The ESRI platform has updated its automated analysis modules, making the system more user-friendly and appealing to researchers.
In this example, we used Sentinel 2 satellite data to detect vegetation changes between April 28, 2024 (before the wildfires), and September 23, 2024 (during the most critical period of the extreme climatic event in the Brazilian capital). Using the automatic analysis on the new ESRI platform, vegetation changes were detected, estimated at 40.59 km² [1].
In this mode, you can select two images and calculate the differences between them. You have the ability to create change masks based on vegetation, water, and moisture indices. Generating difference images enables further analysis, such as estimating forest and vegetation loss in the event of a wildfire. Using the same two “before and after” images from the Parque Nacional de Brasília fire, as shown in the Swipe example above, we can calculate the vegetation difference between the images to create a difference mask. With this mask, the threshold slider allows for a quick and approximate delineation of the vegetation loss area caused by the fire.
DOI: https://doi.org/10.5281/zenodo.15271881
Prof. Dr. Cristiano Torres
A plataforma ESRI atualizou seus módulos de análise automatizada, tornando o sistema mais intuitivo e atraente para pesquisadores.
Neste exemplo, utilizamos dados do satélite Sentinel-2 para detectar mudanças na vegetação entre 28 de abril de 2024 (antes dos incêndios florestais) e 23 de setembro de 2024 (durante o período mais crítico do evento climático extremo na capital brasileira). Usando a análise automática na nova plataforma ESRI foram detectadas mudanças na vegetação estimadas em 40,59 km² [1].
Nesse modo, você pode selecionar duas imagens e calcular as diferenças entre elas. É possível criar máscaras de mudança com base em índices de vegetação, água e umidade. A geração de imagens de diferença permite análises mais detalhadas, como a estimativa de perda de floresta e vegetação em caso de incêndio florestal. Utilizando as mesmas imagens “antes e depois” do incêndio no Parque Nacional de Brasília, conforme demonstrado no exemplo de deslize acima, podemos calcular a diferença de vegetação entre as imagens para criar uma máscara de diferença. Com essa máscara, o controle deslizante de limite permite uma delimitação rápida e aproximada da área de perda de vegetação causada pelo fogo.
Prof. Dr. Cristiano Torres
La plataforma ESRI ha actualizado sus módulos de análisis automatizado, haciendo que el sistema sea más intuitivo y atractivo para los investigadores.
En este ejemplo, utilizamos datos del satélite Sentinel-2 para detectar cambios en la vegetación entre el 28 de abril de 2024 (antes de los incendios forestales) y el 23 de septiembre de 2024 (durante el período más crítico del evento climático extremo en la capital brasileña). Gracias al análisis automático en la nueva plataforma ESRI, se detectaron cambios en la vegetación estimados en 40,59 km² [1].
De esta manera, puedes seleccionar dos imágenes y calcular las diferencias entre ellas. Es posible crear máscaras de cambio basadas en índices de vegetación, agua y humedad. La generación de imágenes de diferencia permite realizar análisis más detallados, como la estimación de la pérdida de bosques y vegetación en caso de incendios forestales. Utilizando las mismas imágenes “antes y después” del incendio en el Parque Nacional de Brasilia, como se muestra en el ejemplo del control deslizante anterior, podemos calcular la diferencia de vegetación entre las imágenes para crear una máscara de diferencia. Con esta máscara, el control deslizante de límite permite una delimitación rápida y aproximada del área de pérdida de vegetación causada por el fuego.
Citation
Torres do Amaral, C. (2025). Remote Sensing & Applications: Automated Analysis. Amazontech: Revista De Estudos Interdisciplinares, (Vol. 7, Número 1). DOI: https://doi.org/10.5281/zenodo.15271881
Amazontech: Journal of Interdisciplinary Studies - ISSN 2675-701X 