Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Anuário do Instituto de Geociências (Online) |
Texto Completo: | https://revistas.ufrj.br/index.php/aigeo/article/view/37237 |
Resumo: | A Mata Atlântica fluminense foi historicamente pressionada pelos ciclos econômicos e ocupações humanas. Alguns dos mais preservados remanescentes estão localizados na Região Serrana do estado do Rio de Janeiro. O município de Teresópolis, situado nesta Região, vem sofrendo mudanças em sua cobertura florestal desde o século XIX. Neste sentido, este trabalho visa, por meio de uma análise multitemporal (1985 – 2017) orientada a pixel, utilizando o algoritmo LandTrendr, compreender o caráter das mudanças observadas neste município, buscando o entendimento dos motivos que potencializam os distúrbios. Os resultados são apresentados como trajetórias e os vértices representam mudanças, nas trajetórias florestais foram detectados 2.090 hectares, sendo 85% supressões e 15% regenerações. As supressões antigas (1985) ocorreram na área mais densamente povoada, enquanto que as perdas florestais recentes foram nos distritos mais distantes do centro da cidade. As regenerações estão associadas à recuperação pós deslizamentos de 2011 e à silvicultura. Quanto ao relevo, as mudanças predominaram nas áreas menos declivosas. |
id |
UFRJ-21_0ff628224192c938349738b7ffb71ff6 |
---|---|
oai_identifier_str |
oai:www.revistas.ufrj.br:article/37237 |
network_acronym_str |
UFRJ-21 |
network_name_str |
Anuário do Instituto de Geociências (Online) |
repository_id_str |
|
spelling |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendrSéries temporais; Landsat; VegetaçãoA Mata Atlântica fluminense foi historicamente pressionada pelos ciclos econômicos e ocupações humanas. Alguns dos mais preservados remanescentes estão localizados na Região Serrana do estado do Rio de Janeiro. O município de Teresópolis, situado nesta Região, vem sofrendo mudanças em sua cobertura florestal desde o século XIX. Neste sentido, este trabalho visa, por meio de uma análise multitemporal (1985 – 2017) orientada a pixel, utilizando o algoritmo LandTrendr, compreender o caráter das mudanças observadas neste município, buscando o entendimento dos motivos que potencializam os distúrbios. Os resultados são apresentados como trajetórias e os vértices representam mudanças, nas trajetórias florestais foram detectados 2.090 hectares, sendo 85% supressões e 15% regenerações. As supressões antigas (1985) ocorreram na área mais densamente povoada, enquanto que as perdas florestais recentes foram nos distritos mais distantes do centro da cidade. As regenerações estão associadas à recuperação pós deslizamentos de 2011 e à silvicultura. Quanto ao relevo, as mudanças predominaram nas áreas menos declivosas.Universidade Federal do Rio de JaneiroZebende, João VictorWeckmüller, RômuloVicens, Raúl S.2020-08-21info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/3723710.11137/2020_2_316_324Anuário do Instituto de Geociências; Vol 43, No 2 (2020); 316_324Anuário do Instituto de Geociências; Vol 43, No 2 (2020); 316_3241982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/37237/pdf/*ref*/Costa, D.P. 2005. Utilização de geotecnologias na análise da transformação sócio-espacial urbana da região Serrana Fluminense: o estudo de caso do distrito sede de Teresópolis. Dissertação de Mestrado em Geografia, UNESP. Rio Claro, SP. 185 p. Congalton, R.G. 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37: 35-76. Cronemberger, F.M. 2014. Paisagens da Serra do Mar: uma análise geoecológica da dinâmica da paisagem. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Tese de Doutorado, 159 p. Embrapa. 2006. Empresa Brasileira De Pesquisa Agropecuária. Sistema Brasileiro de classificação de solos. Brasília, DF, 2ª edição. 353 p. Ferraz, D.P.G.B. 2017. Dinâmica espaço-temporal da produção de silvicultura no estado do Rio de Janeiro entre 1985 e 2014. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Dissertação de Mestrado, 83 p. Fernandes, P.J.F.; Vicens, R.S. & Furtado, L.F.A. 2017. Modelo automático de normalização radiométrica de série multitemporal Landsat-5 usando pontos pseudoinvariantes, PIF. Revista Brasileira de Cartografia, 69 (2): 241-251. Fragal, E.H. 2015.Reconstrução histórica de mudanças na cobertura florestal em várzeas do baixo Amazonas utilizando o algoritmo Landtrendr. Programa de Pós-Graduação em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais, Dissertação de Mestrado, 126 p. IBGE. 2010.Instituto Brasileiro de Geografia e Estatística. Cidades, Teresópolis, RJ. Disponível em: <https:// cidades.ibge.gov.br/brasil/rj/teresopolis/panorama>. Acesso em 10 de dezembro de 2018 Kennedy, R.E.; Yang, Z. & Cohen, W.B. 2010. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. Remote Sensing of Environment, 114: 2897-2910. Landis, J.R. & Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometrics, 33: 159- 174. Lu, D.; Mausel, P.; Brondizio, E. & Moran, E. 2004. Change detection techniques. International Journal of Remote Sensing, 25(12): 2365-2407. Veloso, H.P.; Rangel Filho, A.L.R. & Lima, J.C.A. 1991.Classificação da vegetação brasileira, adaptada a um sistema universal. Rio de Janeiro: IBGE/DERNA. 123 p. Weckmüller, R. & Vicens, R.S. 2019. Detecção de Mudanças Florestais em Séries Temporais Utilizando os Algoritmos Landtrendr: Estudo de Caso no Estado do Rio de Janeiro. Revista do Departamento de Geografia, 37: 44-57. Weckmüller, R. &Vicens, R.S. 2016. Método híbrido de detecção de mudanças: uma associação entre classificação baseada em objetos e baseada em pixels. Revista Brasileira de Cartografia, 68(5): 883-899. Weckmüller, R.; Zebende, J.V. & Vicens, R.S. 2018. Escolha do melhor descritor para a detecção de trajetórias em florestas tropicais utilizando os algoritmos LandTrendr. Revista Continentes, 7(13): 68-84. Weckmüller, R. 2018. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Tese de Doutorado, 123 p. Disponível em: https://goo. gl/9KuJnK. Zebende, J.V.; Weckmüller, R. & Vicens, R.S. 2017. Desenvolvimento de máscara de floresta utilizando classificação orientada a objeto. In: XXVII CONGRESSO BRASILEIRO DE CARTOGRAFIA e XXVI EXPOSICARTA SBC, Rio de Janeiro - RJ, 452-456.Copyright (c) 2020 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2020-09-21T10:59:44Zoai:www.revistas.ufrj.br:article/37237Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2020-09-21T10:59:44Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.none.fl_str_mv |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
title |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
spellingShingle |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr Zebende, João Victor Séries temporais; Landsat; Vegetação |
title_short |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
title_full |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
title_fullStr |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
title_full_unstemmed |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
title_sort |
Análise da Trajetória Evolutiva da Cobertura Florestal do Município de Teresópolis/RJ utilizando o Algoritmo LandTrendr |
author |
Zebende, João Victor |
author_facet |
Zebende, João Victor Weckmüller, Rômulo Vicens, Raúl S. |
author_role |
author |
author2 |
Weckmüller, Rômulo Vicens, Raúl S. |
author2_role |
author author |
dc.contributor.none.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Zebende, João Victor Weckmüller, Rômulo Vicens, Raúl S. |
dc.subject.por.fl_str_mv |
Séries temporais; Landsat; Vegetação |
topic |
Séries temporais; Landsat; Vegetação |
description |
A Mata Atlântica fluminense foi historicamente pressionada pelos ciclos econômicos e ocupações humanas. Alguns dos mais preservados remanescentes estão localizados na Região Serrana do estado do Rio de Janeiro. O município de Teresópolis, situado nesta Região, vem sofrendo mudanças em sua cobertura florestal desde o século XIX. Neste sentido, este trabalho visa, por meio de uma análise multitemporal (1985 – 2017) orientada a pixel, utilizando o algoritmo LandTrendr, compreender o caráter das mudanças observadas neste município, buscando o entendimento dos motivos que potencializam os distúrbios. Os resultados são apresentados como trajetórias e os vértices representam mudanças, nas trajetórias florestais foram detectados 2.090 hectares, sendo 85% supressões e 15% regenerações. As supressões antigas (1985) ocorreram na área mais densamente povoada, enquanto que as perdas florestais recentes foram nos distritos mais distantes do centro da cidade. As regenerações estão associadas à recuperação pós deslizamentos de 2011 e à silvicultura. Quanto ao relevo, as mudanças predominaram nas áreas menos declivosas. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-08-21 |
dc.type.none.fl_str_mv |
|
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://revistas.ufrj.br/index.php/aigeo/article/view/37237 10.11137/2020_2_316_324 |
url |
https://revistas.ufrj.br/index.php/aigeo/article/view/37237 |
identifier_str_mv |
10.11137/2020_2_316_324 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://revistas.ufrj.br/index.php/aigeo/article/view/37237/pdf /*ref*/Costa, D.P. 2005. Utilização de geotecnologias na análise da transformação sócio-espacial urbana da região Serrana Fluminense: o estudo de caso do distrito sede de Teresópolis. Dissertação de Mestrado em Geografia, UNESP. Rio Claro, SP. 185 p. Congalton, R.G. 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37: 35-76. Cronemberger, F.M. 2014. Paisagens da Serra do Mar: uma análise geoecológica da dinâmica da paisagem. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Tese de Doutorado, 159 p. Embrapa. 2006. Empresa Brasileira De Pesquisa Agropecuária. Sistema Brasileiro de classificação de solos. Brasília, DF, 2ª edição. 353 p. Ferraz, D.P.G.B. 2017. Dinâmica espaço-temporal da produção de silvicultura no estado do Rio de Janeiro entre 1985 e 2014. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Dissertação de Mestrado, 83 p. Fernandes, P.J.F.; Vicens, R.S. & Furtado, L.F.A. 2017. Modelo automático de normalização radiométrica de série multitemporal Landsat-5 usando pontos pseudoinvariantes, PIF. Revista Brasileira de Cartografia, 69 (2): 241-251. Fragal, E.H. 2015.Reconstrução histórica de mudanças na cobertura florestal em várzeas do baixo Amazonas utilizando o algoritmo Landtrendr. Programa de Pós-Graduação em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais, Dissertação de Mestrado, 126 p. IBGE. 2010.Instituto Brasileiro de Geografia e Estatística. Cidades, Teresópolis, RJ. Disponível em: <https:// cidades.ibge.gov.br/brasil/rj/teresopolis/panorama>. Acesso em 10 de dezembro de 2018 Kennedy, R.E.; Yang, Z. & Cohen, W.B. 2010. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. Remote Sensing of Environment, 114: 2897-2910. Landis, J.R. & Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometrics, 33: 159- 174. Lu, D.; Mausel, P.; Brondizio, E. & Moran, E. 2004. Change detection techniques. International Journal of Remote Sensing, 25(12): 2365-2407. Veloso, H.P.; Rangel Filho, A.L.R. & Lima, J.C.A. 1991.Classificação da vegetação brasileira, adaptada a um sistema universal. Rio de Janeiro: IBGE/DERNA. 123 p. Weckmüller, R. & Vicens, R.S. 2019. Detecção de Mudanças Florestais em Séries Temporais Utilizando os Algoritmos Landtrendr: Estudo de Caso no Estado do Rio de Janeiro. Revista do Departamento de Geografia, 37: 44-57. Weckmüller, R. &Vicens, R.S. 2016. Método híbrido de detecção de mudanças: uma associação entre classificação baseada em objetos e baseada em pixels. Revista Brasileira de Cartografia, 68(5): 883-899. Weckmüller, R.; Zebende, J.V. & Vicens, R.S. 2018. Escolha do melhor descritor para a detecção de trajetórias em florestas tropicais utilizando os algoritmos LandTrendr. Revista Continentes, 7(13): 68-84. Weckmüller, R. 2018. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. Programa de Pós-Graduação em Geografia, Universidade Federal Fluminense, Tese de Doutorado, 123 p. Disponível em: https://goo. gl/9KuJnK. Zebende, J.V.; Weckmüller, R. & Vicens, R.S. 2017. Desenvolvimento de máscara de floresta utilizando classificação orientada a objeto. In: XXVII CONGRESSO BRASILEIRO DE CARTOGRAFIA e XXVI EXPOSICARTA SBC, Rio de Janeiro - RJ, 452-456. |
dc.rights.driver.fl_str_mv |
Copyright (c) 2020 Anuário do Instituto de Geociências http://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2020 Anuário do Instituto de Geociências http://creativecommons.org/licenses/by/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
Anuário do Instituto de Geociências; Vol 43, No 2 (2020); 316_324 Anuário do Instituto de Geociências; Vol 43, No 2 (2020); 316_324 1982-3908 0101-9759 reponame:Anuário do Instituto de Geociências (Online) instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Anuário do Instituto de Geociências (Online) |
collection |
Anuário do Instituto de Geociências (Online) |
repository.name.fl_str_mv |
Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
anuario@igeo.ufrj.br|| |
_version_ |
1797053545084616704 |