Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos

Detalhes bibliográficos
Autor(a) principal: Pantoja, Nara Vidal
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional do INPA
Texto Completo: https://repositorio.inpa.gov.br/handle/1/4983
http://lattes.cnpq.br/7250980918375600
Resumo: A exploração madeireira praticada a partir dos princípios do manejo florestal é uma estratégia de gestão promissora para a conservação da biodiversidade e sequestro de carbono na Amazônia. Entretanto, os métodos de controle atualmente utilizados são insuficientes para monitorar com frequência e em grande escala a ocorrência de áreas de exploração de madeira. Foi mapeada uma área de floresta tropical sob manejo florestal na Floresta Estadual do Antimary no estado do Acre para avaliar o potencial de detecção dos impactos produzidos por operações florestais (estradas e pátios) a partir de diferentes níveis de aquisição de dados: campo, aéreo e orbital. As estradas e pátios foram mapeados em campo com aparelhos de GPS. A imagem-fração Vegetação Não-Fotossintética (NPV) obtida do modelo de mistura das imagens Landsat dos anos 2009 a 2015 processadas no programa CLASlite foram utilizadas para mapear as estradas florestais e pátios instalados dentro da área explorada. Imagens RapidEye dos anos 2012 a 2015 também foram analisadas para identificar áreas alteradas por corte seletivo. Dados LiDAR aerotransportado foram utilizados para obter o modelo de densidade relativa de vegetação e identificar a área explorada. O mapeamento da exploração madeireira na área usando classificação automática e interpretação visual, mostrou, respectivamente, áreas com 398 ha e 1.428 ha. A exatidão global foi estimada em 0,50 ± 0,060 para a classificação de imagens Landsat e 0,788 ± 0,149 para a classificação das imagens RapidEye. A área de exploração madeireira subestimada de acordo com os dados de referência foi de 4.537 ha (Landsat) e 705 ha (RapidEye). O tamanho dos pátios influenciou a detecção pelo Landsat, pois foi possível detectar somente 40% dos pátios mapeados em campo, enquanto 98% dos pátios foram detectados pelo LiDAR. A média da área dos pátios detectados foi de 435 m2 enquanto que a dos pátios não detectados foi de 302 m2, havendo diferença significativa na detecção em função do tamanho dos pátios (t = -4,0076, df = 38, p≤0,01). O monitoramento das parcelas permanentes mostrou as diferenças de estoque de cobertura florestal antes e após a exploração. Estes resultados enfatizam a necessidade de pesquisas relacionadas ao manejo florestal para entender a variabilidade espacial das estradas e pátios até então detectadas por sensoriamento remoto. Enquanto o GPS é recomendado para mapear com maior confiabilidade a infraestrutura florestal, dados LiDAR e Landsat também são eficazes para quantificar remotamente a extensão dos impactos da exploração em florestas tropicais, subsidiando a gestão e o monitoramento florestal.
id INPA-2_f142d3674191d53ffd757b31604c0e38
oai_identifier_str oai:repositorio:1/4983
network_acronym_str INPA-2
network_name_str Repositório Institucional do INPA
repository_id_str
spelling Pantoja, Nara VidalD'Oliveira, Marcus Vinício NevesHiguchi, Niro2020-01-10T15:35:18Z2020-01-10T15:35:18Z2018-08-31https://repositorio.inpa.gov.br/handle/1/4983http://lattes.cnpq.br/7250980918375600A exploração madeireira praticada a partir dos princípios do manejo florestal é uma estratégia de gestão promissora para a conservação da biodiversidade e sequestro de carbono na Amazônia. Entretanto, os métodos de controle atualmente utilizados são insuficientes para monitorar com frequência e em grande escala a ocorrência de áreas de exploração de madeira. Foi mapeada uma área de floresta tropical sob manejo florestal na Floresta Estadual do Antimary no estado do Acre para avaliar o potencial de detecção dos impactos produzidos por operações florestais (estradas e pátios) a partir de diferentes níveis de aquisição de dados: campo, aéreo e orbital. As estradas e pátios foram mapeados em campo com aparelhos de GPS. A imagem-fração Vegetação Não-Fotossintética (NPV) obtida do modelo de mistura das imagens Landsat dos anos 2009 a 2015 processadas no programa CLASlite foram utilizadas para mapear as estradas florestais e pátios instalados dentro da área explorada. Imagens RapidEye dos anos 2012 a 2015 também foram analisadas para identificar áreas alteradas por corte seletivo. Dados LiDAR aerotransportado foram utilizados para obter o modelo de densidade relativa de vegetação e identificar a área explorada. O mapeamento da exploração madeireira na área usando classificação automática e interpretação visual, mostrou, respectivamente, áreas com 398 ha e 1.428 ha. A exatidão global foi estimada em 0,50 ± 0,060 para a classificação de imagens Landsat e 0,788 ± 0,149 para a classificação das imagens RapidEye. A área de exploração madeireira subestimada de acordo com os dados de referência foi de 4.537 ha (Landsat) e 705 ha (RapidEye). O tamanho dos pátios influenciou a detecção pelo Landsat, pois foi possível detectar somente 40% dos pátios mapeados em campo, enquanto 98% dos pátios foram detectados pelo LiDAR. A média da área dos pátios detectados foi de 435 m2 enquanto que a dos pátios não detectados foi de 302 m2, havendo diferença significativa na detecção em função do tamanho dos pátios (t = -4,0076, df = 38, p≤0,01). O monitoramento das parcelas permanentes mostrou as diferenças de estoque de cobertura florestal antes e após a exploração. Estes resultados enfatizam a necessidade de pesquisas relacionadas ao manejo florestal para entender a variabilidade espacial das estradas e pátios até então detectadas por sensoriamento remoto. Enquanto o GPS é recomendado para mapear com maior confiabilidade a infraestrutura florestal, dados LiDAR e Landsat também são eficazes para quantificar remotamente a extensão dos impactos da exploração em florestas tropicais, subsidiando a gestão e o monitoramento florestal.Logging based on the principles of forest management in the Amazon region is a promising management strategy for biodiversity conservation and carbon sequestration. However, the control methods currently used are insufficient to monitor frequently and on a large scale the occurrence of areas for logging. An area of tropical forest under forest management was mapped in the Antimary State Forest in the state of Acre, Western Brazilian Amazon, to assess the potential for the detection of impacts produced by forest operations (roads and landings) using different levels of data acquisition: field, aerial and orbital. Within the Antimary State Forest, roads and landings were mapped in the field with GPS devices. The remote mapping of these structures was achieved using the nonphotosynthetic vegetation (NPV) fraction images obtained from the mixing model of the Landsat images from years 2009 to 2015 processed in the CLASlite program. RapidEye images from the years 2012 to 2015 were used to identify areas degraded by selectivelogging. Airborne LiDAR data were used to create a high-resolution canopy relative density model (RDM) and to identify the logged areas. The mapping of logging in the study area showed 398 ha and 1,428 ha using automatic classification and visual interpretation, respectively. The overall accuracy was estimated at 0.50 ± 0.060 for the classification of Landsat images and 0.788 ± 0.149 for the classification of the RapidEye images. The underestimated logged area according to the reference data was 4,537 ha using Landsat and 705 ha using RapidEye. The size of the landings affected the Landsat detection since it detected only 40% of the landings, while 98% of landing were detected by LiDAR. The mean area of detected logging ladings was 435 m2 while the mean area of those undetected was 302 m2, with a significant difference in detection being the function of the size of the patios (t = -4.0076, df = 38, p≤0.01). Monitoring of permanent plots showed differences in forest cover stocks before and after selective logging. These results emphasize the need for research related to forest management in order to understand the spatial variability of roads, landings and harvested tree gaps being detected by remote sensing. While GPS is more reliable for the mapping of forest infrastructure, LiDAR and Landsat data are effective in remotely quantifying the extent of exploitation impacts in tropical forests by subsidizing forest management and monitoringporInstituto Nacional de Pesquisas da Amazônia – INPACiências de Florestas Tropicais - CFTAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessManejo florestalLandsatSensoriamento remotoREDD+Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional do INPAinstname:Instituto Nacional de Pesquisas da Amazônia (INPA)instacron:INPAORIGINALNara_Pantoja.pdfNara_Pantoja.pdfapplication/pdf4771542https://repositorio.inpa.gov.br/bitstream/1/4983/1/Nara_Pantoja.pdf5955b0332f4d22b4eccc0be48fe45efaMD511/49832020-01-10 14:47:24.174oai:repositorio:1/4983Repositório de PublicaçõesPUBhttps://repositorio.inpa.gov.br/oai/requestopendoar:2020-01-10T18:47:24Repositório Institucional do INPA - Instituto Nacional de Pesquisas da Amazônia (INPA)false
dc.title.pt_BR.fl_str_mv Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
title Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
spellingShingle Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
Pantoja, Nara Vidal
Manejo florestal
Landsat
Sensoriamento remoto
REDD+
title_short Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
title_full Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
title_fullStr Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
title_full_unstemmed Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
title_sort Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
author Pantoja, Nara Vidal
author_facet Pantoja, Nara Vidal
author_role author
dc.contributor.co-advisor.none.fl_str_mv D'Oliveira, Marcus Vinício Neves
dc.contributor.author.fl_str_mv Pantoja, Nara Vidal
dc.contributor.advisor1.fl_str_mv Higuchi, Niro
contributor_str_mv Higuchi, Niro
dc.subject.por.fl_str_mv Manejo florestal
Landsat
Sensoriamento remoto
REDD+
topic Manejo florestal
Landsat
Sensoriamento remoto
REDD+
description A exploração madeireira praticada a partir dos princípios do manejo florestal é uma estratégia de gestão promissora para a conservação da biodiversidade e sequestro de carbono na Amazônia. Entretanto, os métodos de controle atualmente utilizados são insuficientes para monitorar com frequência e em grande escala a ocorrência de áreas de exploração de madeira. Foi mapeada uma área de floresta tropical sob manejo florestal na Floresta Estadual do Antimary no estado do Acre para avaliar o potencial de detecção dos impactos produzidos por operações florestais (estradas e pátios) a partir de diferentes níveis de aquisição de dados: campo, aéreo e orbital. As estradas e pátios foram mapeados em campo com aparelhos de GPS. A imagem-fração Vegetação Não-Fotossintética (NPV) obtida do modelo de mistura das imagens Landsat dos anos 2009 a 2015 processadas no programa CLASlite foram utilizadas para mapear as estradas florestais e pátios instalados dentro da área explorada. Imagens RapidEye dos anos 2012 a 2015 também foram analisadas para identificar áreas alteradas por corte seletivo. Dados LiDAR aerotransportado foram utilizados para obter o modelo de densidade relativa de vegetação e identificar a área explorada. O mapeamento da exploração madeireira na área usando classificação automática e interpretação visual, mostrou, respectivamente, áreas com 398 ha e 1.428 ha. A exatidão global foi estimada em 0,50 ± 0,060 para a classificação de imagens Landsat e 0,788 ± 0,149 para a classificação das imagens RapidEye. A área de exploração madeireira subestimada de acordo com os dados de referência foi de 4.537 ha (Landsat) e 705 ha (RapidEye). O tamanho dos pátios influenciou a detecção pelo Landsat, pois foi possível detectar somente 40% dos pátios mapeados em campo, enquanto 98% dos pátios foram detectados pelo LiDAR. A média da área dos pátios detectados foi de 435 m2 enquanto que a dos pátios não detectados foi de 302 m2, havendo diferença significativa na detecção em função do tamanho dos pátios (t = -4,0076, df = 38, p≤0,01). O monitoramento das parcelas permanentes mostrou as diferenças de estoque de cobertura florestal antes e após a exploração. Estes resultados enfatizam a necessidade de pesquisas relacionadas ao manejo florestal para entender a variabilidade espacial das estradas e pátios até então detectadas por sensoriamento remoto. Enquanto o GPS é recomendado para mapear com maior confiabilidade a infraestrutura florestal, dados LiDAR e Landsat também são eficazes para quantificar remotamente a extensão dos impactos da exploração em florestas tropicais, subsidiando a gestão e o monitoramento florestal.
publishDate 2018
dc.date.issued.fl_str_mv 2018-08-31
dc.date.accessioned.fl_str_mv 2020-01-10T15:35:18Z
dc.date.available.fl_str_mv 2020-01-10T15:35:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.inpa.gov.br/handle/1/4983
dc.identifier.author-lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7250980918375600
url https://repositorio.inpa.gov.br/handle/1/4983
http://lattes.cnpq.br/7250980918375600
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas da Amazônia – INPA
dc.publisher.program.fl_str_mv Ciências de Florestas Tropicais - CFT
publisher.none.fl_str_mv Instituto Nacional de Pesquisas da Amazônia – INPA
dc.source.none.fl_str_mv reponame:Repositório Institucional do INPA
instname:Instituto Nacional de Pesquisas da Amazônia (INPA)
instacron:INPA
instname_str Instituto Nacional de Pesquisas da Amazônia (INPA)
instacron_str INPA
institution INPA
reponame_str Repositório Institucional do INPA
collection Repositório Institucional do INPA
bitstream.url.fl_str_mv https://repositorio.inpa.gov.br/bitstream/1/4983/1/Nara_Pantoja.pdf
bitstream.checksum.fl_str_mv 5955b0332f4d22b4eccc0be48fe45efa
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional do INPA - Instituto Nacional de Pesquisas da Amazônia (INPA)
repository.mail.fl_str_mv
_version_ 1809928866008924160