Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto

Detalhes bibliográficos
Autor(a) principal: Pereira da Costa, Bruno Cesar
Data de Publicação: 2018
Outros Autores: Amaro, Venerando Eustáquio, Ferreira, Anderson Targino da Silva
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/18234
Resumo: As imagens de satélites têm sido utilizadas para mapear, monitorar e quantificar a qualidade dos recursos naturais. O mapeamento detalhado da vegetação de mangue é uma demanda crescente por se tratar de um importante instrumento de gestão, manutenção e conhecimento do ecossistema manguezal frente às modificações provocadas pelas atuações antrópicas e/ou naturais. Este trabalho combinou dados multiespectrais da região do visível e infravermelho do satélite LANDSAT-8 com imagem da faixa espectral das micro-ondas do satélite RADARSAT-2 na segmentação e classificação de manguezais no Rio Grande do Norte, Nordeste do Brasil. A composição híbrida entre o sistema óptico e de micro-ondas mostraram excelente desempenho na identificação desta unidade geoambiental e permitiram maior realce das propriedades estruturais e florísticas das espécies de mangue. Os resultados permitiram delimitar a área geral de ocupação dos manguezais em aproximadamente 5.538 ha e revelaram a ocorrência de quatro principais condições estruturais de espécies: Rhizophora mangle (porte alto e adensamento convencional), Rhizophora mangle (porte baixo e adensado), Avicennia schaueriana e regiões de espécies mistas. R. mangle é a espécie de mangue mais abundante na área estudada, ocupando área de aproximadamente 3.513 ha, cerca de 63% de todo o manguezal da área estudada. Regiões mistas de espécies ocupam área de 1.142 ha, representando 21% do total. A. schaueriana ocupa área de 882 ha, cerca de 16% do total. Os resultados ainda mostraram que a diferença na reflectância das áreas de mangue ocupadas pelas espécies ocorrentes não se dá apenas influenciada pelo teor de clorofila das espécies, pela prevalecente condição ambiental, do solo e da água de fundo, mas principalmente pelo espaçamento das copas e densidade do dossel para cada espécie ocorrente. Este estudo buscou atender às expectativas de maior eficiência em levantamentos espaço-temporais com alta acurácia para o monitoramento da qualidade dos ecossistemas manguezais, altamente sensíveis às alterações ambientais e como subsídio à sua preservação.
id UFRJ-21_712741603b68f0974a80af8009b4f70c
oai_identifier_str oai:www.revistas.ufrj.br:article/18234
network_acronym_str UFRJ-21
network_name_str Anuário do Instituto de Geociências (Online)
repository_id_str
spelling Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento RemotoLANDSAT-8; RADARSAT-2; mangue; condições estruturaisAs imagens de satélites têm sido utilizadas para mapear, monitorar e quantificar a qualidade dos recursos naturais. O mapeamento detalhado da vegetação de mangue é uma demanda crescente por se tratar de um importante instrumento de gestão, manutenção e conhecimento do ecossistema manguezal frente às modificações provocadas pelas atuações antrópicas e/ou naturais. Este trabalho combinou dados multiespectrais da região do visível e infravermelho do satélite LANDSAT-8 com imagem da faixa espectral das micro-ondas do satélite RADARSAT-2 na segmentação e classificação de manguezais no Rio Grande do Norte, Nordeste do Brasil. A composição híbrida entre o sistema óptico e de micro-ondas mostraram excelente desempenho na identificação desta unidade geoambiental e permitiram maior realce das propriedades estruturais e florísticas das espécies de mangue. Os resultados permitiram delimitar a área geral de ocupação dos manguezais em aproximadamente 5.538 ha e revelaram a ocorrência de quatro principais condições estruturais de espécies: Rhizophora mangle (porte alto e adensamento convencional), Rhizophora mangle (porte baixo e adensado), Avicennia schaueriana e regiões de espécies mistas. R. mangle é a espécie de mangue mais abundante na área estudada, ocupando área de aproximadamente 3.513 ha, cerca de 63% de todo o manguezal da área estudada. Regiões mistas de espécies ocupam área de 1.142 ha, representando 21% do total. A. schaueriana ocupa área de 882 ha, cerca de 16% do total. Os resultados ainda mostraram que a diferença na reflectância das áreas de mangue ocupadas pelas espécies ocorrentes não se dá apenas influenciada pelo teor de clorofila das espécies, pela prevalecente condição ambiental, do solo e da água de fundo, mas principalmente pelo espaçamento das copas e densidade do dossel para cada espécie ocorrente. Este estudo buscou atender às expectativas de maior eficiência em levantamentos espaço-temporais com alta acurácia para o monitoramento da qualidade dos ecossistemas manguezais, altamente sensíveis às alterações ambientais e como subsídio à sua preservação.Universidade Federal do Rio de JaneiroREDE 05 -- PETROMAR, CTPETRO -- FINEP/PETROBRAS/CNPqHIDROSEMAMOLECOCRONALOGGEOPRO/DG/UFRNPPGCEPPPGGCAPESPereira da Costa, Bruno CesarAmaro, Venerando EustáquioFerreira, Anderson Targino da Silva2018-07-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/1823410.11137/2017_1_135_149Anuário do Instituto de Geociências; Vol 40, No 1 (2017); 135-149Anuário do Instituto de Geociências; Vol 40, No 1 (2017); 135-1491982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/18234/10912/*ref*/Alongi, D.M. 2002. Present state and future of the world's mangrove forests. Environmental Conservation, 29(3): 331-349./*ref*/Aschbacher, J.; Tiangco, P.; Giri, C. P.; Ofren, R.S.; Paudyal, D.R. & Ang, Y.K. 1995. Comparison of different sensors and analysis techniques for tropical mangrove forest mapping. Proceedings of the International Conference IGARSS, p. 2109-2111./*ref*/Badola, R. & Hussain, S.A. 2005. Valuing ecosystem functions: an empirical study on the storm protection function of Bhitarkanika mangrove ecosystem, India. Environmental Conservation, 32(1): 85-92./*ref*/Barbier, E.B. 2006. Natural barriers to natural disasters: replanting mangroves after the tsunami. Frontiers in Ecology and the Environment, 4: 124-131./*ref*/Barbier, E.B.; Hacker, S.D.; Kennedy, C.; Koch, E.W.; Stier, A.C. & Silliman, B.R. 2011. The value of estuarine and coastal ecosystem services. Ecological Society of America, 81(2): 169-193./*ref*/Barros Pereira, B.R.; Amaro, V.E. & Valentim da Silva, D.J. 2011. Radar and optical hybrid images to improve geoenvironmental mapping in Rio Grande do Norte state, Brazil. WIT Transactions on Ecology and the Environment, 149: 111-122./*ref*/Blanco, P.D.; Metternicht, G.I. & Del Valle, H. F. 2009. Improving the discrimination of vegetation and landform patterns in sandy rangelands: a synergistic approach. International Journal of Remote Sensing, 10: 2579-2605./*ref*/Camargo, L.P.; Pellerin, J.R.G.M. & Panitz, I.M.N. 2000. Caracterização e classificação do manguezal do Rio Ratones, através de técnicas de sensoriamento remoto e do sistema geográfico de informações (SIG), Ilha de Santa Catarina, Brasil. International Conference Mangrove, Recife/PE. Anais, p. 1521-1530./*ref*/Chaves, M.S.; Vital, H.; Silveira, I.M. & Santos, D.A.S. 2006. Beach Morphodynamics of the Serra Oil Field (NE, Brazil). Journal of Coastal Research, 39: 594-597./*ref*/Chuvieco, E.; Riaño, D.; Aguado I. & Cocero D. 2002b. Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data: Applications in fire danger assessment. International Journal of Remote Sensing, 23(11): 2145 -- 2162./*ref*/Congalton R.G. 1991. A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment, 37: 35-46./*ref*/Costa B.C.P. & Amaro V.E. 2012. Identificação Fitofisionômica Através de Imagens Orbitais Híbridas do LANDSAT 5-TM e do RADARSAT-1 em Manguezais do Litoral Setentrional do Rio Grande do Norte. Revista de Geologia, 25: 115-127./*ref*/Dahdouh-Guebas, F. 2002. The use of remote sensing and GIS in the sustainable management of tropical coastal ecosystems. Environment, Development and Sustainability, 4: 93-112./*ref*/Everitt, J.H.; Yang, C.; Sriharan, S. & Judd, F.W. 2008. Using high resolution satellite imagery to map black mangrove on the Texas Gulf Coast. Journal of Coastal Research, 24: 1582-1586./*ref*/Ferreira, A. T. S.; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia Aplicada na Integração de Dados Topográficos e Batimétricos na Caracterização de Superfícies de Praia. RBC. Revista Brasileira de Cartografia, 66: 167-184./*ref*/Fonseca, L.M.G. 2000. Processamento digital de imagens. Instituto Nacional de Pesquisas Espaciais (INPE), 105 p./*ref*/Franco, C.G.M.; Amaro, V.E. & Souto, M.V.S. 2012. Prognóstico da erosão costeira no litoral sententrional no Rio Grande do Norte para os anos de 2020, 2030 e 2040. Revista de Geologia, 25: 37-37./*ref*/Giri, C. & Muhlhausen, J. 2008. Mangrove forest distributions and dynamics in Madagascar (1975-2005). Sensors, 8: 2104-2117./*ref*/Giri, C.; Ochieng, E; Tieszen, L.L.; Zhu, Z.; Singh, A.; Loveland, T.; Masek, J. & Duke, N. 2011. Status and distribution of mangrove forests of the world using earth observation satellite data. Global Ecology and Biogeography, 20: 154-159./*ref*/Giri, C.; Pengra, B.; Zhu, Z.; Singh, A. & Tieszen, L.L. 2007. Monitoring Mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from (1973 to 2000). Estuarine, Coastal and Shelf Science, 73: 91-100./*ref*/Gonçalves, F.D.;Souza Filho, P.W.; Paradella, W.R. & Miranda, F.P. 2009. Fusão de Dados Multisensor para a Identificação e o Mapeamento de Ambientes Flúvio-Estuarinos da Amazônia. Revista Brasileira de Geofísica, 27(1): 57-67./*ref*/Gowda, H.H.; Ganesha RAJ, K.; Padmavathy, A.S. & Manikian, B. 1995. Multidate satellite data for study of dynamic of coastal landforms of Uttara Kannada, South India. International Journal of Remote Sensing, 16: 2539-2553./*ref*/Grigio, A.M.; Souto, M.V.S.; Castro, A.F.; Amaro, V.E.; Vital, H. & Diodato, M.A. 2005. Method of analysis of the coastline evolution based in remote sensing and geographical information system products: Guamaré District Rio Grande do Norte - Northeast of Brazil. Journal of Coastal Research, 42: 412- 421./*ref*/Hamilton, L.S. & Murphy, D.H. 1988. Use and management of nipa palm (Nypa fruticans, Arecaeae): a review. Economic Botany, 42(2): 206-213./*ref*/Huang, H.; Legarsky, J. & Othman, M. 2007. Land-cover classification using RADARSAT and LANDSAT imagery for St. Louis, Missouri. Photogrammetric Engineering & Remote Sensing, 73(1): 37-43./*ref*/Kampel, M.; Amaral, S. & Soares, M.L.G. 2005. Imagens CCD/CBERS e TM/LANDSAT para análise multi-temporal de manguezais no nordeste brasileiro. Um estudo no litoral do Estado do Ceará. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO (SBSR), v 12, Goiânia. Anais, São José dos Campos/SP: INPE, p. 979- 986./*ref*/Kuenzer, C.; Bluemel, A.; Gebhardt, S.; Quoc, T.V. & Dech, S. 2011. Remote sensing of mangrove ecosystems: A review. Remote Sensing, 3(5): 878-928./*ref*/Mc Feeters, S.K. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 7: 1425-1432./*ref*/Mochel, F.R. & Ponzoni, F.J. 2007. Spectral characterization of mangrove leaves in the Brazilian Amazonian Coast: Turiaçu Bay, Maranhão State. Anais da Academia Brasileira de Ciências, 79 (4): 683-692./*ref*/Nascimento, M.C. 2009. A erosão costeira e sua influência sobre a atividade petrolífera: alternativas sustentáveis na mitigação de impactos ambientais. Dissertação de Mestrado (Mestrado em Geodinâmica e Geofísica). Departamento de Geologia, Programa de Pós- Graduação em Geodinâmica e Geofísica da UFRN, Natal. Dissertação de Mestrado, 229p./*ref*/Prost, M.T. 2001. Manguezais paraenses: recursos naturais, usos sociais e indicadores para a sustentabilidade. Relatório Final, FUNTEC Convênio 063/98 Belém/PA: CCTE/MPEG, p. 62./*ref*/Ramsey III, E.W.; Nelson, G.A. & Sapkota, S.K. 1998. Classifying coastal resources by integrating optical and radar imagery and color infrared photography. Mangroves and Salt Marshes, 2: 109-119./*ref*/Salem, M.E. & Mercer, D.E. 2012. The Economic Value of Mangroves: A Meta-Analysis. Sustainability, 4: 359-383./*ref*/Santos, A.L.S. ; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia de precisão aplicada à análise da evolução morfodinâmica de curto prazo na Ilha Barreira do Corta Cachorro, litoral do Rio Grande do Norte, Nordeste do Brasil. Revista Brasileira de Geomorfologia, 15: 425-442./*ref*/Santos, M.S.T. & Amaro, V.E. 2013. Dinâmica sazonal de processos costeiros e estuarinos em sistema de praias arenosas e ilhas barreira no Nordeste do Brasil. Revista Brasileira de Geomorfologia, 14: 151-162./*ref*/Seto, K.C. & Fragkias, M. 2007. Mangrove conversion and aquaculture development in Vietnam: A remote sensing-based approach for evaluating the Ramsar Convention on Wetlands. Global Environmental Change, 17: 486-500./*ref*/Souto, M.V.S. 2009. Análise da Evolução Costeira do Litoral Setentrional do Estado do Rio Grande do Norte, Região Sob Influência da Indústria Petrolífera. Tese (Doutorado em Geofísica e Geodinâmica). Programa de Pós-graduação de Geofísica e Geodinâmica, Universidade Federal do Rio Grande do Norte, Natal-RN. Tese de Doutorado, 117-118p./*ref*/Souza Filho, P.W.M. 2005. Costa de manguezais de macromaré da Amazônia: cenários morfológicos, mapeamento e quantificação de áreas usando dados de sensores remotos. Revista Brasileira de Geofísica, 4: 427-435./*ref*/Souza Filho, P.W.M. & Paradella, W.R. 2002. Recognition of the main geobotanical features along the Bragança mangrove coast (Brazilian Amazon) fron Landsat TM and RADARSAT-1 data. Wetlands Ecology and Management, 10: 123-132./*ref*/Souza Filho, P.W.M. & Paradella, W.R. 2005. Use of RADARSAT-1 fine mode and LANDSAT-5 TM selective principal component analysis for geomorphological mapping in a macrotidal mangrove coast in the Amazon Region. Canadian Journal of Remote Sensing, 31 (3): 214-224./*ref*/UNEP-WCMC. 2006. In the front line: shoreline protection and other ecosystem services from mangroves and coral reefs. Cambridge, UK: UNEP-WCMC, p. 33./*ref*/Vaiphasa, C.; Skidmore, A.K. & De Boer, W.F. 2006. A post-classifier for mangrove mapping using ecological data. ISPRS Journal of Photogrammetry and Remote Sensing, 61: 1-10./*ref*/Valiela, I.,J.L. Bowen & York J.K., 2001. Mangrove Forests: One of the world threatened major tropical environments. BioScience, 51 (10): 807-815./*ref*/Wang, L. & Sousa, W.P. 2009. Distinguishing mangrove species with laboratory measurements of hyperspectral leaf reflectance. International Journal of Remote Sensing, 30: 1267-1281.Copyright (c) 2017 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2018-08-02T20:14:00Zoai:www.revistas.ufrj.br:article/18234Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2018-08-02T20:14Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
title Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
spellingShingle Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
Pereira da Costa, Bruno Cesar
LANDSAT-8; RADARSAT-2; mangue; condições estruturais
title_short Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
title_full Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
title_fullStr Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
title_full_unstemmed Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
title_sort Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
author Pereira da Costa, Bruno Cesar
author_facet Pereira da Costa, Bruno Cesar
Amaro, Venerando Eustáquio
Ferreira, Anderson Targino da Silva
author_role author
author2 Amaro, Venerando Eustáquio
Ferreira, Anderson Targino da Silva
author2_role author
author
dc.contributor.none.fl_str_mv REDE 05 -- PETROMAR, CTPETRO -- FINEP/PETROBRAS/CNPq
HIDROSEMA
MOLECO
CRONALOG
GEOPRO/DG/UFRN
PPGCEP
PPGG
CAPES
dc.contributor.author.fl_str_mv Pereira da Costa, Bruno Cesar
Amaro, Venerando Eustáquio
Ferreira, Anderson Targino da Silva
dc.subject.por.fl_str_mv LANDSAT-8; RADARSAT-2; mangue; condições estruturais
topic LANDSAT-8; RADARSAT-2; mangue; condições estruturais
description As imagens de satélites têm sido utilizadas para mapear, monitorar e quantificar a qualidade dos recursos naturais. O mapeamento detalhado da vegetação de mangue é uma demanda crescente por se tratar de um importante instrumento de gestão, manutenção e conhecimento do ecossistema manguezal frente às modificações provocadas pelas atuações antrópicas e/ou naturais. Este trabalho combinou dados multiespectrais da região do visível e infravermelho do satélite LANDSAT-8 com imagem da faixa espectral das micro-ondas do satélite RADARSAT-2 na segmentação e classificação de manguezais no Rio Grande do Norte, Nordeste do Brasil. A composição híbrida entre o sistema óptico e de micro-ondas mostraram excelente desempenho na identificação desta unidade geoambiental e permitiram maior realce das propriedades estruturais e florísticas das espécies de mangue. Os resultados permitiram delimitar a área geral de ocupação dos manguezais em aproximadamente 5.538 ha e revelaram a ocorrência de quatro principais condições estruturais de espécies: Rhizophora mangle (porte alto e adensamento convencional), Rhizophora mangle (porte baixo e adensado), Avicennia schaueriana e regiões de espécies mistas. R. mangle é a espécie de mangue mais abundante na área estudada, ocupando área de aproximadamente 3.513 ha, cerca de 63% de todo o manguezal da área estudada. Regiões mistas de espécies ocupam área de 1.142 ha, representando 21% do total. A. schaueriana ocupa área de 882 ha, cerca de 16% do total. Os resultados ainda mostraram que a diferença na reflectância das áreas de mangue ocupadas pelas espécies ocorrentes não se dá apenas influenciada pelo teor de clorofila das espécies, pela prevalecente condição ambiental, do solo e da água de fundo, mas principalmente pelo espaçamento das copas e densidade do dossel para cada espécie ocorrente. Este estudo buscou atender às expectativas de maior eficiência em levantamentos espaço-temporais com alta acurácia para o monitoramento da qualidade dos ecossistemas manguezais, altamente sensíveis às alterações ambientais e como subsídio à sua preservação.
publishDate 2018
dc.date.none.fl_str_mv 2018-07-12
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/18234
10.11137/2017_1_135_149
url https://revistas.ufrj.br/index.php/aigeo/article/view/18234
identifier_str_mv 10.11137/2017_1_135_149
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufrj.br/index.php/aigeo/article/view/18234/10912
/*ref*/Alongi, D.M. 2002. Present state and future of the world's mangrove forests. Environmental Conservation, 29(3): 331-349.
/*ref*/Aschbacher, J.; Tiangco, P.; Giri, C. P.; Ofren, R.S.; Paudyal, D.R. & Ang, Y.K. 1995. Comparison of different sensors and analysis techniques for tropical mangrove forest mapping. Proceedings of the International Conference IGARSS, p. 2109-2111.
/*ref*/Badola, R. & Hussain, S.A. 2005. Valuing ecosystem functions: an empirical study on the storm protection function of Bhitarkanika mangrove ecosystem, India. Environmental Conservation, 32(1): 85-92.
/*ref*/Barbier, E.B. 2006. Natural barriers to natural disasters: replanting mangroves after the tsunami. Frontiers in Ecology and the Environment, 4: 124-131.
/*ref*/Barbier, E.B.; Hacker, S.D.; Kennedy, C.; Koch, E.W.; Stier, A.C. & Silliman, B.R. 2011. The value of estuarine and coastal ecosystem services. Ecological Society of America, 81(2): 169-193.
/*ref*/Barros Pereira, B.R.; Amaro, V.E. & Valentim da Silva, D.J. 2011. Radar and optical hybrid images to improve geoenvironmental mapping in Rio Grande do Norte state, Brazil. WIT Transactions on Ecology and the Environment, 149: 111-122.
/*ref*/Blanco, P.D.; Metternicht, G.I. & Del Valle, H. F. 2009. Improving the discrimination of vegetation and landform patterns in sandy rangelands: a synergistic approach. International Journal of Remote Sensing, 10: 2579-2605.
/*ref*/Camargo, L.P.; Pellerin, J.R.G.M. & Panitz, I.M.N. 2000. Caracterização e classificação do manguezal do Rio Ratones, através de técnicas de sensoriamento remoto e do sistema geográfico de informações (SIG), Ilha de Santa Catarina, Brasil. International Conference Mangrove, Recife/PE. Anais, p. 1521-1530.
/*ref*/Chaves, M.S.; Vital, H.; Silveira, I.M. & Santos, D.A.S. 2006. Beach Morphodynamics of the Serra Oil Field (NE, Brazil). Journal of Coastal Research, 39: 594-597.
/*ref*/Chuvieco, E.; Riaño, D.; Aguado I. & Cocero D. 2002b. Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data: Applications in fire danger assessment. International Journal of Remote Sensing, 23(11): 2145 -- 2162.
/*ref*/Congalton R.G. 1991. A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment, 37: 35-46.
/*ref*/Costa B.C.P. & Amaro V.E. 2012. Identificação Fitofisionômica Através de Imagens Orbitais Híbridas do LANDSAT 5-TM e do RADARSAT-1 em Manguezais do Litoral Setentrional do Rio Grande do Norte. Revista de Geologia, 25: 115-127.
/*ref*/Dahdouh-Guebas, F. 2002. The use of remote sensing and GIS in the sustainable management of tropical coastal ecosystems. Environment, Development and Sustainability, 4: 93-112.
/*ref*/Everitt, J.H.; Yang, C.; Sriharan, S. & Judd, F.W. 2008. Using high resolution satellite imagery to map black mangrove on the Texas Gulf Coast. Journal of Coastal Research, 24: 1582-1586.
/*ref*/Ferreira, A. T. S.; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia Aplicada na Integração de Dados Topográficos e Batimétricos na Caracterização de Superfícies de Praia. RBC. Revista Brasileira de Cartografia, 66: 167-184.
/*ref*/Fonseca, L.M.G. 2000. Processamento digital de imagens. Instituto Nacional de Pesquisas Espaciais (INPE), 105 p.
/*ref*/Franco, C.G.M.; Amaro, V.E. & Souto, M.V.S. 2012. Prognóstico da erosão costeira no litoral sententrional no Rio Grande do Norte para os anos de 2020, 2030 e 2040. Revista de Geologia, 25: 37-37.
/*ref*/Giri, C. & Muhlhausen, J. 2008. Mangrove forest distributions and dynamics in Madagascar (1975-2005). Sensors, 8: 2104-2117.
/*ref*/Giri, C.; Ochieng, E; Tieszen, L.L.; Zhu, Z.; Singh, A.; Loveland, T.; Masek, J. & Duke, N. 2011. Status and distribution of mangrove forests of the world using earth observation satellite data. Global Ecology and Biogeography, 20: 154-159.
/*ref*/Giri, C.; Pengra, B.; Zhu, Z.; Singh, A. & Tieszen, L.L. 2007. Monitoring Mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from (1973 to 2000). Estuarine, Coastal and Shelf Science, 73: 91-100.
/*ref*/Gonçalves, F.D.;Souza Filho, P.W.; Paradella, W.R. & Miranda, F.P. 2009. Fusão de Dados Multisensor para a Identificação e o Mapeamento de Ambientes Flúvio-Estuarinos da Amazônia. Revista Brasileira de Geofísica, 27(1): 57-67.
/*ref*/Gowda, H.H.; Ganesha RAJ, K.; Padmavathy, A.S. & Manikian, B. 1995. Multidate satellite data for study of dynamic of coastal landforms of Uttara Kannada, South India. International Journal of Remote Sensing, 16: 2539-2553.
/*ref*/Grigio, A.M.; Souto, M.V.S.; Castro, A.F.; Amaro, V.E.; Vital, H. & Diodato, M.A. 2005. Method of analysis of the coastline evolution based in remote sensing and geographical information system products: Guamaré District Rio Grande do Norte - Northeast of Brazil. Journal of Coastal Research, 42: 412- 421.
/*ref*/Hamilton, L.S. & Murphy, D.H. 1988. Use and management of nipa palm (Nypa fruticans, Arecaeae): a review. Economic Botany, 42(2): 206-213.
/*ref*/Huang, H.; Legarsky, J. & Othman, M. 2007. Land-cover classification using RADARSAT and LANDSAT imagery for St. Louis, Missouri. Photogrammetric Engineering & Remote Sensing, 73(1): 37-43.
/*ref*/Kampel, M.; Amaral, S. & Soares, M.L.G. 2005. Imagens CCD/CBERS e TM/LANDSAT para análise multi-temporal de manguezais no nordeste brasileiro. Um estudo no litoral do Estado do Ceará. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO (SBSR), v 12, Goiânia. Anais, São José dos Campos/SP: INPE, p. 979- 986.
/*ref*/Kuenzer, C.; Bluemel, A.; Gebhardt, S.; Quoc, T.V. & Dech, S. 2011. Remote sensing of mangrove ecosystems: A review. Remote Sensing, 3(5): 878-928.
/*ref*/Mc Feeters, S.K. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 7: 1425-1432.
/*ref*/Mochel, F.R. & Ponzoni, F.J. 2007. Spectral characterization of mangrove leaves in the Brazilian Amazonian Coast: Turiaçu Bay, Maranhão State. Anais da Academia Brasileira de Ciências, 79 (4): 683-692.
/*ref*/Nascimento, M.C. 2009. A erosão costeira e sua influência sobre a atividade petrolífera: alternativas sustentáveis na mitigação de impactos ambientais. Dissertação de Mestrado (Mestrado em Geodinâmica e Geofísica). Departamento de Geologia, Programa de Pós- Graduação em Geodinâmica e Geofísica da UFRN, Natal. Dissertação de Mestrado, 229p.
/*ref*/Prost, M.T. 2001. Manguezais paraenses: recursos naturais, usos sociais e indicadores para a sustentabilidade. Relatório Final, FUNTEC Convênio 063/98 Belém/PA: CCTE/MPEG, p. 62.
/*ref*/Ramsey III, E.W.; Nelson, G.A. & Sapkota, S.K. 1998. Classifying coastal resources by integrating optical and radar imagery and color infrared photography. Mangroves and Salt Marshes, 2: 109-119.
/*ref*/Salem, M.E. & Mercer, D.E. 2012. The Economic Value of Mangroves: A Meta-Analysis. Sustainability, 4: 359-383.
/*ref*/Santos, A.L.S. ; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia de precisão aplicada à análise da evolução morfodinâmica de curto prazo na Ilha Barreira do Corta Cachorro, litoral do Rio Grande do Norte, Nordeste do Brasil. Revista Brasileira de Geomorfologia, 15: 425-442.
/*ref*/Santos, M.S.T. & Amaro, V.E. 2013. Dinâmica sazonal de processos costeiros e estuarinos em sistema de praias arenosas e ilhas barreira no Nordeste do Brasil. Revista Brasileira de Geomorfologia, 14: 151-162.
/*ref*/Seto, K.C. & Fragkias, M. 2007. Mangrove conversion and aquaculture development in Vietnam: A remote sensing-based approach for evaluating the Ramsar Convention on Wetlands. Global Environmental Change, 17: 486-500.
/*ref*/Souto, M.V.S. 2009. Análise da Evolução Costeira do Litoral Setentrional do Estado do Rio Grande do Norte, Região Sob Influência da Indústria Petrolífera. Tese (Doutorado em Geofísica e Geodinâmica). Programa de Pós-graduação de Geofísica e Geodinâmica, Universidade Federal do Rio Grande do Norte, Natal-RN. Tese de Doutorado, 117-118p.
/*ref*/Souza Filho, P.W.M. 2005. Costa de manguezais de macromaré da Amazônia: cenários morfológicos, mapeamento e quantificação de áreas usando dados de sensores remotos. Revista Brasileira de Geofísica, 4: 427-435.
/*ref*/Souza Filho, P.W.M. & Paradella, W.R. 2002. Recognition of the main geobotanical features along the Bragança mangrove coast (Brazilian Amazon) fron Landsat TM and RADARSAT-1 data. Wetlands Ecology and Management, 10: 123-132.
/*ref*/Souza Filho, P.W.M. & Paradella, W.R. 2005. Use of RADARSAT-1 fine mode and LANDSAT-5 TM selective principal component analysis for geomorphological mapping in a macrotidal mangrove coast in the Amazon Region. Canadian Journal of Remote Sensing, 31 (3): 214-224.
/*ref*/UNEP-WCMC. 2006. In the front line: shoreline protection and other ecosystem services from mangroves and coral reefs. Cambridge, UK: UNEP-WCMC, p. 33.
/*ref*/Vaiphasa, C.; Skidmore, A.K. & De Boer, W.F. 2006. A post-classifier for mangrove mapping using ecological data. ISPRS Journal of Photogrammetry and Remote Sensing, 61: 1-10.
/*ref*/Valiela, I.,J.L. Bowen & York J.K., 2001. Mangrove Forests: One of the world threatened major tropical environments. BioScience, 51 (10): 807-815.
/*ref*/Wang, L. & Sousa, W.P. 2009. Distinguishing mangrove species with laboratory measurements of hyperspectral leaf reflectance. International Journal of Remote Sensing, 30: 1267-1281.
dc.rights.driver.fl_str_mv Copyright (c) 2017 Anuário do Instituto de Geociências
http://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2017 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 40, No 1 (2017); 135-149
Anuário do Instituto de Geociências; Vol 40, No 1 (2017); 135-149
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_ 1797053536845955072

Registros relacionados