Mapeamento e monitoramento da cobertura vegetal do Estado da Bahia utilizando dados multitemporais de sensores ópticos orbitais

• Autor(a) principal: Andeise Cerqueira Dutra
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21c/2019/03.25.13.40

Conhecer a extensão e as taxas de degradação da terra para proteger os ecossistemas terrestres de um maior esgotamento, tem sido uma das questões mais importantes do nosso tempo. Entretanto, o Nordeste brasileiro tem sido negligenciado e pobremente estudado tanto em termos de programas de conservação quanto de investigação científica. Os produtos de Sensoriamento Remoto tornaram-se uma importante fonte de informações para monitorar as mudanças de cobertura da terra, no entanto, ainda é escasso o número de estudos para detectar e monitorar a vegetação de clima semiárido. Nesse contexto, o estado da Bahia foi selecionado para a realização desta pesquisa por possuir diversas formações vegetais e apresentar significativa mudança no uso e cobertura da terra. Devido à alta incidência de nuvens no estado, os produtos provenientes do sensor MODIS foram utilizados por apresentarem alta resolução temporal. Assim, esta pesquisa teve por objetivo propor uma abordagem de mapeamento e monitoramento do uso e cobertura da terra para o estado da Bahia utilizando dados multitemporais provenientes do sensor MODIS, abrangendo o período entre 2000 e 2017. Os objetivos específicos foram: a) estimar endmembers (pixels puros) a partir de imagens de melhor resolução espacial (30 m) do sensor OLI/Landsat 8 para posterior aplicação do Modelo Linear de Mistura Espectral (MLME) nos produtos provenientes do sensor MODIS (250 m) ; b) gerar uma série temporal de imagens fração derivadas do MLME entre 2000 e 2017 utilizando os endmembers estimados na fase anterior; c) gerar mosaicos das imagens fração calculando o valor máximo anual das proporções para os anos de 2000 e 2017; d) gerar dois mapas temáticos base de uso e cobertura da terra (LULC Land Use and Land Cover) no estado da Bahia para os anos 2000 e 2017 utilizando os mosaicos gerados na fase anterior, aplicando o classificador Random Forest; e) avaliar as acurácias dos mapas de LULC obtidos; e f) analisar qualitativamente as séries temporais das imagens fração obtidas para todo o período analisado. Os resultados obtidos foram: 1) os endmembers estimados permitiram a melhoria dos resultados no que se refere ao erro, a variabilidade e a identificação das proporções dos componentes existentes nas imagens, visto a dificuldade na determinação dos endmembers e que a escolha indevida de pixels considerados como puros em produtos de baixa e moderada resolução espacial pode afetar a qualidade das imagens fração para uso operacional; 2) a abordagem utilizando as imagens fração contendo a proporção máxima anual dos componentes reduziu o volume de dados, ao mesmo tempo em que permitiu a separação das classes de LULC em função da associação entre as proporções de vegetação, solo e sombra, extraindo as características relacionadas aos padrões anuais das classes de LULC; 3) Os mapas de LULC para os anos de 2000 e 2017 obtiveram acurácias totais de 0,77 e 0,67, respectivamente, gerando a hipótese de que a seca severa que atingiu o Nordeste entre 2012 e 2017 influenciou o pior desempenho do classificador utilizado; 4) o uso de séries temporais das imagens fração permitiu o monitoramento das mudanças ocorridas na vegetação e também os impactos que podem estar associados aos eventos de seca. Assim, a abordagem aqui apresentada demonstra a potencialidade das imagens fração para a classificação e monitoramento semiautomático da cobertura vegetal a nível global e regional.