Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr

Detalhes bibliográficos
Autor(a) principal: Weckmüller, Rômulo
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/13336
http://dx.doi.org/10.22409/POSGEO.2018.d.11616378778
Resumo: O entendimento de como os sistemas terrestres evoluem é importante na busca de estratégia que otimizem a utilização dos recursos naturais e minimizem os impactos ambientais. O monitoramento das mudanças da cobertura vegetal e do uso da terra, através de técnicas de sensoriamento remoto tem sido fundamental neste sentido. Com a disponibilização de todo o acervo de imagens do programa Landsat/NASA, melhoras na qualidade dos dados e o surgimento de novos algoritmos constituem um avanço metodológico que supera as limitações espaciais e temporais dos métodostradicionais de detecção de mudanças. O objetivo principal desta tese é contribuir metodologicamente para o monitoramento dos sistemas terrestres através de técnicas de sensoriamento remoto, utilizando todo o acervo disponível de imagens Landsat, numa abordagem com base na trajetória espectral do pixel em séries temporais. Para tal, a detecção de mudanças baseada em trajetórias foi utilizada através do algoritmo LandTrendr, para detectar mudanças nas coberturas florestais do estado do Rio de Janeiro entre 1984 e 2016, identificando diferentes tipos de perturbações (desmatamentos e recuperações) e classificando as florestas secundárias quanto ao tempo de regeneração. De uma maneira geral observou-se 58.969 ha de trajetórias de mudanças florestais no estado do Rio de Janeiro, destas 64% são perdas florestais e 36% regenerações. Este mapeamento alcançou 70% de exatidão global. No litoral, os desmatamentos são antigos e mais abruptos enquanto que no interior as perdas florestais também são antigas, porém graduais, configurando uma constante degradação da paisagem. As recuperações florestais no estado são mais recorrentes no norte fluminense, possivelmente associadas a abandonos de terras agrícolas. As florestas secundárias mais antigas estão próximas ao litoral (Região dos Lagos) enquanto que as mais recentes estão no interior (Região do "Vale do Café" e Região Serrana). Foi desenvolvido um mapa síntese com as características das trajetórias. Apenas a Região dos Lagos tem tendências de recuperação florestal, enquanto que as regiões no interior do estado têm tendências de perda de vegetação, e as regiões próximas ao litoral tendências de estabilidade, ou seja, taxas de ganho e perda muito parecidas
id UFF-2_550793eeb11308ef8f1009bab9266378
oai_identifier_str oai:app.uff.br:1/13336
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendrTime series forest change detection using Landtrendr: study of case in the state of Rio de JaneiroSensoriamento remotoDetecção de mudançasSéries temporaisLandTrendrDetecção de mudançasSensoriamento remotoVegetaçãoProdução intelectualRemote sensingChange detectionTime seriesLandsatO entendimento de como os sistemas terrestres evoluem é importante na busca de estratégia que otimizem a utilização dos recursos naturais e minimizem os impactos ambientais. O monitoramento das mudanças da cobertura vegetal e do uso da terra, através de técnicas de sensoriamento remoto tem sido fundamental neste sentido. Com a disponibilização de todo o acervo de imagens do programa Landsat/NASA, melhoras na qualidade dos dados e o surgimento de novos algoritmos constituem um avanço metodológico que supera as limitações espaciais e temporais dos métodostradicionais de detecção de mudanças. O objetivo principal desta tese é contribuir metodologicamente para o monitoramento dos sistemas terrestres através de técnicas de sensoriamento remoto, utilizando todo o acervo disponível de imagens Landsat, numa abordagem com base na trajetória espectral do pixel em séries temporais. Para tal, a detecção de mudanças baseada em trajetórias foi utilizada através do algoritmo LandTrendr, para detectar mudanças nas coberturas florestais do estado do Rio de Janeiro entre 1984 e 2016, identificando diferentes tipos de perturbações (desmatamentos e recuperações) e classificando as florestas secundárias quanto ao tempo de regeneração. De uma maneira geral observou-se 58.969 ha de trajetórias de mudanças florestais no estado do Rio de Janeiro, destas 64% são perdas florestais e 36% regenerações. Este mapeamento alcançou 70% de exatidão global. No litoral, os desmatamentos são antigos e mais abruptos enquanto que no interior as perdas florestais também são antigas, porém graduais, configurando uma constante degradação da paisagem. As recuperações florestais no estado são mais recorrentes no norte fluminense, possivelmente associadas a abandonos de terras agrícolas. As florestas secundárias mais antigas estão próximas ao litoral (Região dos Lagos) enquanto que as mais recentes estão no interior (Região do "Vale do Café" e Região Serrana). Foi desenvolvido um mapa síntese com as características das trajetórias. Apenas a Região dos Lagos tem tendências de recuperação florestal, enquanto que as regiões no interior do estado têm tendências de perda de vegetação, e as regiões próximas ao litoral tendências de estabilidade, ou seja, taxas de ganho e perda muito parecidasCAPESUnderstanding how terrestrial systems evolve is important in pursuing strategies that optimize the use of natural resources and minimize environmental impacts. Monitoring vegetation cover and land use changes through remote sensing techniques has been crucial in this regard. With the availability of the entire Landsat/NASA image collection, improvements in data quality and the emergence of new algorithms constitute a methodological advance that overcomes the spatial and temporal limitations of traditional methods of change detection. The main objective of this thesis is to contribute methodologically to the monitoring of terrestrial systems through remote sensing techniques, using all the available collection of Landsat images, in an approach based on time series. For this trajectory-based change detection was used through the LandTrendr algorithm to detect changes in forest cover in Rio de Janeiro's state between 1984 and 2016, identifying different types of disturbances (deforestation and recovery) and classifying age of secondary forests. In a general way observed of 58969 hectares of forest changes in the state of Rio de Janeiro, these are 64% of forests and 36% of regenerations. On the coast, deforestation is old and more abrupt, while inland forest losses are also old but gradual, creating a constant degradation of the landscape. Forest recoveries in the Rio de Janeiro's state are more recurrent in the north, possibly associated with abandonment of agricultural land. The oldest secondary forests are close to the coast (Lagos region) while the most recent are in the interior (Café valley and Serrana region). A synthesis map was developed with trajectory characteristics. Only the Lagos region has forest recovery tendencies, whereas the regions in the interior of the state have tendencies of loss of vegetation, and the regions near the coastal tendencies of stability, that is, rates of gain and loss very similar123f.NiteróiVicens, Raúl SanchezCruz, Carla Bernadete MadureiraArruda Júnior, Elias RibeiroCronemberger, Felipe MendesCarvalho Júnior, Osmar Abílio dehttp://lattes.cnpq.br/6674481474470901http://lattes.cnpq.br/8745326804306646http://lattes.cnpq.br/9528610534584200http://lattes.cnpq.br/1447602598339025http://lattes.cnpq.br/3305451354946309http://lattes.cnpq.br/5572269831914055Weckmüller, Rômulo2020-04-17T18:10:33Z2020-04-17T18:10:33Z2018-08-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfWECKMÜLLER, R. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. 2018. 123 p. Tese (Doutorado em Geografia), Universidade Federal Fluminense, Niterói, 2018.https://app.uff.br/riuff/handle/1/13336Aluno de Doutoradohttp://dx.doi.org/10.22409/POSGEO.2018.d.11616378778http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-06-09T13:49:34Zoai:app.uff.br:1/13336Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-06-09T13:49:34Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
Time series forest change detection using Landtrendr: study of case in the state of Rio de Janeiro
title Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
spellingShingle Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
Weckmüller, Rômulo
Sensoriamento remoto
Detecção de mudanças
Séries temporais
LandTrendr
Detecção de mudanças
Sensoriamento remoto
Vegetação
Produção intelectual
Remote sensing
Change detection
Time series
Landsat
title_short Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
title_full Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
title_fullStr Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
title_full_unstemmed Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
title_sort Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr
author Weckmüller, Rômulo
author_facet Weckmüller, Rômulo
author_role author
dc.contributor.none.fl_str_mv Vicens, Raúl Sanchez
Cruz, Carla Bernadete Madureira
Arruda Júnior, Elias Ribeiro
Cronemberger, Felipe Mendes
Carvalho Júnior, Osmar Abílio de
http://lattes.cnpq.br/6674481474470901
http://lattes.cnpq.br/8745326804306646
http://lattes.cnpq.br/9528610534584200
http://lattes.cnpq.br/1447602598339025
http://lattes.cnpq.br/3305451354946309
http://lattes.cnpq.br/5572269831914055
dc.contributor.author.fl_str_mv Weckmüller, Rômulo
dc.subject.por.fl_str_mv Sensoriamento remoto
Detecção de mudanças
Séries temporais
LandTrendr
Detecção de mudanças
Sensoriamento remoto
Vegetação
Produção intelectual
Remote sensing
Change detection
Time series
Landsat
topic Sensoriamento remoto
Detecção de mudanças
Séries temporais
LandTrendr
Detecção de mudanças
Sensoriamento remoto
Vegetação
Produção intelectual
Remote sensing
Change detection
Time series
Landsat
description O entendimento de como os sistemas terrestres evoluem é importante na busca de estratégia que otimizem a utilização dos recursos naturais e minimizem os impactos ambientais. O monitoramento das mudanças da cobertura vegetal e do uso da terra, através de técnicas de sensoriamento remoto tem sido fundamental neste sentido. Com a disponibilização de todo o acervo de imagens do programa Landsat/NASA, melhoras na qualidade dos dados e o surgimento de novos algoritmos constituem um avanço metodológico que supera as limitações espaciais e temporais dos métodostradicionais de detecção de mudanças. O objetivo principal desta tese é contribuir metodologicamente para o monitoramento dos sistemas terrestres através de técnicas de sensoriamento remoto, utilizando todo o acervo disponível de imagens Landsat, numa abordagem com base na trajetória espectral do pixel em séries temporais. Para tal, a detecção de mudanças baseada em trajetórias foi utilizada através do algoritmo LandTrendr, para detectar mudanças nas coberturas florestais do estado do Rio de Janeiro entre 1984 e 2016, identificando diferentes tipos de perturbações (desmatamentos e recuperações) e classificando as florestas secundárias quanto ao tempo de regeneração. De uma maneira geral observou-se 58.969 ha de trajetórias de mudanças florestais no estado do Rio de Janeiro, destas 64% são perdas florestais e 36% regenerações. Este mapeamento alcançou 70% de exatidão global. No litoral, os desmatamentos são antigos e mais abruptos enquanto que no interior as perdas florestais também são antigas, porém graduais, configurando uma constante degradação da paisagem. As recuperações florestais no estado são mais recorrentes no norte fluminense, possivelmente associadas a abandonos de terras agrícolas. As florestas secundárias mais antigas estão próximas ao litoral (Região dos Lagos) enquanto que as mais recentes estão no interior (Região do "Vale do Café" e Região Serrana). Foi desenvolvido um mapa síntese com as características das trajetórias. Apenas a Região dos Lagos tem tendências de recuperação florestal, enquanto que as regiões no interior do estado têm tendências de perda de vegetação, e as regiões próximas ao litoral tendências de estabilidade, ou seja, taxas de ganho e perda muito parecidas
publishDate 2018
dc.date.none.fl_str_mv 2018-08-23
2020-04-17T18:10:33Z
2020-04-17T18:10:33Z
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 WECKMÜLLER, R. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. 2018. 123 p. Tese (Doutorado em Geografia), Universidade Federal Fluminense, Niterói, 2018.
https://app.uff.br/riuff/handle/1/13336
Aluno de Doutorado
http://dx.doi.org/10.22409/POSGEO.2018.d.11616378778
identifier_str_mv WECKMÜLLER, R. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. 2018. 123 p. Tese (Doutorado em Geografia), Universidade Federal Fluminense, Niterói, 2018.
Aluno de Doutorado
url https://app.uff.br/riuff/handle/1/13336
http://dx.doi.org/10.22409/POSGEO.2018.d.11616378778
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Niterói
publisher.none.fl_str_mv Niterói
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1797044718957232128