Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/25025 |
Resumo: | O ecossistema manguezal é um importante ecossistema transicional oceano-continente, com funções ecológicas, econômicas e culturais. O estudo deste ecossistema é de fundamental importância para sua preservação e consequente manutenção de suas funções. Dito isso, a utilização das geotecnologias, como por exemplo o Sensoriamento Remoto se torna uma importante ferramenta para estudos ambientais, especialmente ao se trabalhar com detecção de mudanças de uso e cobertura do solo. A evolução das geotecnologias e consequentemente do Sensoriamento Remoto, faz com que atualmente cada vez mais possibilidades e ferramentas estejam disponíveis para auxiliar no monitoramento ambiental de mudanças de cobertura do solo. Deste modo, o cerne deste trabalho é identificar espacial e temporalmente as modificações ocorridas nos manguezais de fundo da Baía de Guanabara, localizados na APA de Guapimirim, uma região muito afetada pela pressão antrópica, utilizando-se do algoritmo LandTrendr no Google Earth Engine, algoritmo que é baseado em pixels e realiza a detecção de mudanças a partir da análise de trajetória evolutiva temporal e espectral e avaliar o uso deste algoritmo para estudos de florestas de manguezal. Os resultados obtidos apresentam ganho e perda de vegetação ocorrendo de forma rápida, indicando certa capacidade de regeneração dos manguezais da região. Outra importante informação, é a efetividade da criação das Unidades de Conservação na proteção e manutenção dos manguezais da baía de Guanabara. Com os resultados obtidos também foi possível analisar o algoritmo LandTrendr, que se mostrou muito promissor em sua aplicação para estudos de manguezais. |
id |
UFF-2_95bd1208028f5d2d176d67592780893a |
---|---|
oai_identifier_str |
oai:app.uff.br:1/25025 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de GuanabaraManguezalSensoriamento RemotoLandTrendrGoogle Earth EngineManguezalSensoriamento remotoLandTrendrBaía de GuanabaraMangroveRemote sensingLandTrendrGoogle Earth EngineO ecossistema manguezal é um importante ecossistema transicional oceano-continente, com funções ecológicas, econômicas e culturais. O estudo deste ecossistema é de fundamental importância para sua preservação e consequente manutenção de suas funções. Dito isso, a utilização das geotecnologias, como por exemplo o Sensoriamento Remoto se torna uma importante ferramenta para estudos ambientais, especialmente ao se trabalhar com detecção de mudanças de uso e cobertura do solo. A evolução das geotecnologias e consequentemente do Sensoriamento Remoto, faz com que atualmente cada vez mais possibilidades e ferramentas estejam disponíveis para auxiliar no monitoramento ambiental de mudanças de cobertura do solo. Deste modo, o cerne deste trabalho é identificar espacial e temporalmente as modificações ocorridas nos manguezais de fundo da Baía de Guanabara, localizados na APA de Guapimirim, uma região muito afetada pela pressão antrópica, utilizando-se do algoritmo LandTrendr no Google Earth Engine, algoritmo que é baseado em pixels e realiza a detecção de mudanças a partir da análise de trajetória evolutiva temporal e espectral e avaliar o uso deste algoritmo para estudos de florestas de manguezal. Os resultados obtidos apresentam ganho e perda de vegetação ocorrendo de forma rápida, indicando certa capacidade de regeneração dos manguezais da região. Outra importante informação, é a efetividade da criação das Unidades de Conservação na proteção e manutenção dos manguezais da baía de Guanabara. Com os resultados obtidos também foi possível analisar o algoritmo LandTrendr, que se mostrou muito promissor em sua aplicação para estudos de manguezais.The mangrove ecosystem is an important transitional ocean-continent ecosystem with ecological, economic and cultural functions. The study of this ecosystem is of fundamental importance for its preservation and consequent maintenance of this functions. Mangroves are very subject to anthropic actions, increasing even more the need for their study for a more adequate environmental management. The use of geotechnologies, such as Remote Sensing, becomes an important tool for environmental studies especially when working with detection of changes in land use. The evolution of geotechnologies and consequently of Remote Sensing, makes currently more and more possibilities and tools available to assist in the environmental monitoring of changes in land cover. Thus, the core of this work is to identify spatially and temporally the changes that occurred in the bottom mangroves of the Guanabara Bay located in the Guapimirim APA a region very affected by human pressure using the LandTrendr algorithm in Google Earth Engine this algorithm is based on pixels and performs the detection of changes from the analysis of temporal and spectral evolutionary trajectory and to evaluate the use of this algorithm for studies of mangrove forests. The results can provide a determination quickly indicating the ability to determine capacity and management capability. Another important piece of information is the maintenance of the Guanabara Bay Mangrove Conservation and Protection Units. With the results obtained it was also possible to analyze the LandTrendr, which proved to be very promising in its application to mangrove studies.75 f.Almeida, Paula Maria Moura deFerraz, Debora da Paz Gomes BrandãoWeckmüller, RomuloSant'anna, Igor Tostes de2022-05-13T17:13:16Z2022-05-13T17:13:16Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSant'anna, Igor Tostes de. Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara. 2022. 75f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2022.http://app.uff.br/riuff/handle/1/25025CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-05-13T17:13:20Zoai:app.uff.br:1/25025Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:13:06.366256Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
title |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
spellingShingle |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara Sant'anna, Igor Tostes de Manguezal Sensoriamento Remoto LandTrendr Google Earth Engine Manguezal Sensoriamento remoto LandTrendr Baía de Guanabara Mangrove Remote sensing LandTrendr Google Earth Engine |
title_short |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
title_full |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
title_fullStr |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
title_full_unstemmed |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
title_sort |
Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara |
author |
Sant'anna, Igor Tostes de |
author_facet |
Sant'anna, Igor Tostes de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Almeida, Paula Maria Moura de Ferraz, Debora da Paz Gomes Brandão Weckmüller, Romulo |
dc.contributor.author.fl_str_mv |
Sant'anna, Igor Tostes de |
dc.subject.por.fl_str_mv |
Manguezal Sensoriamento Remoto LandTrendr Google Earth Engine Manguezal Sensoriamento remoto LandTrendr Baía de Guanabara Mangrove Remote sensing LandTrendr Google Earth Engine |
topic |
Manguezal Sensoriamento Remoto LandTrendr Google Earth Engine Manguezal Sensoriamento remoto LandTrendr Baía de Guanabara Mangrove Remote sensing LandTrendr Google Earth Engine |
description |
O ecossistema manguezal é um importante ecossistema transicional oceano-continente, com funções ecológicas, econômicas e culturais. O estudo deste ecossistema é de fundamental importância para sua preservação e consequente manutenção de suas funções. Dito isso, a utilização das geotecnologias, como por exemplo o Sensoriamento Remoto se torna uma importante ferramenta para estudos ambientais, especialmente ao se trabalhar com detecção de mudanças de uso e cobertura do solo. A evolução das geotecnologias e consequentemente do Sensoriamento Remoto, faz com que atualmente cada vez mais possibilidades e ferramentas estejam disponíveis para auxiliar no monitoramento ambiental de mudanças de cobertura do solo. Deste modo, o cerne deste trabalho é identificar espacial e temporalmente as modificações ocorridas nos manguezais de fundo da Baía de Guanabara, localizados na APA de Guapimirim, uma região muito afetada pela pressão antrópica, utilizando-se do algoritmo LandTrendr no Google Earth Engine, algoritmo que é baseado em pixels e realiza a detecção de mudanças a partir da análise de trajetória evolutiva temporal e espectral e avaliar o uso deste algoritmo para estudos de florestas de manguezal. Os resultados obtidos apresentam ganho e perda de vegetação ocorrendo de forma rápida, indicando certa capacidade de regeneração dos manguezais da região. Outra importante informação, é a efetividade da criação das Unidades de Conservação na proteção e manutenção dos manguezais da baía de Guanabara. Com os resultados obtidos também foi possível analisar o algoritmo LandTrendr, que se mostrou muito promissor em sua aplicação para estudos de manguezais. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-05-13T17:13:16Z 2022-05-13T17:13:16Z 2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Sant'anna, Igor Tostes de. Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara. 2022. 75f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2022. http://app.uff.br/riuff/handle/1/25025 |
identifier_str_mv |
Sant'anna, Igor Tostes de. Utilização do algoritmo LandTrendr para análise da dinâmica dos manguezais de fundo da Baía de Guanabara. 2022. 75f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2022. |
url |
http://app.uff.br/riuff/handle/1/25025 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
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_ |
1811823693256458240 |