Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano

Detalhes bibliográficos
Autor(a) principal: NASCIMENTO, Diego Marcelino do
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
Texto Completo: https://repositorio.ufpe.br/handle/123456789/35905
Resumo: A estimativa da biomassa representa um desafio em áreas de difícil acesso ou em grandes extensões. É evidente a necessidade de estudos capazes de descrever a variabilidade natural e os impactos causados por mudanças no uso da terra. No entanto, a contabilização da biomassa em detalhe dentro de uma região altamente variável requer uma grande quantidade de dados que devem ser processados com agilidade. Para isso, é necessário sistematizar dados sobre as variáveis resposta e contabilizar dos saldos ao longo do tempo e gerar dados espacialmente explícitos sobre o uso da terra e suas mudanças. Os dados disponíveis não permitem estimativas sólidas a respeito da biomassa nesses ecossistemas e dificultam as estimativas ao longo do tempo na região semiárido de Pernambuco. Portanto, foi desenvolvido um sistema de estimativa de biomassa vegetal através de sensores remotos para a região semiárida pernambucana. Foram criados modelos de estimativas de biomassa através de análise de regressão linear múltipla usando dados de campo (variável dependente) e índices de vegetação e bandas isoladas das imagens (variável independentes) do sensor OLI do satélite Landsat 8. Os modelos tiveram até quatro variáveis independentes e foram aplicados em três diferentes usos da terra (caatinga densa, caatinga aberta e pastagem). Foi desenvolvido uma rotina para o processamento em nuvem, usando a plataforma Google Earth Engine, para a estimativa de biomassa usando os modelos mais ajustados para os diferentes usos da terra em toda região semiárida pernambucana no ano de 2017. Os índices CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI e as bandas 2 e 5 foram os melhores preditores para a criação das estimativas de biomassa total em caatinga aberta, caatinga densa e pastagem. Os modelos para estimativa de biomassa total nos três diferentes usos da terra formam significativos e tiveram boa aderência aos dados coletados em campo. A estimativa da biomassa nas áreas de caatinga densa teve valor médio de 32,60 Mg ha⁻¹ e desvio padrão de 9,3 Mg ha⁻¹; caatinga aberta teve média de 11,45 Mg ha⁻¹ e desvio padrão (19,63 Mg ha⁻¹) e as áreas de pastagens tiveram a biomassa média estimada em 4,18 Mg ha⁻¹ e desvio padrão de 2,23 Mg ha⁻¹. Todo processamento foi aplicado em plataforma de computação de alto desempenho que forneceu estimativas de forma rápida, confiável e dinâmica, no tempo e espaço geográfico.
id UFPE_8d13b746131f5324e719945ebe1e741d
oai_identifier_str oai:repositorio.ufpe.br:123456789/35905
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling NASCIMENTO, Diego Marcelino dohttp://lattes.cnpq.br/9611122921962144http://lattes.cnpq.br/7765730420070015http://lattes.cnpq.br/9563136339839657MENEZES, Rômulo Simões CezarSALES, Aldo Torres2020-01-06T19:04:48Z2020-01-06T19:04:48Z2019-08-08NASCIMENTO, Diego Marcelino do. Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019.https://repositorio.ufpe.br/handle/123456789/35905A estimativa da biomassa representa um desafio em áreas de difícil acesso ou em grandes extensões. É evidente a necessidade de estudos capazes de descrever a variabilidade natural e os impactos causados por mudanças no uso da terra. No entanto, a contabilização da biomassa em detalhe dentro de uma região altamente variável requer uma grande quantidade de dados que devem ser processados com agilidade. Para isso, é necessário sistematizar dados sobre as variáveis resposta e contabilizar dos saldos ao longo do tempo e gerar dados espacialmente explícitos sobre o uso da terra e suas mudanças. Os dados disponíveis não permitem estimativas sólidas a respeito da biomassa nesses ecossistemas e dificultam as estimativas ao longo do tempo na região semiárido de Pernambuco. Portanto, foi desenvolvido um sistema de estimativa de biomassa vegetal através de sensores remotos para a região semiárida pernambucana. Foram criados modelos de estimativas de biomassa através de análise de regressão linear múltipla usando dados de campo (variável dependente) e índices de vegetação e bandas isoladas das imagens (variável independentes) do sensor OLI do satélite Landsat 8. Os modelos tiveram até quatro variáveis independentes e foram aplicados em três diferentes usos da terra (caatinga densa, caatinga aberta e pastagem). Foi desenvolvido uma rotina para o processamento em nuvem, usando a plataforma Google Earth Engine, para a estimativa de biomassa usando os modelos mais ajustados para os diferentes usos da terra em toda região semiárida pernambucana no ano de 2017. Os índices CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI e as bandas 2 e 5 foram os melhores preditores para a criação das estimativas de biomassa total em caatinga aberta, caatinga densa e pastagem. Os modelos para estimativa de biomassa total nos três diferentes usos da terra formam significativos e tiveram boa aderência aos dados coletados em campo. A estimativa da biomassa nas áreas de caatinga densa teve valor médio de 32,60 Mg ha⁻¹ e desvio padrão de 9,3 Mg ha⁻¹; caatinga aberta teve média de 11,45 Mg ha⁻¹ e desvio padrão (19,63 Mg ha⁻¹) e as áreas de pastagens tiveram a biomassa média estimada em 4,18 Mg ha⁻¹ e desvio padrão de 2,23 Mg ha⁻¹. Todo processamento foi aplicado em plataforma de computação de alto desempenho que forneceu estimativas de forma rápida, confiável e dinâmica, no tempo e espaço geográfico.CAPESEstimating biomass poses a challenge in hard-to-reach areas or large areas. The need for studies capable of describing the natural variability and impacts caused by changes in land use is evident. However, detailed biomass accounting within a highly variable region requires a large amount of data to be processed with agility. This requires systematizing data on response variables and accounting for balances over time and generating spatially explicit data on land use and its changes. The available data do not allow solid estimates of biomass in these ecosystems and make it difficult to estimate over time in the semi-arid region of Pernambuco. Therefore, a plant biomass estimation system was developed through remote sensors for the semiarid region of Pernambuco. Biomass estimation models were created through multiple linear regression analysis using field data (dependent variable) and vegetation indices and isolated bands of the Landsat 8 satellite OLI sensor images. The models had up to four independent variables. and were applied in three different land uses (dense caatinga, open caatinga and pasture). A routine for cloud processing using the Google Earth Engine platform was developed to estimate biomass using the most appropriate models for different land uses in the whole semiarid region of Pernambuco in 2017. The CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI indices and bands 2 and 5 were the best predictors for the creation of total biomass estimates in open caatinga, dense caatinga and pasture. The models for estimating total biomass in the three different land uses are significant and have good adherence to field data. The biomass estimated in the dense caatinga areas had an average value of 32.60 Mg ha⁻¹ and a standard deviation of 9.3 Mg ha⁻¹; open caatinga had an average of 11.45 Mg ha⁻¹ and standard deviation (19.63 Mg ha⁻¹) and pasture areas had an estimated average biomass of 4.18 Mg ha⁻¹ and standard deviation of 2.23 Mg ha⁻¹. All processing was applied to a high-performance computing platform that provided fast, reliable and dynamic estimates of time and geographic space.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Tecnologias Energeticas e NuclearUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia de energiaFitomassaJavascriptSensoriamento remotoLandsat 8Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucanoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Diego Marcelino do Nascimento.pdfTESE Diego Marcelino do Nascimento.pdfapplication/pdf2004188https://repositorio.ufpe.br/bitstream/123456789/35905/1/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf22892d9db6517a7c503fa037b7b1d77aMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/35905/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/35905/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTTESE Diego Marcelino do Nascimento.pdf.txtTESE Diego Marcelino do Nascimento.pdf.txtExtracted texttext/plain118931https://repositorio.ufpe.br/bitstream/123456789/35905/4/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf.txt7e31ce35c28e71bb9a5a1c53566f10ecMD54THUMBNAILTESE Diego Marcelino do Nascimento.pdf.jpgTESE Diego Marcelino do Nascimento.pdf.jpgGenerated Thumbnailimage/jpeg1256https://repositorio.ufpe.br/bitstream/123456789/35905/5/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf.jpg15733dd6829397cabb4d00ccf4e4dc30MD55123456789/359052020-01-07 02:13:03.356oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-01-07T05:13:03Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
title Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
spellingShingle Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
NASCIMENTO, Diego Marcelino do
Engenharia de energia
Fitomassa
Javascript
Sensoriamento remoto
Landsat 8
title_short Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
title_full Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
title_fullStr Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
title_full_unstemmed Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
title_sort Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano
author NASCIMENTO, Diego Marcelino do
author_facet NASCIMENTO, Diego Marcelino do
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9611122921962144
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7765730420070015
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9563136339839657
dc.contributor.author.fl_str_mv NASCIMENTO, Diego Marcelino do
dc.contributor.advisor1.fl_str_mv MENEZES, Rômulo Simões Cezar
dc.contributor.advisor-co1.fl_str_mv SALES, Aldo Torres
contributor_str_mv MENEZES, Rômulo Simões Cezar
SALES, Aldo Torres
dc.subject.por.fl_str_mv Engenharia de energia
Fitomassa
Javascript
Sensoriamento remoto
Landsat 8
topic Engenharia de energia
Fitomassa
Javascript
Sensoriamento remoto
Landsat 8
description A estimativa da biomassa representa um desafio em áreas de difícil acesso ou em grandes extensões. É evidente a necessidade de estudos capazes de descrever a variabilidade natural e os impactos causados por mudanças no uso da terra. No entanto, a contabilização da biomassa em detalhe dentro de uma região altamente variável requer uma grande quantidade de dados que devem ser processados com agilidade. Para isso, é necessário sistematizar dados sobre as variáveis resposta e contabilizar dos saldos ao longo do tempo e gerar dados espacialmente explícitos sobre o uso da terra e suas mudanças. Os dados disponíveis não permitem estimativas sólidas a respeito da biomassa nesses ecossistemas e dificultam as estimativas ao longo do tempo na região semiárido de Pernambuco. Portanto, foi desenvolvido um sistema de estimativa de biomassa vegetal através de sensores remotos para a região semiárida pernambucana. Foram criados modelos de estimativas de biomassa através de análise de regressão linear múltipla usando dados de campo (variável dependente) e índices de vegetação e bandas isoladas das imagens (variável independentes) do sensor OLI do satélite Landsat 8. Os modelos tiveram até quatro variáveis independentes e foram aplicados em três diferentes usos da terra (caatinga densa, caatinga aberta e pastagem). Foi desenvolvido uma rotina para o processamento em nuvem, usando a plataforma Google Earth Engine, para a estimativa de biomassa usando os modelos mais ajustados para os diferentes usos da terra em toda região semiárida pernambucana no ano de 2017. Os índices CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI e as bandas 2 e 5 foram os melhores preditores para a criação das estimativas de biomassa total em caatinga aberta, caatinga densa e pastagem. Os modelos para estimativa de biomassa total nos três diferentes usos da terra formam significativos e tiveram boa aderência aos dados coletados em campo. A estimativa da biomassa nas áreas de caatinga densa teve valor médio de 32,60 Mg ha⁻¹ e desvio padrão de 9,3 Mg ha⁻¹; caatinga aberta teve média de 11,45 Mg ha⁻¹ e desvio padrão (19,63 Mg ha⁻¹) e as áreas de pastagens tiveram a biomassa média estimada em 4,18 Mg ha⁻¹ e desvio padrão de 2,23 Mg ha⁻¹. Todo processamento foi aplicado em plataforma de computação de alto desempenho que forneceu estimativas de forma rápida, confiável e dinâmica, no tempo e espaço geográfico.
publishDate 2019
dc.date.issued.fl_str_mv 2019-08-08
dc.date.accessioned.fl_str_mv 2020-01-06T19:04:48Z
dc.date.available.fl_str_mv 2020-01-06T19:04:48Z
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.citation.fl_str_mv NASCIMENTO, Diego Marcelino do. Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/35905
identifier_str_mv NASCIMENTO, Diego Marcelino do. Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019.
url https://repositorio.ufpe.br/handle/123456789/35905
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 Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/35905/1/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf
https://repositorio.ufpe.br/bitstream/123456789/35905/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/35905/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/35905/4/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/35905/5/TESE%20Diego%20Marcelino%20do%20Nascimento.pdf.jpg
bitstream.checksum.fl_str_mv 22892d9db6517a7c503fa037b7b1d77a
e39d27027a6cc9cb039ad269a5db8e34
bd573a5ca8288eb7272482765f819534
7e31ce35c28e71bb9a5a1c53566f10ec
15733dd6829397cabb4d00ccf4e4dc30
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1802310755846979584