Mapping Impervious Surface Areas Using Orthophotos, Satellite Imagery and Linear Regression

Authors

DOI:

https://doi.org/10.11606/rdg.v35i0.131542

Keywords:

Impervious surfaces, NDVI, regression line, cross-validation.

Abstract

One of the most notorious effects of urbanization is the increase in the proportion of impervious surface areas (ISAs). The indiscriminate increase in ISA gives rise to many negative impacts on the environment, such as the deterioration of water in terms of both quality and quantity, changes in surface-water infiltration and runoff characteristics, increases in the land surface temperature, etc. Owing to the scientific and social relevance of this theme, the present study aims to map the percentage of ISA in the Metropolitan Region of São Paulo (RMSP) by means orthorectified digital photos (Emplasa, 2010) and satellite imagery taken from the Operational Land Imager (OLI) instrument onboard the Landsat-8 system. The first procedure consisted of a definition of the control areas used to calibrate the model.  By using detailed information from orthophotos, the percentage of impervious land was calculated taking into account the pixel size of Landsat-8 OLI imagery. In order to do that, a set of georeferenced sample windows was used. After this, we combined the reference impervious surface values with the pixel brightness of the normalized difference vegetation index (NDVI) through a linear-regression model, since there is a negative correlation between green vegetation and impervious areas. By using the cross-validation technique, a meticulous analysis of the residues generated from the modeling was performed.  The results obtained in this investigation showed that the method described is very effective in predicting continuous values of ISA (R2 = 0.90 and p <0.05 when related to the control set), however, a slight underestimation error is also noted.

Downloads

Download data is not yet available.

Author Biographies

  • Marcos Henrique Martins, Departamento de Geografia da Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo.
    Graduado em Geografia pela Universidade de São Paulo em 2017, possui experiência em Geografia Agrária, Cartografia Temática, Sensoriamento Remoto e Geoprocessamento. Fez intercâmbio na Université de Poitiers (França) no segundo semestre de 2015. Atua como estagiário na área de Geoprocessamento e Cartografia da Divisão Técnica de Unidades de Conservação e Proteção da Biodiversidade e Herbário do Departamento de Parques e Áreas Verdes da Secretaria do Verde e do Meio Ambiente do Município de São Paulo - SP. Participou do mapeamento no âmbito do Plano Municipal da Mata Atlântica do Município de São Paulo.
  • Rubia Gomes Morato, Departamento de Geografia da Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo.
    Possui graduação em Geografia pela Universidade de São Paulo (2000), mestrado em Geografia (Geografia Física) pela Universidade de São Paulo (2004) e doutorado em Geografia (Geografia Humana) pela Universidade de São Paulo (2008). Atualmente é professora de Cartografia do Departamento de Geografia da USP. Teve trabalhos premiados pela Escola Nacional de Estatística do IBGE (2004) e pelo Congresso Luso-brasileiro de Planejamento Urbano, Regional, Integrado e Sustentável (2005). Atuou por 6 anos como Especialista em Laboratório no Laboratório de Aerofotogeografia e Sensoriamento Remoto da USP. Foi professora conferencista de Geoprocessamento e Sensoriamento Remoto da Universidade Estadual Paulista Júlio de Mesquita Filho (Ourinhos) em 2007. Entre 2009 e 2014 foi professora da Universidade Federal de Alfenas (Unifal-MG). Realiza pesquisas nas áreas de Cartografia, Sensoriamento Remoto e Sistema de Informação Geográfica (SIG) aplicados aos estudos ambientais e socioeconômicos. É autora de mais de 20 artigos em periódicos, 6 capítulos de livros e revisora de 10 revistas. É sócia da SELPER e da Aprogeo-SP. CREA/SP 5061887400.
  • Fernando Shinji Kawakubo, Departamento de Geografia da Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo.
    Possui graduação em Geografia (2001), mestrado em Ciências (Geografia Física) (2005) e doutorado em Ciências (Geografia Física) (2010) todos pela Universidade de São Paulo. Atua na área de Geociências nos seguintes temas: (1) fragilidade ambiental; (2) mapeamento e análise do uso da terra/cobertura vegetal utilizando os recursos do sensoriamento remoto; (3) fotointerpretação; (4) classificação de imagens; (5) análise de mistura espectral; (6) integração sensoriamento remoto e SIG. Atualmente é professor do Departamento de Geografia da Universidade de São Paulo. Registro no CREA-SP 5061914497.

Downloads

Published

2018-07-24

Issue

Vol. 35 (2018)

Section

Artigos

License

Autores que publicam nesta revista concordam com os seguintes termos:

  • Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution BY-NC-SA 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. A licença adotada enquadra-se no padrão CC-BY-NC-SA. 
 
  • 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).

How to Cite

Martins, M. H., Morato, R. G., & Kawakubo, F. S. (2018). Mapping Impervious Surface Areas Using Orthophotos, Satellite Imagery and Linear Regression. Revista Do Departamento De Geografia, 35, 91-101. https://doi.org/10.11606/rdg.v35i0.131542