGBODAGA, F.; OKWUOKEI, N. G. Determining flood prone areas in edo state using Geographic Information System (GIS) and remote sensing. Journal of Energy Technology and Environment, [S. l.], v. 6, n. 2, p. 123-134, 2024. Disponível em: https://doi.org/10.5281/zenodo.11412214%20. Acesso em: 05 ago. 2026.
RAKUASA, H. Identification of flood prone areas in Sumatra Barat province using remote sensing data and Geographic Information System based on machine learning. Journal of International Multidisciplinary Research, [S. l.], v. 2, n. 5, p. 234-240, 2024. Disponível em: https://journals.indexcopernicus.com/search/article?articleId=4016029. Acesso em: 05 ago. 2026.
RUDORFF, C. Estudo da composição das águas da planície amazônica por meio de dados de reflectância do sensor Hyperion/EO-1 e de espectrômetro de campo visando a compreensão da variação temporal dos seus constituintes opticamente ativos. 140 f. Dissertação (Mestrado em Sensoriamento Remoto). Instituto Nacional de Pesquisa Espaciais, São José dos Campos, SP, 2006. Disponível em: https://bdtd.ibict.br/vufind/Record/INPE _7f3f39c90d71c0f3c8ca56915415aeb2. Acesso em: 05 ago. 2026.
SAHA, A. K.; AGRAWAL, S. Mapping and assessment of flood risk in Prayagraj district, India: a GIS and remote sensing study. Nanotechnology for Environmental Engineering, [S. l.], v. 5, p. -18, 2020. Disponível em: https://link.springer.com/article/10.1007/s41204-020-00073-1. Acessoem: 05 ago. 2026.
SANTANA, G. et al. (Orgs.). Contribuições das pesquisas em ciências ambientais para a sustentabilidade no estado da Bahia. Criação Editora, Aracaju, 2020.
SARTORI, R. Z. Avaliação comparativa de modelos hidrodinâmicos para previsão de inundações: um estudo de caso do município de Getúlio Vargas-RS. 147 f. Dissertação (Mestrado em Ciência e Tecnologia Ambiental) – Universidade Federal da Fronteira Sul, Erechim, RS, 2018. Disponível em: https://rd.uffs.edu.br/bitstream/prefix/2059/1/SARTORI.pdf. Acesso em: ago. 2026. v.5, n.6, 2026, p.67-84
SANTOS, A. M.; BURJACK, M. I. A. Análise do desempenho do satélite sino-brasileiro de recursos
terrestres (CBERS 2) na determinação de morfologia de sistemas lacustres da planície aluvial do médio Rio Araguaia entre Bandeirantes e Luiz Alves. In: Simpósio Brasileiro de Sensoriamento Remoto, 13., 2007, Florianópolis. Anais... Florianópolis: INPE, 2007. p. 21-26. Disponível: http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2006/11.15.00.54/doc/1079-1086.pdf. Acesso em: ago. 2026.
SANTOS, A. M. et al. Cartografia digital aplicada aos estudos de temas ambientais, econômicos e sociais no ensino básico. Geografia Ensino & Pesquisa, Santa Maria, RS, v. 28, p. 1-26, 2024. Disponível em: https://periodicos.ufsm.br/geografia/article/view/84815/64090. Acesso em: 05 ago.
SANTOS, A. M.; NUNES, F. G. Mapeamento de cobertura e do uso da terra: críticas e autocríticas a partir de um estudo de caso na Amazônia brasileira. Geosul, Florianópolis, v. 36, n. 78, p. 476– 2021. Disponível em: https://doi.org/10.5007/2177-5230.2021.e72887. Acesso em: 05 ago.
SHAHABI, H. et al. Flood detection and susceptibility mapping using sentinel-1 remote sensing data and a machine learning approach: hybrid intelligence of bagging ensemble based on k- nearest neighbor classifier. Remote Sensing, v. 12, n. 2, 2020. Disponível: https://doi.org/10.3390/rs12020266. Acesso em: 05 ago. 2026.
SERVIDONI, L. E. et al. Methodological proposal to remote detection and management of areas that are naturally vulnerable to floods. Earth Sciences Research Journal, Bogotá, Colômbia, v. , n. 1, p. 59-68, 2023. Disponível em: https://doi.org/10.15446/esrj.v27n1.103542. Acesso em: ago. 2026.
SILVA NETO, T. A. Mapeamento de áreas inundáveis na região do Baixo Jaguaribe (Ceará) utilizando imagens Sentinel-1 e Sentinel-2. 70 f. Dissertação (Mestrado em Geologia) – Universidade Federal do Ceará, Fortaleza, 2023. Disponível em:
https://repositorio.ufc.br/handle/riufc/76146. Acesso em: 05 ago. 2026.
SOUSA, D. F. et al. Uma abordagem híbrida e semi-automática para a remoção de nuvens e sombras de imagens de satélite. In: Simpósio Brasileiro de Sensoriamento Remoto - SBSR, 16., ; Foz do Iguaçú, PR. Anais... Foz do Iguaçu, PR: INPE, 2013. p. 8027-8034.Disponível em: http://marte2.sid.inpe.br/col/dpi.inpe.br/marte2/2013/05.28.23.18.21/doc/p0327.pdf. Acesso em: 05. ago. 2026.
TEIXEIRA, T. M. A.; OLIVEIRA, V. P. V.; OLIVEIRA, A. C. Fragilidade ambiental da Bacia Hidrográfica do Rio São João de Tiba, Extremo Sul da Bahia. Revista Brasileira de Geografia Física, Recife, v. 14, n. 04, p. 1941-1956, 2021. Disponível em: https://periodicos.ufpe.br/revistas/rbgfe/article/download/249413/39020. Acesso em: 05 ago. 2026.
WILLIAMS, D. L.; GOWARD, S.; ARVIDSON, T. Landsat: yesterday, today, and tomorrow. Photogrammetric Engineering & Remote Sensing, [S. l.], v. 72, n. 10, p. 1171-1178, 2006. Disponível em: https://www.ingentaconnect.com/content/asprs/pers/2006/00000072/00000010/art00005;jsessionid =5q3a9pia7o4ji.x-ic-live-01#. Acesso em: 05 ago. 2026.
Copyright (c) 2026 Geografia Grapiúna
This work is licensed under a Creative Commons Attribution 4.0 International License.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons - Attribution 4.0 International que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
