Classificação de espécies de mangue no Nordeste do Brasil com base em imagens híbridas de sensoriamento remoto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/30938 |
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 |
UFRN_81d7098ba02b092d35030d372ceaba76 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/30938 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Costa, Bruno Cesar Pereira daAmaro, Venerando EustáquioFerreira, Anderson Targino da Silva2020-12-09T15:17:27Z2020-12-09T15:17:27Z2017B.C.P., COSTA ; V.E., AMARO ; A.T.S., FERREIRA . Classification of Mangrove Species in the Northeastern of Brazil Based on Hybrid Images of Remote Sensing. Anuário do Instituto de Geociências (UFRJ. IMPRESSO), v. 40, p. 135-149, 2017. Disponível em: https://revistas.ufrj.br/index.php/aigeo/article/view/18234. Acesso em: 27 nov. 2020. https://doi.org/10.11137/2017_1_135_149https://repositorio.ufrn.br/handle/123456789/3093810.11137/2017_1_135_149Anuário do Instituto de GeociênciasAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessLANDSAT-8RADARSAT-2MangueCondições estruturaisClassificação de espécies de mangue no Nordeste do Brasil com base em imagens híbridas de sensoriamento remotoClassification of mangrove species in the Northeastern of Brazil based on hybrid images of remote sensinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleAs 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 preservaçãoporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNLICENSElicense.txtlicense.txttext/plain; charset=utf-81484https://repositorio.ufrn.br/bitstream/123456789/30938/3/license.txte9597aa2854d128fd968be5edc8a28d9MD53ORIGINALClassificationMangroveSpecies_AMARO_2017.pdfClassificationMangroveSpecies_AMARO_2017.pdfapplication/pdf1477985https://repositorio.ufrn.br/bitstream/123456789/30938/1/ClassificationMangroveSpecies_AMARO_2017.pdf235d8493f8d3b39007fadf6deca256a2MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.ufrn.br/bitstream/123456789/30938/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52TEXTClassificationMangroveSpecies_AMARO_2017.pdf.txtClassificationMangroveSpecies_AMARO_2017.pdf.txtExtracted texttext/plain53732https://repositorio.ufrn.br/bitstream/123456789/30938/4/ClassificationMangroveSpecies_AMARO_2017.pdf.txt6a0638239067bbbe15d5f633c0fbc21fMD54THUMBNAILClassificationMangroveSpecies_AMARO_2017.pdf.jpgClassificationMangroveSpecies_AMARO_2017.pdf.jpgGenerated Thumbnailimage/jpeg1585https://repositorio.ufrn.br/bitstream/123456789/30938/5/ClassificationMangroveSpecies_AMARO_2017.pdf.jpg5fdd52255b873de0a3bdab42878ebe48MD55123456789/309382020-12-13 05:01:58.592oai:https://repositorio.ufrn.br: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Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2020-12-13T08:01:58Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Classificação de espécies de mangue no Nordeste do Brasil com base em imagens híbridas de sensoriamento remoto |
dc.title.alternative.pt_BR.fl_str_mv |
Classification of mangrove species in the Northeastern of Brazil based on hybrid images of remote sensing |
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 Costa, Bruno Cesar Pereira da 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 |
Costa, Bruno Cesar Pereira da |
author_facet |
Costa, Bruno Cesar Pereira da 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.author.fl_str_mv |
Costa, Bruno Cesar Pereira da 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 |
2017 |
dc.date.issued.fl_str_mv |
2017 |
dc.date.accessioned.fl_str_mv |
2020-12-09T15:17:27Z |
dc.date.available.fl_str_mv |
2020-12-09T15:17:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
B.C.P., COSTA ; V.E., AMARO ; A.T.S., FERREIRA . Classification of Mangrove Species in the Northeastern of Brazil Based on Hybrid Images of Remote Sensing. Anuário do Instituto de Geociências (UFRJ. IMPRESSO), v. 40, p. 135-149, 2017. Disponível em: https://revistas.ufrj.br/index.php/aigeo/article/view/18234. Acesso em: 27 nov. 2020. https://doi.org/10.11137/2017_1_135_149 |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/30938 |
dc.identifier.doi.none.fl_str_mv |
10.11137/2017_1_135_149 |
identifier_str_mv |
B.C.P., COSTA ; V.E., AMARO ; A.T.S., FERREIRA . Classification of Mangrove Species in the Northeastern of Brazil Based on Hybrid Images of Remote Sensing. Anuário do Instituto de Geociências (UFRJ. IMPRESSO), v. 40, p. 135-149, 2017. Disponível em: https://revistas.ufrj.br/index.php/aigeo/article/view/18234. Acesso em: 27 nov. 2020. https://doi.org/10.11137/2017_1_135_149 10.11137/2017_1_135_149 |
url |
https://repositorio.ufrn.br/handle/123456789/30938 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Anuário do Instituto de Geociências |
publisher.none.fl_str_mv |
Anuário do Instituto de Geociências |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/30938/3/license.txt https://repositorio.ufrn.br/bitstream/123456789/30938/1/ClassificationMangroveSpecies_AMARO_2017.pdf https://repositorio.ufrn.br/bitstream/123456789/30938/2/license_rdf https://repositorio.ufrn.br/bitstream/123456789/30938/4/ClassificationMangroveSpecies_AMARO_2017.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/30938/5/ClassificationMangroveSpecies_AMARO_2017.pdf.jpg |
bitstream.checksum.fl_str_mv |
e9597aa2854d128fd968be5edc8a28d9 235d8493f8d3b39007fadf6deca256a2 4d2950bda3d176f570a9f8b328dfbbef 6a0638239067bbbe15d5f633c0fbc21f 5fdd52255b873de0a3bdab42878ebe48 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1814832772447993856 |