MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO

Detalhes bibliográficos
Autor(a) principal: Silva, Caio Victor Santos
Data de Publicação: 2019
Outros Autores: Silva, Jhon Lennon Bezerra da, Moura, Geber Barbosa de Albuquerque, Lopes, Pabrício Marcos Oliveira, Nascimento, Cristina Rodrigues, Silva, Landson Carlos da
Tipo de documento: Artigo
Idioma: por
Título da fonte: Nativa (Sinop)
Texto Completo: https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/7646
Resumo: São necessárias medidas que visem à proteção e conservação dos recursos hídricos e naturais de forma rápida e eficiente. As técnicas de sensoriamento remoto são essenciais para o monitoramento ambiental dos recursos no semiárido no espaço e no tempo. Objetivou-se monitorar e analisar à dinâmica da cobertura vegetal através da variabilidade espaço-temporal do albedo da superfície e índices de vegetação em região de Caatinga do semiárido brasileiro por sensoriamento remoto. A área de estudo é o município de Arcoverde, localizado no semiárido de Pernambuco. O estudo foi desenvolvido através de seis imagens orbitais do Landsat-5 do sensor TM. O processamento digital dos parâmetros biofísicos foi realizado pelo algoritmo SEBAL. Os resultados foram analisados através da estatística descritiva e quanto a sua variabilidade. Áreas possivelmente degradadas foram identificadas pelos altos valores de albedo e índices de vegetação significativamente menores, localizadas à sudoeste e noroeste da região. Os índices apresentaram comportamento similares, principalmente no período seco, com baixos valores sendo próximos de zero, áreas afetadas pelo período de seca no semiárido. O SAVI apresentou maior precisão, destacando melhor resposta espectral da vegetação. O sensoriamento remoto promoveu monitoramento espaço-temporal adequado, destacando principalmente o período classificado como climaticamente seco através do albedo e índices de vegetação.Palavras-chave: Caatinga; NDVI; SAVI; mudanças ambientais; SEBAL. MONITORING OF VEGETATION COVER BY REMOTE SENSING IN BRAZILIAN SEMIARID THROUGH VEGETATION INDICES ABSTRACT: Measures are needed aimed at the protection and conservation of water and natural resources quickly and efficiently. Remote sensing techniques are essential for the environmental monitoring of resources in the semiarid region in space and time. Aimed to monitor and analyze the dynamics of vegetation cover through the spatial-temporal variability of the surface albedo and indices of vegetation in the Caatinga region of the Brazilian semiarid by remote sensing. The study area is the municipality of Arcoverde, located in the semiarid of Pernambuco. The study was developed through six orbital images of Landsat-5 of the TM sensor. The digital processing of the biophysical parameters was performed by the SEBAL algorithm. The results were analyzed through descriptive statistics and their variability. Possibly degraded areas were identified by high albedo values and significantly lower vegetation indices, located in the southwest and northwest of the region. The indexes showed similar behavior, mainly in the dry period, with low values being close to zero, areas affected by the dry period in the semiarid. The SAVI presented higher accuracy, highlighting better spectral response of the vegetation. Remote sensing promoted adequate space-time monitoring, highlighting mainly the period classified as climatically dry through the albedo and vegetation indexes.Keywords: Caatinga; NDVI; SAVI; environmental changes; SEBAL.
id UFMT-2_0086d2028a7c25e97a541480050746b0
oai_identifier_str oai:periodicoscientificos.ufmt.br:article/7646
network_acronym_str UFMT-2
network_name_str Nativa (Sinop)
repository_id_str
spelling MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃOSão necessárias medidas que visem à proteção e conservação dos recursos hídricos e naturais de forma rápida e eficiente. As técnicas de sensoriamento remoto são essenciais para o monitoramento ambiental dos recursos no semiárido no espaço e no tempo. Objetivou-se monitorar e analisar à dinâmica da cobertura vegetal através da variabilidade espaço-temporal do albedo da superfície e índices de vegetação em região de Caatinga do semiárido brasileiro por sensoriamento remoto. A área de estudo é o município de Arcoverde, localizado no semiárido de Pernambuco. O estudo foi desenvolvido através de seis imagens orbitais do Landsat-5 do sensor TM. O processamento digital dos parâmetros biofísicos foi realizado pelo algoritmo SEBAL. Os resultados foram analisados através da estatística descritiva e quanto a sua variabilidade. Áreas possivelmente degradadas foram identificadas pelos altos valores de albedo e índices de vegetação significativamente menores, localizadas à sudoeste e noroeste da região. Os índices apresentaram comportamento similares, principalmente no período seco, com baixos valores sendo próximos de zero, áreas afetadas pelo período de seca no semiárido. O SAVI apresentou maior precisão, destacando melhor resposta espectral da vegetação. O sensoriamento remoto promoveu monitoramento espaço-temporal adequado, destacando principalmente o período classificado como climaticamente seco através do albedo e índices de vegetação.Palavras-chave: Caatinga; NDVI; SAVI; mudanças ambientais; SEBAL. MONITORING OF VEGETATION COVER BY REMOTE SENSING IN BRAZILIAN SEMIARID THROUGH VEGETATION INDICES ABSTRACT: Measures are needed aimed at the protection and conservation of water and natural resources quickly and efficiently. Remote sensing techniques are essential for the environmental monitoring of resources in the semiarid region in space and time. Aimed to monitor and analyze the dynamics of vegetation cover through the spatial-temporal variability of the surface albedo and indices of vegetation in the Caatinga region of the Brazilian semiarid by remote sensing. The study area is the municipality of Arcoverde, located in the semiarid of Pernambuco. The study was developed through six orbital images of Landsat-5 of the TM sensor. The digital processing of the biophysical parameters was performed by the SEBAL algorithm. The results were analyzed through descriptive statistics and their variability. Possibly degraded areas were identified by high albedo values and significantly lower vegetation indices, located in the southwest and northwest of the region. The indexes showed similar behavior, mainly in the dry period, with low values being close to zero, areas affected by the dry period in the semiarid. The SAVI presented higher accuracy, highlighting better spectral response of the vegetation. Remote sensing promoted adequate space-time monitoring, highlighting mainly the period classified as climatically dry through the albedo and vegetation indexes.Keywords: Caatinga; NDVI; SAVI; environmental changes; SEBAL.Universidade Federal de Mato Grosso2019-11-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/764610.31413/nativa.v7i6.7646Nativa; v. 7 n. 6 (2019); 708-717Nativa; Vol. 7 Núm. 6 (2019); 708-717Nativa; Vol. 7 No. 6 (2019); 708-7172318-767010.31413/nativa.v7i6reponame:Nativa (Sinop)instname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMTporhttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/7646/6436Copyright (c) 2019 Nativainfo:eu-repo/semantics/openAccessSilva, Caio Victor SantosSilva, Jhon Lennon Bezerra daMoura, Geber Barbosa de AlbuquerqueLopes, Pabrício Marcos OliveiraNascimento, Cristina RodriguesSilva, Landson Carlos da2019-11-11T10:16:44Zoai:periodicoscientificos.ufmt.br:article/7646Revistahttps://periodicoscientificos.ufmt.br/ojs/index.php/nativaPUBhttps://periodicoscientificos.ufmt.br/ojs/index.php/nativa/oai||rrmelo2@yahoo.com.br2318-76702318-7670opendoar:2019-11-11T10:16:44Nativa (Sinop) - Universidade Federal de Mato Grosso (UFMT)false
dc.title.none.fl_str_mv MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
title MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
spellingShingle MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
Silva, Caio Victor Santos
title_short MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
title_full MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
title_fullStr MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
title_full_unstemmed MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
title_sort MONITORAMENTO DA COBERTURA VEGETAL POR SENSORIAMENTO REMOTO NO SEMIÁRIDO BRASILEIRO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO
author Silva, Caio Victor Santos
author_facet Silva, Caio Victor Santos
Silva, Jhon Lennon Bezerra da
Moura, Geber Barbosa de Albuquerque
Lopes, Pabrício Marcos Oliveira
Nascimento, Cristina Rodrigues
Silva, Landson Carlos da
author_role author
author2 Silva, Jhon Lennon Bezerra da
Moura, Geber Barbosa de Albuquerque
Lopes, Pabrício Marcos Oliveira
Nascimento, Cristina Rodrigues
Silva, Landson Carlos da
author2_role author
author
author
author
author
dc.contributor.author.fl_str_mv Silva, Caio Victor Santos
Silva, Jhon Lennon Bezerra da
Moura, Geber Barbosa de Albuquerque
Lopes, Pabrício Marcos Oliveira
Nascimento, Cristina Rodrigues
Silva, Landson Carlos da
description São necessárias medidas que visem à proteção e conservação dos recursos hídricos e naturais de forma rápida e eficiente. As técnicas de sensoriamento remoto são essenciais para o monitoramento ambiental dos recursos no semiárido no espaço e no tempo. Objetivou-se monitorar e analisar à dinâmica da cobertura vegetal através da variabilidade espaço-temporal do albedo da superfície e índices de vegetação em região de Caatinga do semiárido brasileiro por sensoriamento remoto. A área de estudo é o município de Arcoverde, localizado no semiárido de Pernambuco. O estudo foi desenvolvido através de seis imagens orbitais do Landsat-5 do sensor TM. O processamento digital dos parâmetros biofísicos foi realizado pelo algoritmo SEBAL. Os resultados foram analisados através da estatística descritiva e quanto a sua variabilidade. Áreas possivelmente degradadas foram identificadas pelos altos valores de albedo e índices de vegetação significativamente menores, localizadas à sudoeste e noroeste da região. Os índices apresentaram comportamento similares, principalmente no período seco, com baixos valores sendo próximos de zero, áreas afetadas pelo período de seca no semiárido. O SAVI apresentou maior precisão, destacando melhor resposta espectral da vegetação. O sensoriamento remoto promoveu monitoramento espaço-temporal adequado, destacando principalmente o período classificado como climaticamente seco através do albedo e índices de vegetação.Palavras-chave: Caatinga; NDVI; SAVI; mudanças ambientais; SEBAL. MONITORING OF VEGETATION COVER BY REMOTE SENSING IN BRAZILIAN SEMIARID THROUGH VEGETATION INDICES ABSTRACT: Measures are needed aimed at the protection and conservation of water and natural resources quickly and efficiently. Remote sensing techniques are essential for the environmental monitoring of resources in the semiarid region in space and time. Aimed to monitor and analyze the dynamics of vegetation cover through the spatial-temporal variability of the surface albedo and indices of vegetation in the Caatinga region of the Brazilian semiarid by remote sensing. The study area is the municipality of Arcoverde, located in the semiarid of Pernambuco. The study was developed through six orbital images of Landsat-5 of the TM sensor. The digital processing of the biophysical parameters was performed by the SEBAL algorithm. The results were analyzed through descriptive statistics and their variability. Possibly degraded areas were identified by high albedo values and significantly lower vegetation indices, located in the southwest and northwest of the region. The indexes showed similar behavior, mainly in the dry period, with low values being close to zero, areas affected by the dry period in the semiarid. The SAVI presented higher accuracy, highlighting better spectral response of the vegetation. Remote sensing promoted adequate space-time monitoring, highlighting mainly the period classified as climatically dry through the albedo and vegetation indexes.Keywords: Caatinga; NDVI; SAVI; environmental changes; SEBAL.
publishDate 2019
dc.date.none.fl_str_mv 2019-11-11
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/7646
10.31413/nativa.v7i6.7646
url https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/7646
identifier_str_mv 10.31413/nativa.v7i6.7646
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicoscientificos.ufmt.br/ojs/index.php/nativa/article/view/7646/6436
dc.rights.driver.fl_str_mv Copyright (c) 2019 Nativa
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2019 Nativa
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Mato Grosso
publisher.none.fl_str_mv Universidade Federal de Mato Grosso
dc.source.none.fl_str_mv Nativa; v. 7 n. 6 (2019); 708-717
Nativa; Vol. 7 Núm. 6 (2019); 708-717
Nativa; Vol. 7 No. 6 (2019); 708-717
2318-7670
10.31413/nativa.v7i6
reponame:Nativa (Sinop)
instname:Universidade Federal de Mato Grosso (UFMT)
instacron:UFMT
instname_str Universidade Federal de Mato Grosso (UFMT)
instacron_str UFMT
institution UFMT
reponame_str Nativa (Sinop)
collection Nativa (Sinop)
repository.name.fl_str_mv Nativa (Sinop) - Universidade Federal de Mato Grosso (UFMT)
repository.mail.fl_str_mv ||rrmelo2@yahoo.com.br
_version_ 1799711196614492160