A análise de imagens ópticas em regiões tropicais, como grande parte do território brasileiro, exige métodos eficientes para redução de interferências atmosféricas, especialmente nuvens e sombras. Pensando nisso, a GATFOREST apresenta uma abordagem automatizada para uso do Cloud Score+ no Google Earth Engine (GEE), aplicada a imagens do Sentinel-2.
O objetivo é demonstrar um fluxo de trabalho simples, reprodutível e escalável, alinhado às boas práticas de análise geoespacial em ambiente de computação em nuvem.
O que é o Cloud Score+?
O Cloud Score+ é um conjunto de métricas de qualidade geradas por modelos de inteligência artificial, desenvolvidos para avaliar a usabilidade de cada pixel em imagens do Sentinel-2.
Diferentemente de máscaras tradicionais, o método atribui uma pontuação contínua, indicando o grau de interferência atmosférica, o que permite maior controle na filtragem das imagens.
Essa abordagem é especialmente relevante para:
- análises ambientais,
- monitoramento temporal,
- estudos territoriais em áreas com alta nebulosidade.
Abordagem Metodológica da GATFOREST
Neste exemplo, a estratégia adotada envolve:
- Integração automática entre Sentinel-2 SR e Cloud Score+
- Aplicação de uma função genérica de máscara baseada em limiar de qualidade
- Geração de composições temporais limpas e consistentes
Esse fluxo favorece padronização metodológica, redução de ruído e maior confiabilidade dos resultados.
Implementação Automatizada no Google Earth Engine
// ==============================
// PARÂMETROS GERAIS
// ==============================
var roi = geometry; // Região de interesse
var startDate = ‘2024-12-01’;
var endDate = ‘2025-01-16’;
var qualityThreshold = 0.6;
// ==============================
// COLEÇÕES
// ==============================
var s2 = ee.ImageCollection(‘COPERNICUS/S2_SR_HARMONIZED’);
var cloudScore = ee.ImageCollection(‘GOOGLE/CLOUD_SCORE_PLUS/V1/S2_HARMONIZED’);
// ==============================
// FUNÇÃO DE MÁSCARA
// ==============================
function maskByCloudScore(image) {
var score = image.select(‘cs’);
return image.updateMask(score.gte(qualityThreshold));
}
// ==============================
// PROCESSAMENTO
// ==============================
var filteredCollection = s2
.filterBounds(roi)
.filterDate(startDate, endDate)
.linkCollection(cloudScore, [‘cs’])
.map(maskByCloudScore);
// ==============================
// COMPOSIÇÃO FINAL
// ==============================
var composite = filteredCollection.median();
// ==============================
// VISUALIZAÇÃO
// ==============================
Map.centerObject(roi, 11);
Map.addLayer(composite, {
bands: [‘B4’, ‘B3’, ‘B2’],
min: 0,
max: 2500
}, ‘Sentinel-2 | Cloud Score+’);
Nota técnica:
Limiar de qualidade entre 0,5 e 0,7 tende a apresentar bons resultados em áreas tropicais, equilibrando remoção de nuvens e preservação de informação espectral.
Vantagens do Uso Automatizado do Cloud Score+
- Flexibilidade analítica: ajuste do nível de limpeza conforme o objetivo do estudo
- Preservação de pixels úteis: menor perda de informação em cenas parcialmente nubladas
- Reprodutibilidade: aplicação do mesmo método em diferentes áreas e períodos
- Eficiência computacional: integração direta entre coleções no GEE
Aplicações Práticas
Essa metodologia é indicada para:
- monitoramento ambiental contínuo,
- análises de uso e cobertura da terra,
- agricultura de precisão,
- estudos hidrológicos,
- avaliação de impactos ambientais,
- mapeamento de áreas suscetíveis a desastres.
Considerações Finais
A incorporação do Cloud Score+ em fluxos automatizados no Google Earth Engine representa um avanço significativo na qualidade das análises com imagens ópticas. Ao adotar práticas de automação e padronização, como propõe a GATFOREST, é possível obter produtos mais consistentes, confiáveis e adequados à tomada de decisão em diferentes escalas.
Explorar diferentes limiares e estratégias de composição é fundamental para adaptar o método às especificidades de cada projeto.
