Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro

Detalhes bibliográficos
Autor(a) principal: Silva, Liliane Garcia da
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRRJ
Texto Completo: https://rima.ufrrj.br/jspui/handle/20.500.14407/9339
Resumo: O sensoriamento remoto sinaliza e orienta o planejamento do uso e cobertura do solo, e pode responder questões sobre a efetivação da legislação ambiental. Nesse sentido, este trabalho de tese apresenta mudanças da paisagem na vegetação natural em bioma de Mata Atlântica, na bacia hidrográfica do Rio Capivari, localizada nos municípios de Rio Bonito e Silva Jardim, no estado do Rio de Janeiro, Brasil. Foram utilizadas técnicas de sensoriamento remoto como: índices de vegetação e métodos de classificação supervisionada em imagens dos satélites Landsat 5-Thematic Mapper (TM), Landsat 8-Operational Land Imager (OLS) e RapidEye-REIS. Assim, a tese exibe três capítulos, onde o Capítulo I é intitulado por: Índices de vegetação e dinâmica da regeneração na Mata Atlântica através de série temporal de imagens dos satélites Landsat 5-TM (Thematic Mapper) e Landsat 8-OLI (Operational Land Imager), sendo calculados os índices de vegetação Normalized Difference Vegetation Index-NDVI e Soil-Adjusted Vegetation Index-SAVI a partir de produtos do Climate Data Record (CDR) Surface Reflectance para indicar os efeitos da regeneração natural tanto nas áreas das sub-bacias, e na bacia; no Capítulo II exibe o título “Áreas de preservação permanente sob panorama da legislação florestal para cenários sem e com usos consolidados, para as APPs no entorno de nascentes, áreas ripárias (rios), encostas e topos de morros em três cenários de planejamento, a Lei Federal n.º 4.771/1965 e a Resolução do Conselho Nacional de Meio Ambiente (CONAMA) n.° 303/2002, no Cenário I; o Novo Código Florestal pela Lei Federal n.º 12.651/2012, para o Cenário II; e as Leis Federais n.º 12.651/2012 e n.º 12.727/2012, no Cenário III. E por fim o Capítulo III foi denominado por: “Treinamento e o comportamento de algoritmos não-paramétricos no mapeamento do uso e cobertura da terra”. O conjunto dos dados geoespaciais do presente trabalho, possibilitou identificação da regeneração, degradação e precisão na identificação dos usos e cobertura do solo na bacia hidrográfica do Rio Capivari de forma eficaz, dos quais poderão ser utilizados como estratégias de conservação e preservação da área de estudo, bem como do bioma de Mata Atlântica.
id UFRRJ-1_3add6bfb0d20f1e2e28b2de50ef2e83f
oai_identifier_str oai:rima.ufrrj.br:20.500.14407/9339
network_acronym_str UFRRJ-1
network_name_str Repositório Institucional da UFRRJ
repository_id_str
spelling Silva, Liliane Garcia daSilva, Eliane Maria Ribeiro da511.084.027-04http://lattes.cnpq.br/9274478730595213Mendonça, Bruno Araujo Furtado deFrancelino, Márcio RochaSilva, Eliane Maria Ribeiro daFernandes Filho, Elpidio InacioAraújo, Emanuel José Gomes deUzêda, Mariella CarmadelliDurigon, Valdemir Lúcio677.602.952-00http://lattes.cnpq.br/66226419616818152023-12-21T18:38:04Z2023-12-21T18:38:04Z2018-02-27SILVA, Liliane Garcia da. Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro. 2018. 143 f. Tese (Doutorado em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2018..https://rima.ufrrj.br/jspui/handle/20.500.14407/9339O sensoriamento remoto sinaliza e orienta o planejamento do uso e cobertura do solo, e pode responder questões sobre a efetivação da legislação ambiental. Nesse sentido, este trabalho de tese apresenta mudanças da paisagem na vegetação natural em bioma de Mata Atlântica, na bacia hidrográfica do Rio Capivari, localizada nos municípios de Rio Bonito e Silva Jardim, no estado do Rio de Janeiro, Brasil. Foram utilizadas técnicas de sensoriamento remoto como: índices de vegetação e métodos de classificação supervisionada em imagens dos satélites Landsat 5-Thematic Mapper (TM), Landsat 8-Operational Land Imager (OLS) e RapidEye-REIS. Assim, a tese exibe três capítulos, onde o Capítulo I é intitulado por: Índices de vegetação e dinâmica da regeneração na Mata Atlântica através de série temporal de imagens dos satélites Landsat 5-TM (Thematic Mapper) e Landsat 8-OLI (Operational Land Imager), sendo calculados os índices de vegetação Normalized Difference Vegetation Index-NDVI e Soil-Adjusted Vegetation Index-SAVI a partir de produtos do Climate Data Record (CDR) Surface Reflectance para indicar os efeitos da regeneração natural tanto nas áreas das sub-bacias, e na bacia; no Capítulo II exibe o título “Áreas de preservação permanente sob panorama da legislação florestal para cenários sem e com usos consolidados, para as APPs no entorno de nascentes, áreas ripárias (rios), encostas e topos de morros em três cenários de planejamento, a Lei Federal n.º 4.771/1965 e a Resolução do Conselho Nacional de Meio Ambiente (CONAMA) n.° 303/2002, no Cenário I; o Novo Código Florestal pela Lei Federal n.º 12.651/2012, para o Cenário II; e as Leis Federais n.º 12.651/2012 e n.º 12.727/2012, no Cenário III. E por fim o Capítulo III foi denominado por: “Treinamento e o comportamento de algoritmos não-paramétricos no mapeamento do uso e cobertura da terra”. O conjunto dos dados geoespaciais do presente trabalho, possibilitou identificação da regeneração, degradação e precisão na identificação dos usos e cobertura do solo na bacia hidrográfica do Rio Capivari de forma eficaz, dos quais poderão ser utilizados como estratégias de conservação e preservação da área de estudo, bem como do bioma de Mata Atlântica.Remote sensing signals and guides the planning of soil cover, and answers on effective environmental legislation. In this sense, the thesis presents landscape changes in natural vegetation biome of the Atlantic Forest in the basin of Rio Capivari, located in the municipalities of Rio Bonito and Silva Jardim, in the state of Rio de Janeiro, Brazil. Remote sensing techniques were used as vegetation indices and classification methods supervised images of satellites Landsat 5 Thematic Mapper-(TM), Landsat 8-Operational Land Imager (OLS) and RapidEye-REIS. Thus, the thesis presents three chapters, where Chapter I is entitled by: vegetation indices and regeneration dynamics in the Atlantic Forest through time series of satellite images Landsat 5-TM (Thematic Mapper) and Landsat 8-OLI (Operational Land Imager), calculated vegetation indices Normalized Difference Vegetation Index-NDVI and Soil-Adjusted Vegetation Index-SAVI from Surface Reflectance Climate Data Record (CDR) products to indicate the effects of natural regeneration in both sub-basin and basin areas; Chapter II presents the title "Permanent Preservation Areas under Forestry Legislation for Scenarios with and without Consolidated Uses, for PPAs around springs, riparian areas (rivers), slopes and hillsides in three planning scenarios, Federal Law nº. 4.771/1965 and the Resolution of the National Council of the Environment (CONAMA) n.º 303/2002, in Scenario I; The New Forest Code by Federal Law 12.651 / 2012, for Scenario II; And Federal Laws nº. 12.651/2012 and nº. 12.727/2012, in Scenario III. Finally; Chapter III was called "Training and the behavior of non-parametric algorithms in the mapping of land use and land cover". The set of geospatial data of the present work allowed the identification of the regeneration, degradation and precision in the identification of the land uses and cover in the catchment area of the Capivari River effectively, of which they can be used as strategies of conservation and preservation of the study area as well as the Atlantic Forest biome.application/pdfporUniversidade Federal Rural do Rio de JaneiroPrograma de Pós-Graduação em Ciências Ambientais e FlorestaisUFRRJBrasilInstituto de Florestassensoriamento remotodinâmicapaisagemremote sensingdynamicslandscapeRecursos Florestais e Engenharia FlorestalMapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de JaneiroDigital mapping of land use and land cover in Atlantic Forest in the catchment area of the Capivari River of the state of Rio de Janeiro.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisABDIKAN, S.; SANLI, F.B., USTUNER, M.; CALÒ, F. Land cover mapping using SENTINEL-1 SAR Data. Remote Sensing and Spatial Information Sciences, v. 2, n. 1, p. 757-761, 2016. ALMEIDA, A.S.; VIEIRA, I.C.G. Conflitos no uso da terra em áreas de preservação permanente em um polo de produção de biodiesel no estado do Pará. Ambiente & Água, v. 9, n. 3, p. 476-487, 2014. ALTIERI, M.A.; NICHOLLS, C.I. The adaptation and mitigation potential of traditional agriculture in a changing climate. Climatic Change, v. 140, n. 1, p. 33-45, 2017. ALWASSAI, F.; KALYANKAR, N.V. Influences combination of multi-sensor images on classification accuracy. International Journal of Advanced Research in Computer Science, v. 4, n. 9, p.1-10, 2013. ASHBURN, P. The vegetative index number and crop identification. In: THE LACIE SYMPOSIUM PROCEEDINGS OF THE TECHNICAL SESSION, 11th., 1978, Washington, D.C. Annals... Washington, D.C.: Department of Agriculture, Foreign Agricultural Service, 1978. p. 843-850. ATKINSON, P.M.; TATNALL, A.R.L. Neural networks in remote sensing. International Journal of Remote Sensing, v. 18, n. 4, p. 699-709, 1997. ÁVILA, L.F.; MELLO, C.R.; PINTO, L.C.; SILVA, A.M. Partição da precipitação pluvial em uma microbacia hidrográfica ocupada por Mata Atlântica na Serra da Mantiqueira/MG. Ciência Florestal, v. 24, n. 3, p. 583-595, 2014. BARET, F.; GUYOT, G. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment, v. 35, n. 2, p.161-173, 1991. BATISTA, J.L.O.; SANTOS, R.L. A caracterização do uso e ocupação do solo de uma zona semiárida entre 1993-2008 através da classificação supervisionada MAXVER: caso do município de Teofilândia/BA, Brasil. Geográfica Venezolana, v. 54, n. 1, p. 99-111, 2013. BIDEGAIN, P. P.S.; VOLCKER, C. M. Bacias hidrográficas dos Rios São João e das Ostras: águas, terras e conservação ambiental. Araruama: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos: Rio São João e Zona Costeira, 2002. 170p. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das bacias hidrográficas da região dos Lagos e do Rio São João. Araruama- RJ: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153p. 34 BIRTH, G.S.; MCVEY, G. Measuring the color of growing turf with a reflectance spectro radiometer. Agronomy Journal, v. 60, n. 6, p. 640-643, 1968. BRANDO, P.M.; GOETZ, S.J.; BACCINI, A.; NEPSTAD, D.C.; BECK, P.S.; CHRISTMAN, M.C. Seasonal and interannual variability of climate and vegetation indices across the Amazon. Proceedings of the National Academy of Sciences, v. 107, n. 33, p. 14685-14690, 2010. BRASIL, República Federativa. Dados gerais das unidades de conservação federais. Brasília: Instituto Chico Mendes de Conservação da Biodiversidade (ICMBio)/Ministério do Meio Ambiente (MMA), 2016. 19p. Disponível em: http://www.icmbio.gov.br/portal/images/stories/servicos/geoprocessamento/DCOL/dados_tabulares/DadosGerais_UC_maio_2016.pdf. Acessado em: 25 de Jul. de 2016. ______. Rio de Janeiro: Rio Bonito e Silva Jardim. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística (IBGE), 2015. Disponível em: http://www.cidades.ibge.gov.br/xtras/perfil.php?lang=. Acessado em: 02 de Ago. de 2016. ______. Plano de manejo da Área de Proteção Ambiental da Bacia do Rio São João/Mico-Leão-Dourado. Brasília: MMA/ICMBio, 2008. 349p. ______. Lei Federal n.º 11.428, de 22 de dezembro de 2006. Dispõe sobre a utilização e proteção da vegetação nativa do Bioma Mata Atlântica, e dá outras providências. Brasília: Diário Oficial [da] República Federativa do Brasil. 26 de Dez. de 2006. ______. Plano de manejo da reserva biológica Poço das Antas: encarte 2. Brasília: MMA / Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA), 2005. 210p. ______. SPRING: sistema de processamento de informações georreferenciadas: manual de ajuda. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE), 2002. 21p. ______. Decreto Estadual n.º 26.058, de 14 de março de 2000. Define as Macrorregiões Ambientais do estado do Rio de Janeiro e dá outras providências. Disponível em: dhttp://alerjln1.alerj.rj.gov.br/decest.nsf/532ff819a4c3. Acessado em: 19 Mar. 2015. ______. Lei Federal n.º 9.433, de 8 de janeiro de 1997. Institui a Política Nacional de Recursos Hídricos, cria o Sistema Nacional de Gerenciamento de Recursos Hídricos, regulamenta o inciso XIX do art. 21 da Constituição Federal, e altera o art. 1º da Lei nº 8.001, de 13 de março de 1990, que modificou a Lei nº 7.990, de 28 de dezembro de 1989. Brasília: Diário Oficial [da] República Federativa do Brasil. 9 de Jan. de 1997. ______. Síntese da documentação histórica: administrativa e geográfica dos estados do Brasil- Rio de Janeiro. Rio de janeiro: IBGE, 1995. 35 BRAZ, A.M.; ANDRADE, Á.T.; GARCIA, P.H.M. Análise de índices de vegetação NDVI, SAVI e IAF para a comparação da cobertura vegetal na bacia hidrográfica do Córrego Ribeirãozinho, Selvíria/MS. Percurso, v. 7, n. 2, p. 5-22, 2015. BREIMAN, L.; FRIEDMAN, J.H.; OLSHEN, R.A.; STONE, C.J. Classification and Regression Trees. Belmont, California: Wadsworth, 1984. 107p. BRINK, A.B.; BODART, C.; BRODSKY, L.; DEFOURNEY, P.; ERNST, C.; DONNEY, F.; LUPI, A.; TUCKOVA, K. Anthropogenic pressure in East Africa-Monitoring 20 years of land cover changes by means of medium resolution satellite data. International Journal of Applied Earth Observation and Geoinformation, v. 28, n. 5, p. 60-69, 2014. CARTUS, O.; SANTORO, M.; KELLNDORFER, J. Mapping forest aboveground biomass in the Northeastern United States with ALOS PALSAR dual-polarization L-band. Remote Sensing of Environment, v. 124, n. 3. p. 466-478, 2012. CARVALHO, D.F.; DURIGON, V.L.; ANTUNES, M.A.H.; ALMEIDA, W.S.; OLIVEIRA, P.T.S. Predição da erosão do solo com uso da RUSLE e séries temporais de NDVI do Landsat-5 TM. Pesquisa Agropecuária Brasileira, v. 49, n. 3, p. 215-224, 2014. CASIMIRO DE ABREU, Município. Plano de manejo parque natural municipal Córrego da Luz. Casimiro de Abreu: Secretaria Municipal de Meio Ambiente e Desenvolvimento Sustentável, 2012. 143p. CASTELO, T.B. Brazilian forestry legislation and to combat deforestation government policies in the Amazon (Brazilian Amazon). Ambiente & Sociedade, v. 18, n. 4, p. 221-242, 2016. CHASMER, L.; HOPKINSON, C.; VENESS, T.; QUINTON, W.; BALTZER, J. A decision-tree classification for low-lying complex land cover types within the zone of discontinuous permafrost. Remote Sensing of Environment, v. 143, v.3, p. 73-84, 2014. CHEN, Z.; LI, S.; REN, J.; GONGI, P.; ZHANG, M.; WANG, L.;XIAO, S.; JIANG, D. Monitoring and management of agriculture with remote sensing. In: LIANG, S. (Ed.), Advanges in Remote Sensing. New York: Springer Science & Business Media. p. 397-421, 2008. CHURCHES, C.E.; WAMPLER, P.J.; SUN, W.; SMITH, A.J. Evaluation of forest cover estimates for Haiti using supervised classification of Landsat data. International Journal of Applied Earth Observation and Geoinformation, v. 30, n. 13, p. 203-216, 2014. CREUTZBURG, M.K.; SCHELLER, R.M.; LUCAS, H.M.S.; EVERS, L.B.; LEDUC, S.D.; JOHNSON, M.G. Bioenergy harvest, climate change, and forest carbon in the Oregon Coast Range. GCB Bioenergy, v. 8, n. 2, p. 357-370, 2015. CUTLER, R.; EDWARDS, T.C.; BEARD, K.H.; CUTLER, A.; HESS, K.T.; GIBSON, J.; LAWLER, J.J. Random forests for classification in ecology. Ecology, v. 88, n. 11, p. 36 2783-2792, 2007. DEMARCHI, J.C.; PIROLI, E.L.; ZIMBACK, C.R.L. Temporal analysis of the land use and comparison between NDVI and SAVI indexes in the city of Santa Cruz do Rio Pardo/SP using Landsat-5 images. Espaço Geográfico em Análise (RA'EGA-O), v. 21, n. 1, p. 234-271, 2011. DIAS, R. Gestão Ambiental: responsabilidade social e sustentabilidade. 2. ed. - São Paulo: Atlas, 2011. DRONOVA, I.; GONG, P.; WANG, L.; ZHONG, L. Mapping dynamic cover types in a large seasonally flooded wetland using extended principal component analysis and object-based classification. Remote Sensing of Environment, v. 158, n. 3, p. 193-206, 2015. DURIGON, V.L.; CARVALHO, D.F., ANTUNES, M.A.H., OLIVEIRA, P.T.S.; FERNANDES, M.M. NDVI time series for monitoring RUSLE cover management factor in a tropical watershed. International Journal of Remote Sensing, v. 35, n. 2, p. 441-453, 2014. EL-BAROUDY, A.A.; MOGHANM, F.S. Combined use of remote sensing and GIS for degradation risk assessment in some soils of the Northern Nile Delta, Egypt. The Egyptian Journal of Remote Sensing and Space Science, v. 17, n. 1, p. 77-85, 2014. FERRARI, J.L.; SANTOS, A.D.; GARCIA, R.F. Análise da vegetação por meio da subtração de imagem NDVI na sub-bacia hidrográfica do Córrego do Horizonte, Alegre/ES. Engenharia Ambiental, v. 8, n. 3, p.3-18, 2011. FERRAZ, A.S.; SOARES, V.P.; SOARES, C.P.B.; RIBEIRO, C.; BINOTI, D.H.B.; LEITE, H.G. Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitais. Floresta & Ambiente, v. 21, n. 3, p. 286-296, 2014. FERREIRA, L.G.; YOSHIOKA, H.; HUETE, A.; SANO, E.E. Optical characterization of the Brazilian Savanna physiognomies for improved land cover monitoring of the Cerrado biome: preliminary assessments from an airborne campaign over an LBA core site. Journal of Arid Environments, v. 56, n. 3, p. 425-447, 2004. FIGUEIREDO, S.M.M.; VENTICINQUE, E.M.; FIGUEIREDO, E.O.; FERREIRA, E.J.L. Predicting the distribution of forest tree species using topographic variables and vegetation index in eastern Acre, Brazil. Acta Amazonica, v. 45, n. 2, p.167-174, 2015. FLORENZANO, T.G. Iniciação em sensoriamento remoto. 3. ed. - São Paulo- SP: Oficina de Textos, 2011. 128p. FRANCISCO, C.N.; ALMEIDA, C.M. Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto. Ciências Geodésicas, v. 18, n. 2, p. 302-326, 2012. FUNDAÇÃO SOS MATA ATLÂNTICA; INSTITUTO NACIONAL DE PESQUISAS 37 ESPACIAIS (INPE). Atlas dos remanescentes florestais da Mata Atlântica período 2014-2015: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & Instituto Nacional de Pesquisas Espaciais, 2016. Disponível em: https://www.sosma.org.br/105066/mg-volta-liderar-ranking-de-desmatamento-da-mata-atlantica/. Acessado em: 27 de Jul. de 2016. FUNDAÇÃO SOS MATA ATLÂNTICA & INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Atlas dos remanescentes florestais da mata atlântica período 2012-2013: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & INPE, 2014. 61p. Disponível em: http://www.sosma.org.br/wp-/2014/05/atlas_relatorio_20141.pdf. Acessado em: 11 de Nov. de 2014. GALVANIN, E.A.S.; SILVA, N.S.M.A.; CRUZ, C.B.M.; NEVES, R.J.; JESUS, P.H.H.; KREITLOW, J.P. Avaliação dos índices de vegetação NDVI, SR e TVI na discriminação de fitofisionomias dos ambientes do pantanal de Cáceres/MT. Ciência Florestal, v. 24, n. 3, p. 707-715, 2014. GAO, B.C. NDWI: A Normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Evironment, v. 58, n. 3, p. 257-266, 1996. GAROFALO, D.F.T.; MESSIAS, C.G.; LIESENBERG, V.; BOLFE, É.L.; FERREIRA, M.C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, v. 50, n. 7, p. 593-604, 2015. GHEBREZGABHER, M.G.; YANG, T.; YANG, X.; WANG, X.; KHAN, M. Extracting and analyzing forest and woodland cover change in Eritrea based on Landsat data using supervised classification. The Egyptian Journal of Remote Sensing and Space Science, v. 19, n. 3, p. 11-21, 2016. GOMES, D.D.M.; MENDES, L.M.S.; MEDEIROS, C.N.; VERISSIMO, C.U.V. Multitemporal analysis of the process of degradation of vegetation River basin Jaibaras in the state of Ceará. Geografia, Ensino & Pesquisa, v. 15, n. 2, p. 41-62, 2011. HILKER, T.; LYAPUSTIN, A.I.; TUCKER, C.J.; HALL, F.G.; MYNENI, R.B.; WANG, Y.; BI, J.; MOURA, Y.M.; SELLERS, P.J. Vegetation dynamics and rainfall sensitivity of the Amazon. Proceedings of the National Academy of Sciences, v. 111, n. 45, p. 16041-16046, 2014. HUETE, A.; DIDAN, K., VAN LEEUWEN, W., MIURA, T.; GLENN, E. MODIS vegetation indices. In: RAMACHANDRAN, B.; JUSTICE, C. O.; ABRAMS, M.J. (Eds.). Land remote sensing and global environmental change: NASA's earth observing system and the science of ASTER and MODIS. New York: Springer Science & Business Media, p. 579-582, 2011. HUETE, A.R.; JUSTICE, C.; VAN LEEUWEN, W. MODIS vegetation index (MOD13): Algorithm Theoretical Basis Document. Houston: NASA, 1999. 38 HUETE, A.R.A. Soil-adjusted vegetation in index (SAVI). Remote Sensing of Environment, v. 2, n. 3, p. 295-309, 1988. JACKSON, R.D.; HUETE, A.R. Interpreting vegetation indices. Preventive Veterinary Medicine, v. 11, n. 3, p. 185-200, 1991. JAYANTH, J.; KOLIWAD, S.; KUMAR, T.A. Classification of remote sensed data using Artificial Bee Colony algorithm. The Egyptian Journal of Remote Sensing and Space Science, v. 18, n. 1, p. 119-126, 2015. JENNINGS, M.K.; LEWISON, R.L.; VICKERS, T.W.; BOYCE, W.M. Puma response to the effects of fire and urbanization. The Journal of Wildlife Management, v. 80, n. 2, p. 221-234, 2016. JENSEN, J.R.; EPIPHANIO, J.C.N. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 3. ed. - São José dos Campos: Parêntese, 2009, 604p. JIANG, Z.; HUETE, A.R.; DIDAN, K.; MIURA T. Development of a two-band enhanced vegetation index without a blue band. Remote Sensing of Environment, v. 112, n. 10, p. 3833-3845, 2008. KIM, D.; SEXTON, J.O.; NOOJIPADY, P.; HUANG, C.; ANAND, A.; CHANNAN, S.; FENG, M.; TOWNSHEND, J.R. Global, Landsat based forest-cover change from 1990-2000. Remote Sensing of Environment, v. 155, n. 8, p. 178-193, 2014. KOUADIO, L.; NEWLANDS, N.K.; DAVIDSON, A.; ZHANG, Y.; CHIPANSHI, A. Assessing the performance of MODIS NDVI and EVI for seasonal crop yield forecasting at the ecodistrict scale. Remote Sensing, v. 6, n. 10, p. 10193-10214, 2014. LASAPONARA, R. Estimating interannual variations in vegetated areas of Sardinia island using SPOT/VEGETATION NDVI temporal series. IEEE Geoscience and Remote Sensing Letters, v. 3, n. 4, p. 481-483, 2006. LIU, W.T.H. Aplicações de sensoriamento remoto. 2. ed. - Campo Grande: Oficina dos Textos, 2015.908p. LIU, H.; WENG, Q. Landscape metrics for analysing urbanization-induced land use and land cover changes. Geocarto International, v. 28, n. 7, p. 582-593, 2013. LIU, L.; ZHANG, Y. Urban heat island analysis using the Landsat tm data and aster data: a case study in Hong Kong. Remote Sensing, v. 3, n. 7, p. 1535-1552, 2011. LU, D. The potential and challenge of remote sensing‐based biomass estimation. International Journal of Remote Sensing, v. 27, n. 7, p. 1297-1328, 2006. LU, D.; BATISTELLA, M.; LI, G.; MORAN, E.; HETRICK, S.; FREITAS, C.D.C.; DUTRA, L.V.; SANT'ANNA, S. J. S. Land use/cover classification in the Brazilian Amazon using satellite images. Pesquisa Agropecuária Brasileira, v. 47, n. 9, p. 1185- 39 1208, 2012. MATHER, P.M. Computer processing of remotely-sensed images: an introduction. 3 ed. - Chichester: John Wiley & Sons, 2004. 324p. MATHER, P.M.; KOCH, M. Computer processing of remotely-sensed images: an introduction. New York: John Wiley & Sons, 2011. 434p. MEIER, G.A.; BROWN, J.F.; EVELSIZER, R.J.; VOGELMANN, J.E. Phenology and climate relationships in aspen (Populus tremuloides Michx.) forest and woodland communities of southwestern Colorado. Ecological Indicators, v. 48, n. 3, p. 189-197, 2015. MENDES, D.F.; SILVA, S.F.; FERRARI, J.L.; SANTOS, A.R.; GARCIA, R.F. Acurácia temática do classificador por máxima verossimilhança em imagem de alta resolução espacial do satélite Geoeye-1. Nucleus, v. 12, n. 6, p. 107-118, 2015. MENESES, P.R. Princípios do Sensoriamento Remoto. In.: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 1-33. MENESES, P.R.; ALMEIDA, T. Aritmética de bandas. In.: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 148-153. MENESES, P.R.; SANO, E.E. Classificação píxel a píxel de imagens. In: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 191-208. MOREIRA, A.A.; FERNANDES, F.H.S.; DE ALMEIDA, R.P.; NERY, C.V.M. Análise do comportamento espectral de fitofisionomias no Parque Estadual Lapa Grande por meio de dados MODIS. Geografia Física, v. 6, n. 6, p. 1705-1718, 2014. NAQVI, H.R.; SIDDIQUI, L.; DEVI, L.M.; SIDDIQUI, M.A. Landscape transformation analysis employing compound interest formula in the Nun Nadi Watershed, India. Journal of Remote Sensing and Space Science, v. 17, n. 2, p. 149-157, 2014. NERY, C.V.M.; BRAGA, F.L.; MOREIRA, A.A.; FERNANDES, F.H.S. Aplicação do Novo Código Florestal na Avaliação das Áreas de Preservação Permanente em Topo de Morro na Sub-Bacia do Rio Canoas, Montes Claros/MG. Geografia Física, v. 6, n. 6, p. 1673-1688, 2014. OLIVEIRA, F.P.D.; FERNANDES FILHO, E.I.; SOARES, V.P.; SOUZA, A.L.D. Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens RapidEye-REIS. Árvore, v. 37, n. 4, p. 151-161, 2013. 40 OZTURK, D.; KILIC, F. Determination of spatio-temporal changes in vegetation cover by using different vegetation indices based on remote sensing data. Journal of Selcuk University Natural and Applied Science, v. 2, n. 5, p. 733-741, 2014. rápida, Distrito Federal, Brasil. Ambiente & Água, v. 5, n. 1, p. 43-56, 2010. PANDA, S.S.; AMES, D.P.; PANIGRAHI, S. Application of vegetation indices for agricultural crop yield prediction using neural network techniques. Remote Sensor, v. 2, n. 3, p. 673-696, 2010. PEREIRA, L.S.; GONÇALVES, B.B.; SILVA NETO, C.D.M.; SANTOS, A.L.F. Evolução espaço-temporal do uso e cobertura da terra do Ribeirão Piancó, Anápolis/GO. Mirante, v. 7, n. 1, p. 1-15, 2014. PERRY, C. JR.; LAUTENSCHLAGER, L.F. Functional equivalence of spectral vegetation indices. Remote Sensing of Environment, v. 14, n. 3, p. 169-182, 1984. PINTY, B.; VERSTRAETE, M.M. GEMI: a non-linear index to monitor global vegetation from satellites. Vegetation, v. 101, n. 10, p. 15-20, 1992. QI, J.; CHEHBOUNI, A.; HUETE, A. R.; KERR, Y.; SOROOSHIAN, S. A modified soil adjusted vegetation index (SAVI). Remote Sensing of Environment, v. 48, n. 2, p. 169-182, 1994. QUINTO, V.M.; LOPES, M.I.A.; SAVEDRA, O. M.; ROCHA, P.F.E.; LEIKO, C.M.; ROSA, D.S.A. Análise temporal da dinâmica florestal em área de reflorestamento por meio de índices de vegetação. Geográfica Venezolana, v. 54, n. 2, p. 225-239, 2013. RAWAT, J.S.; KUMAR, M. Monitoring land use/cover change using remote sensing and GIS techniques: a case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, v. 18, n. 4, p. 77-84, 2015. RIBEIRO, N.B.; MARTINS, M.S.; JOHNSSON, R.M.F.; VIANA, V.J. Construção de banco de dados geográficos para avaliação da vulnerabilidade ecológica em bacias hidrográficas: a experiência da Bacia Lagos São João, RJ. Interface, v. 11, n. 5, p. 18-33, 2016. RIBEIRO, M.; RODRIGUES, R.R.; PAESE, A.; COSTA, S.; HENRIQUE, P.; BRANCALION, S.; SANTIAMI, E.; PEREIRA, G.; GUIMARÃES, J.; KOCK, R. A restauração da Mata Atlântica apoiada em sistemas de informações geográficas. In.: PAESE, A., UEZU, A., LORINI, M.L.; CUNHA, A. (orgs.). Conservação da biodiversidade com SIG. São Paulo: Oficina de Textos, 2015. p. 32-54. RICHARDS, J.A.; JIA, X. Remote sensing digital image analysis: an introduction. 4. ed. - New York: Springer, 2006. 476p. 41 RICHARDSON, A.J.; WIEGAND, C.L. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, v. 43, n. 2, p. 1541-1552, 1977. RIO DE JANEIRO. Estado do. O estado do ambiente: Indicadores ambientais do Rio de Janeiro 2010. Rio de Janeiro/RJ: Secretaria de Estadual do Ambiente (SEA), 2111. 160p. ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A., DEERING, D.W. Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. Texas: Texas A&M University, 1974. 390p. SAFAVIAN, S. R.; LANDGREBE, D. A Survey of decision tree methodology. IEEE Trans. Systems, v. 21, n. 3, p. 660-674, 1991. SANTOS, A.L.F.; FONSECA, L.D.M.; RIBEIRO, C.A.A.S.; GONÇALVES, L.P. Comparação dos classificados no mapeamento do uso da terra, Estuário do Rio Sergipe/SE. Mirante, v. 7, n. 2, p. 78-88, 2014. SATIR, O.; BERBEROGLU, S. Crop yield prediction under soil salinity using satellite derived vegetation indices. Field Crops Research, v. 192, n. 6, p. 134-143, 2016. SATIR, O.; BERBEROGLU, S. Land use/cover classification techniques using optical remotely sensed data in landscape planning. In.: ÖZYAVUZ, M. (ed.). Landscape Planning. Intech: Crotia, 2012. p. 21-54. SCCOTI, A.A.V.; MENEZES, D.J. Uso e ocupação d o solo. Bagé/RS: Universidade da Região da Campanha, 2014, v. 1, p. 54-64. (Série Atlas Municipais: Atlas Geoambiental de Manoel Viana/RS) SILLEOS, N.G.; ALEXANDRIDIS, T. K.; GITAS, I. Z.; PERAKIS, K. Vegetation indices: advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto International, v. 21, n. 4, p. 21-28, 2006. SILVA, C.R.P.; DEMARQUI, E.N.; ALMEIDA, F.T.; MINGOTI, R.; SOUZA, A.P. Diferentes modelos digitais de elevação na caracterização física da Bacia hidrográfica do Rio Nandico/MT, Brasil. Scientia Plena, v. 11, n. 5, p. 1-11, 2015. SILVA, R.M.P.; LIMA, J.R.; MENDONÇA, I.FC. Alteração da cobertura vegetal na Sub-bacia do Rio Espinharas de 2000-2010. Engenharia Agrícola & Ambiental, v. 18, n. 2, p. 202-209, 2014. SILVA, M.T.; COSTA, S.C.D.E.; SANTOS, A.D.S.; SANTOS, A.F. Análise da cobertura do solo na região do Rio Pardo/RS, com base em imagens espectrais do mapeador temático do Landsat-5. Geografia, v. 28, n. 3, p. 109-126, 2011. SWAIN, P.H.; DAVIS, S.M. Remote sensing: the quantitative approach. New York: McGraw-Hill, 1978. 396p. 42 THIAM, A.; EASTMAN, R.J. Chapter on vegetation indices. In.: EASTMAN, R.J. (ed.). Manuel of the Idrisi selva edition. Worcester/MA, USA: Clarke University, 2008. p. 119-208. TSO B.; MATHER P.M. Classification methods for remotely sensed data. 2. ed – New York: Taylor & Francis Group, LLC, 2009. 376p. ULLMANN, T.; SCHMITT, A.; ROTH, A.; DUFFE, J.; DECH, S.; HUBBERTEN, H.W.; BAUMHAUER, R.. Land cover characterization and classification of arctic tundra environments by means of polarized synthetic aperture X-and C-Band Radar (PolSAR) and Landsat 8 multispectral imagery- Richards Island, Canada. Remote Sensing, v. 6, n. 9, p. 8565-8593, 2014. ULMER, J.M.; WOLF, K.L.; BACKMAN, D.R.; TRETHEWAY, R.L.; BLAIN, C.J.; O‟NEIL-DUNNE, J.P.; FRANK, L.D. Multiple health benefits of urban tree canopy: The mounting evidence for a green prescription. Health & Place, v. 42, n. 4, p. 54-62, 2016. VAPNIK, V. The nature of statistical learning theory. New York: Springer, 1995. 314p. VICENTE, M.S.; PRATS, J.M.C.; ROMO, A. Early prediction of crop productionusing drought indices at different time-scales and remote sensing data: application in the Ebro Valley (North-east Spain). International Journal of Remote Sensing, v. 27, n. 3, p. 511-518, 2006. WACKER, A.G.; LANDGREBE, D.A. Minimum distance classification in remote sensing. Indiana: University; Lafayette, 1972. 25p. WANG, X.; GASSMAN, P.W.; WILLIAMS, J.R.; POTTER, S.; KEMANIAN, A.R., Modellingthe impacts of soil management practices on runoff sediment yield, maizeproductivity and soil organic carbon using APEX. Soil and Tillage Research, v. 101, n. 12, p. 78-88, 2008. WWF-BRASIL. Projeto HSBC Seguros: bacia hidrográfica do Rio Capivari/RJ. Araruama/RJ: Consórcio Intermunicipal Lagos São João, 2012. 36p. YOUSSEF, A. M.; POURGHASEMI, H.R.; POURTAGHI, Z.S.; Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their performance at Wadi Tayyah Basin, Saudi Arabia. Landslides, v. 13, n. 5, p. 839-856, 2016. ZHANG, X.; DELU, P.; CHEN, J.; ZHAN, Y.; MAO, Z. Using long time series of Landsat data to monitor impervious surface dynamics a case study in the Zhoushan Islands. Journal of Applied Remote Sensing, v. 7, n. 5, p. 73515-73523, 2013. ZHAO, Y.; CHEN, X.P.; CUI, Z.L.; LOBELL, D.B. Using satellite remote sensing tounderstand maize yield gaps in the North China Plain. Field Crops Research, v. 183, n. 11, p. 31-42, 2015. ARCGIS: Versão 10.2. Redlands-California, USA: Environmental Systems Resource Institute (ESRI). 2016. ASSISTAT: Versão 7.7 beta (pt). Campina Grande: Universidade Federal de Campina Grande, 2014. ÁVILA, L.F.; MELLO, C.R.; PINTO, L.C.; SILVA, A.M. Partição da precipitação pluvial em uma microbacia hidrográfica ocupada por Mata Atlântica na Serra da Mantiqueira/MG. Ciência Florestal, v. 24, n. 3, p. 583-595, 2014. BARBOSA, K. M. N.; PIEDADE, M. T. F.; KIRCHNER, F. F. Estudo Temporal da Vegetação Herbácea da Várzea da Amazônia Central. Floresta, n. 38, v. 1, p. 89-96, 2008. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das Bacias Hidrográficas da Região dos Lagos e do Rio São João-RJ. Araruama/ RJ: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153p. BERTOLO, L.S.; SANTOS, R.F.; AGAR, P.M.; PABLO, C.T.L. Land-use changes assessed by overlay or mosaic methods: Which method is best for management planning? Ecological Indicators, v. 55, n. 3, p. 32-43, 2015. BRASIL, República Federativa. Dados da precipitação da região de Silva Jardim-RJ e Rio Bonito-RJ da Estação Anta (BHE P1-305 - PLU.02046) dos anos de 1985, 1991 e 1995. 2018a. Disponível em: https://www.macroprograma1.cnptia.embrapa.br/scaf/download-de-documentos/dados-de-precipitacao/dados.zip/view. Acessado em: 04 mar. 2018. ______.Dados da precipitação da região de Silva Jardim-RJ e Rio Bonito-RJ da Estação Silva Jardim (TRMM.1058) dos anos 2001, 2006, 2011 e 2016. 2018b. Disponível em: https://www.agritempo.gov.br/agritempo/jsp/Estatisticas/index.jsp?siglaUF=RJ. Acessado em: 04 mar. 2018. ______. Bases cartográficas: malhas municipais. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística (IBGE), 2010. Disponível em: <http://mapas.ibge.gov.br/basesereferenciais/bases_cartograficas/mapas‑municipais>. Acessado em: 28 fev. 2015. BRAZ, A.M.; ANDRADE, Á.T.; GARCIA, P.H.M. Análise de índices de vegetação NDVI e SAVI e Índice de Área Folear (IAF) para a comparação da cobertura vegetal na bacia hidrográfica do córrego ribeirãozinho, município de Selvíria–MS. Percurso, v. 7, n. 2, p. 5-22, 2015. CARVALHO, D.F.; DURIGON, V.L.; ANTUNES, M.A.H.; ALMEIDA, W.S.; OLIVEIRA, P.T.S. Predição da erosão do solo com uso da RUSLE e séries temporais de NDVI do Landsat-5 TM. Pesquisa Agropecuária Brasileira, v. 49, n. 3, p. 215-224, 2014. 64 CHEN, J.; JÖNSSON, P.; TAMURA, M.; GU, Z.; MATSUSHITA, B.; EKLUNDH, L. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote sensing of Environment, v. 91, n. 3, p. 332-344, 2004. DEMARCHI, J.C.; PIROLI, E.L.; ZIMBACK, C.R.L. Análise temporal do uso do solo e comparação entre os índices de vegetação NDVI e SAVI no município de Santa Cruz do Rio Pardo/SP usando imagens Landsat-5. Espaço Geográfico em Análise (RA'EGA-O), v. 21, n. 1, p. 234-271, 2011. DALLA-NORA, E.L.; SANTOS, J.E. Análise da dinâmica sazonal de duas formações florestais do bioma Mata Atlântica com base em índices de vegetação. Perspectiva, v. 34, n. 125, p. 41-51, 2010. DURIGON, V.L.; CARVALHO, D.F., ANTUNES, M.A.H., OLIVEIRA, P.T.S.; FERNANDES, M.M. NDVI time series for monitoring RUSLE cover management factor in a tropical watershed. International Journal of Remote Sensing, v. 35, n. 2, p. 441-453, 2014. FREITAS, R.M.; ARAI, E.; ADAMI, M.; FERREIRA, A.S.; SATO, F.Y.; SHIMABUKURO, Y.E.; ROSA, R.R.; ANDERSON, L.O.; RUDORFF, B.F.T. Virtual laboratory of remote sensing time series: Visualization of MODIS EVI2 data set over South America. Journal of Computational Interdisciplinary Sciences, v. 2, n. 1, p. 57-68, 2011. FUNDAÇÃO SOS MATA ATLÂNTICA; INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Atlas dos remanescentes florestais da Mata Atlântica período 2012-2013: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & INPE, 2014. 61p. Disponível em: http://www.sosma.org.br/wp- content/uploads/2014/05/ _relatorio_20141.pdf. Acessado em: 11 abr. 2015. GAROFALO, D.F.T.; MESSIAS, C.G.; LIESENBERG, V.; BOLFE, É.L.; FERREIRA, M.C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, v. 50, n. 7, p. 593-604, 2015. GALVANIN, E.A.S.; SILVA, N.S.M.A.; CRUZ, C.B.M.; NEVES, R.J.; JESUS, P.H.H.; KREITLOW, J.P. Avaliação dos índices de vegetação NDVI, SR e TVI na discriminação de fitofisionomias dos ambientes do pantanal de Cáceres/MT. Ciência Florestal, v. 24, n. 3, p. 707-715, 2014. GLENN, E.P.; HUETE, A.R.; NAGLER, P.; NELSON, S.G. Relationship between remotely- sensed vegetation indices, canopy attributes and plant physiological processes: what vegetation indices can and cannot tell us about the landscape. Sensors, v. 8, n. 4, p. 2136-2160, 2008. GOMES, D.D.M.; MENDES, L.M.S.; MEDEIROS, C.N.; VERISSIMO, C.U.V. Análise multitemporal do processo de degradação da vegetação da bacia hidrográfica do Rio Jaibaras no estado do Ceará. Geografia Ensino & Pesquisa, v. 15, n. 2, p. 41-62, 2011. 65 HUETE, A.R.A. Soil-adjusted vegetation in index (SAVI). Remote Sensing of Environment, v. 2, n. 3, p. 295-309, 1988. KE, Y.; IM, J.; LEE, J.; GONG, H.; RYU, Y. Characteristics of Landsat 8 OLI-derived NDVI by comparison with multiple satellite sensors and in-situ observations. Remote Sensing of Environment, v. 164, n. 3, p. 298-313, 2015. KERR, J.T.; PINDAR, A.; GALPERN, P.; PACKER, L.; POTTS, S.G.; ROBERTS, S.M.; PANTOJA, A. Climate change impacts on bumblebees converge across continents. Science, v. 349, n. 6244, p. 177-180, 2015. KUPLICH, T.M.; MOREIRA, A.; FONTANA, D.C. Time series of vegetation index for different vegetation types in Rio Grande do Sul. Engenharia Agrícola & Ambiental, v. 17, n. 10, p. 1116-1123, 2013. LIMA, R. A.; MORI, D. P.; PITTA, G.; MELITO, M.O.; BELLO, C.; MAGNAGO, L. F.; ZWIENER, V.P.; SARAIVA, D.D.; MARQUES, M.C.M.; OLIVEIRA; A.A.; PRADO P.I. How much do we know about the endangered Atlantic Forest? Reviewing nearly 70 years of information on tree community surveys. Biodiversity and Conservation, v. 24, n. 9, p. 2135-2148, 2015. NATIONAL AERONAUTICS AND SPACE ADMINISTRATION (NASA); UNITED STATES GEOLOGICAL SURVEY (USGS). Imagens Landsat-5 sensor TM dos anos de 1985, 1991, 1995, 2001, 2006 e 2011 e Imagem Landsat-8 sensor OLI do ano 2016: Climate Data Record (CDR) Surface Reflectance. 2017. Disponível em: http://earthexplorer.usgs.gov/. Acesso em: 14 abr. 2017. ______. Características das bandas dos satélites Landsat-5 sensor TM e Landsat-8 sensor OLI. 2015. Disponível em: http://landsat.gsfc.nasa.gov/?p=3180. Acesso em: 14 abr. 2015. MACHADO, I.E.S.; SANTOS, M.M.; GIONGO, M.; CARVALHO, E.V.; NETO, E.G. Modelos para estimativa de variáveis florestais com a utilização de imagens multiespectrais. Pesquisa Florestal Brasileira, v. 37, n. 90, p. 171-181, 2017. MARCUSSI, A.B.; BUENO, C.R.P., MIQUELONI, D.P.; ARRAES, C.L. Utilização de índices de vegetação para os sistemas de informação geográfica. Caminhos de Geografia, v. 11, n. 35, p. 41-53, 2010. MARTINEZ, B.; GILABERT, M.A. Vegetation dynamics from time series using the wavelet transform. Remote Sensing of Environment, v. 113, n. 1, p. 1829-1842, 2009. MARTINS, M.S.; JOHNSSON, R.M.F.; VIANA, V.J. Construção de banco de dados geográficos para avaliação da vulnerabilidade ecológica em bacias hidrográficas: a experiência da Bacia Lagos São João, RJ. Interface, v. 11, n. 5, p. 18-33, 2016. MYERS, N.; MITTERMEIER, R.A.; MITTERMEIER, C.G.; FONSECA, G.A.B.; KENT, 66 J. Biodiversity hotspots for conservation priorities. Nature, v. 403, n. 333, p. 853-858, 2000. MOREIRA, A.A.; FERNANDES, F.H.S.; DE ALMEIDA, R.P.; NERY, C.V.M. Análise do comportamento espectral de fitofisionomias no Parque Estadual Lapa Grande por meio de dados MODIS. Geografia Física, v. 6, n. 6, p. 1705-1718, 2014. NERY, C.V.M.; MOREIRA, A.A.; FERNANDES, F.H.S.; ALMEIDA, L.S.; ALMEIDA, R.P. Utilização do modelo linear de mistura espectral e NDVI para avaliação do comportamento de área desmatada no município de Rio Pardo de Minas/MG. Caminhos de Geografia, v. 15, n. 49, p. 104-112, 2014. ORGANIZAÇÃO DAS NAÇÕES UNIDAS PARA ALIMENTAÇÃO E AGRICULTURA. Avaliação dos recursos florestais globais 2015: Relatório do país Brasil. 2014. Disponível em: http://www.fao.org/3/a-az172e.pdf. Acessado em: 11 abr. 2015. PETTORELLI, N.V.; VIK, J.O.; MYSTERUD, A.; GAILLARD, J.M.; TUCKER, C.J.; STENSETH, N.C. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology and Evolution, v. 20, n. 1, p. 503-510, 2005. PONZONI, F.J.; SHIMABUKURO, Y.E.; KUMPLICH, T.M. Sensoriamento remoto no estudo da vegetação. 2. ed. - São José dos Campos: Oficina dos textos, 2013. 176p. RAMOS, R.P.S. Mapeamento e caracterização da densidade da vegetação bacia hidrográfica do Rio Paraíba do Meio. Geociências do Nordeste, v. 2, n. 1, p. 1110-1119, 2016. RÊGO, S.C.; LIMA, P.P.S.; LIMA, M.N.S.; MONTEIRO, T.R.R. Análise comparativa dos índices de vegetação NDVI e SAVI no município de São Domingos do Cariri/PB. Geonorte, v. 2, n. 4, p. 1217-1229, 2012. RIBEIRO, M.C.; METZGER, J.P.; MARTENSEN, A.C.; PONZONI, F.J.; HIROTA, M.M. The Brazilian Atlantic Forest: how much is left, and how is the remaining forest distributed? Implications for conservation. Biological Conservation, v. 142, n. 6, p. 1141-1153, 2009. ROBINSON, N.P.; ALLRED, B.W.; JONES, M. O.; MORENO, A.; KIMBALL, J.S.; NAUGLE, D.E. A Dynamic Landsat Derived Normalized Difference Vegetation Index (NDVI) Product for the Conterminous United States. Remote Sensing, v. 9, n. 8, p. 863, 2017. ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W. Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. Texas: Texas A&M University, 1974. 390p. 67 SALAMENE, S.; FRANCELINO, M.R; VALCARCEL, R.; LANI, J.L.; SÁ, M.M.F. Estratificação e caracterização ambiental da área de preservação permanente do Rio Guandu/RJ. Árvore, v. 35, n. 2, p. 221-231, 2011. SHE, X.; ZHANG, L.; CEN, Y.; WU, T.; HUANG, C.; BAIG, M.H.A. Comparison of the continuity of vegetation indices derived from Landsat 8 OLI and Landsat 7 ETM+ data among different vegetation types. Remote Sensing, v. 7, n. 10, p. 13485-13506, 2015. SILVA, S.C.P.; BAPTISTA, G.M.M. Análises espectrais da vegetação com dados Hyperion e sua relação com a concentração e o fluxo de CO2 em diferentes ambientes na Amazônia brasileira. Ciências Geodésicas, v. 21, n. 2, p. 354-370, 2015. SILVA, R.M.P.; LIMA, J.R.; MENDONÇA, I.F.C. Alteração da cobertura vegetal na sub-bacia do Rio Espinharas de 2000-2010. Engenharia Agrícola & Ambiental, v. 18, n. 2, p. 202-209, 2014a. SILVA, R.D.B.; DELGADO, R.C.; LYRA, G.B.; OLIVEIRA JÚNIOR, J.F.; RODRIGUES, R.A.; CARDOZO, A.C.; BRASILEIRO, F.G. Dinâmica espacial e temporal do uso da terra no município de Seropédica/RJ, Brasil. Geografia Acadêmica, v. 8, n. 3, p. 8-49, 2014b. SILVA, M.T.; COSTA, S.C.D.E.; SANTOS, A.D.S.; SANTOS, A.F. Análise da cobertura do solo na região do Rio pardo/RS, com base em imagens espectrais do mapeador temático do Landsat-5. Geografia, v. 28, n. 3, p. 109-126, 2011. VERMOTE, E.; JUSTICE, C.; CLAVERIE, M.; FRANCH, B. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, v. 185, p. 46-56, 2016. VUOLO, F.; MATTIUZZI, M.; ATZBERGER, C. Comparison of the Landsat Surface Reflectance Climate Data Record (CDR) and manually atmospherically corrected data in a semi-arid European study area. International Journal of Applied Earth Observation and Geoinformation, v. 42, n. 1, p. 1-10, 2015. XLSTAT SUPPLEMENT. Versão 7.5.2 para Excel 2010. Reino Unido: Addinsoft 2015. Disponível em: http://xlstat-pro.software.informer.com/7.5/ Acessado em: 11 abr. 2015. WWF-BRASIL. Projeto HSBC Seguros: Bacia hidrográfica do Rio Capivari/RJ. Araruama/RJ: Consórcio Intermunicipal Lagos São João, 2012. 36p. AB‟SÁBER, A.N. Do código florestal para o código da biodiversidade. Terra & Didática, v. 7, n. 2, p. 117-124, 2011. ALARCON, G.G.; AYANU, Y.; FANTINI, A.C.; FARLEY, J.; SCHMITT FILHO, A.; KOELLNER, T. Weakening the Brazilian legislation for forest conservation has severe impacts for ecosystem services in the Atlantic Southern Forest. Land Use Policy, v. 47, n. 4, p. 1-11, 2015. ALTIERI, M.A.; NICHOLLS, C.I. The adaptation and mitigation potential of traditional agriculture in a changing climate. Climatic Change, v. 140, n. 1, p. 33-45, 2017. AMARAL, M.V.F.; SOUZA, A. L.; SOARES, V. P.; SOARES, C. P; LEITE, H. G.; MARTINS, S.V.; FERNANDES FILHO, S.V.; LANA, E.I.J.M. Avaliação e comparação de métodos de classificação de imagens de satélites para o mapeamento de estádios de sucessão florestal. Árvore, v. 33, n. 3, p. 575-582, 2009. ANTUNES, P.B. The precautionary principle in the Brazilian environmental law. Veredas do Direito, v. 13, n. 27, p. 63-88, 2016. ARCGIS: Versão 10.2. Redlands-California, USA: Environmental Systems Resource Institute (ESRI). 2016. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das Bacias Hidrográficas da Região dos Lagos e do Rio São João- Rio de Janeiro. Araruama/ RJ: Consórcio Intermunicipal para Gestão das Bacias da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153p. BERTINI, M.A; FUSHITA, A.T.; LIMA, M.I.S. Vegetation coverage in hydrographic basins in the central region of the State of São Paulo, Brazil. Brazilian Journal of Biology, v. 75, n. 3, p. 709-717, 2015. BRASIL, República Federativa. Cadastro Ambiental Rural: Boletim Informativo Dados até 16 de fevereiro de 2018. 2018. Disponível em: http://www.florestal.gov.br/documentos/car/boletim-do-car/3294-boletim-informativo-janeiro-de-2018/file. Acessado em: 11 de Mar. De 2018. ______. Rio de Janeiro: Rio Bonito e Silva Jardim. 2015a. Diretoria de Pesquisas/DPE - Coordenação de População e Indicadores Sociais/COPIS. Disponível em: http://www.cidades.ibge.gov.br/xtras/perfil.php. Acessado em: 18 de Nov. de 2015. ______. Geocatálogo de imagens de satélite RapidEye-REIS do Ministério do Meio Ambiente: Cenas das imagens RapidEye-REIS dos municípios de Rio Bonito e Silva Jardim datadas de 17 de setembro e 05 de dezembro do ano de 2012. 2015b. Disponível em: http://geocatalogo.ibama.gov.br/. Acessado em: 18 de Nov. de 2015. ______. Índices Básicos de 2013. Brasília: Instituto Nacional de Colonização e 97 Reforma Agrária, 2013. 149p. ______. Lei Federal n.º 12.651, de 25 de maio de 2012. Dispõe sobre a proteção da vegetação nativa; altera as Leis ns.° 6.938/1981 e 9.393/1996; revoga as Leis ns.° 4.771/1965 e 7.754/1989. Brasília: Diário Oficial [da] República Federativa do Brasil. 28 de Mai. de 2012a. ______. Lei Federal n.º 12.727, de 17 outubro de 2012. Altera a Lei no 12.651/2012, que dispõe sobre a proteção da vegetação nativa; altera as Leis n.° 6.938/1981, 9.393/1996, e 11.428/2006; e revoga as Leis n.° 4.771/1965, e 7.754/1989, a Medida Provisória n.° 2.166-67/2001, o item 22 do inciso II do art. 167 da Lei n.° 6.015/1973. Brasília: Diário Oficial [da] República Federativa do Brasil. 18 de Out. de 2012b. ______. Decreto Federal n.º 6.514, de 22 de julho de 2008. Dispõe sobre as infrações e sanções administrativas ao meio ambiente, estabelece o processo administrativo federal para apuração destas infrações, e dá outras providências. Brasília: Diário Oficial [da] República Federativa do Brasil. 22 de Jul. 2008. ______. Lei Federal n.º 11.428, de 22 de dezembro de 2006. Dispõe sobre a utilização e proteção da vegetação nativa do Bioma Mata Atlântica, e dá outras providências. Brasília: Diário Oficial [da] República Federativa do Brasil. 26 de Dez. 2006. ______. Resolução do Conselho Nacional do Meio Ambiente (CONAMA) nº 303, de 20 de março de 2002. Dispõe sobre parâmetros, definições e limites de Áreas de Preservação Permanente. Brasília: Diário Oficial [da] República Federativa do Brasil. 30 de Mai. 2002. ______. Lei Federal n.º 9.605, de 12 fevereiro de 1998. Dispõe sobre as sanções penais e administrativas derivadas de condutas e atividades lesivas ao meio ambiente, e dá outras providências. Brasília: Diário Oficial [da] República Federativa do Brasil. 13 de Fev. 1998. ______. Lei Federal n.º 4.771, de 15 de setembro de 1965. Institui o novo Código Florestal. Rio de Janeiro: Diário Oficial [da] República Federativa do Brasil. 16 de Set. de 1965. CASTELO, T.B. Brazilian forestry legislation and to combat deforestation government policies in the Amazon (Brazilian Amazon). Ambiente & Sociedade, v. 18, n. 4, p. 221-242, 2016. CONGALTON, R.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. Boca Raton: CRC/Taylor & Francis, 2009. 183p. COUTINHO, S.M.V.; FREITAS, V.P.; PHILIPPI JÚNIOR; A. El papel de la academia en la elaboración del Código Forestal Brasileño. Monfragüe, v. 2, n. 2, p. 1-26, 2014. DAS, K.; SARMA, P.D.; SENGUPTA, S. Discrimination and plot wise area estimation of seasonal crops from high resolution World View 2 Multispectral Image. Asian Journal of Geoinformatics, v. 15, n. 2, p.10-21, 2015. 98 DI-GREGORIO, M.; NURROCHMAT, D.R.; PAAVOLA, J.; SARI, I.M.; FATORELLI, L.; PRAMOVA, E.; KUSUMADEWI, S.D. Climate policy integration in the land use sector: Mitigation, adaptation and sustainable development linkages. Environmental Science & Policy, v. 67, n. 3, p. 35-43, 2017. ELOY, L.; COUDEL, E.; TONI, F. Implementando pagamentos por serviços ambientais no Brasil: caminhos para uma reflexão crítica. Sustentabilidade em Debate, v. 4, n. 1, p. 21-41, 2013. FACCO, D.S.; BENEDETTI, A.C.P.; PEREIRA FILHO, W.; KAISER, E.A.; DAL OSTO, J.V. Geotechnologies for forest monitoring in the city of Nova Palma-Rio Grande do Sul BR. Journal of Management, Education and Environmental Technology, v. 20, n. 1, p. 417-426, 2016. FERRARI, J.L.; SANTOS, A.R.D.; GARCIA, R.F.; AMARAL, A.A.D.; PEREIRA, L.R. Análise de conflito de uso e cobertura da terra em áreas de preservação permanente do IFES/Campus de Alegre, município de Alegre/ES. Floresta & Ambiente, v. 22, n. 3, p. 307-321, 2015. FERRARO, P.J. The future of payments for environmental services. Conservation Biology, v. 25, n. 6, p. 1134-1138, 2011. FERREIRA, J.; PARDINI, R.; METZGER, J.P., FONSECA, C.R., POMPEU, P.S., SPAROVEK, G.; LOUZADA, J. Towards environmentally sustainable agriculture in Brazil: challenges and opportunities for applied ecological research. Journal of Applied Ecology, v. 49, n. 3, p. 535-541, 2012. FRAGA, N.C.; FAVA, T.; HÖFIG, P.; SILVA, G.M.F. Impacto do novo código florestal: análise na bacia do Ribeirão Engenho de Ferro, Ibiporã/PR. Geographia Opportuno Tempore, v. 3, n. 1, p. 80-101, 2014. FRANCELINO, M.R.; SILVA, J.A. Impacto da inclinação média na delimitação de área de preservação permanente. Floresta & Ambiente, v. 21, n. 4, p. 441-448, 2014. GASPARINI, K.A.C.; LYRA, G.B.; FRANCELINO, M.R.; DELGADO, R.C., OLIVEIRA JÚNIOR, J.F.O.; FACCO, A.G. Técnicas de geoprocessamento e sensoriamento remoto aplicadas na identificação de conflitos do uso da terra em Seropédica/RJ. Floresta & Ambiente, v. 20, n. 3, p. 296-306, 2013. GODECKE, M.V.; HUPFFER, H.M.; CHAVES, I.R. The Future of Payments for Environmental Services in Brazil through the New Forest Code. Desenvolvimento & Meio Ambiente, v. 31, n. 1, p. 31-42, 2014. GOMES, R.L.; VALADARES, J.O.; MORAES, M.E.B.; FRANCO, G.B.; MARQUES, E.A.G. Panorama do uso e ocupação do solo presente nas Áreas de Preservação Permanente da Bacia do Rio Almada/BA. Geografia, v. 30, n. 3, p. 98-115, 2014. GOUVÊA, Y.M.G. Novo código florestal: comentários à Lei n.° 12.651, de 25 de maio de 2012, à Lei n.° 12.727, de 17 de outubro de 2012 e do Decreto n.° 7.830, de 17 de outubro de 2012. In.: MILARÉ, É.; MACHADO, P.A.L. (Coordenadores). Direito 99 Ambiental Brasileiro. 2. ed. São Paulo: Revista dos Tribunais, 2013. 1466p. LANDIS, J.R.; KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 2, p. 159-174, 1977. LIMA, R. A., MORI, D. P., PITTA, G., MELITO, M. O., BELLO, C., MAGNAGO, L. F., ZWIENER, V.P.; SARAIVA, D.D.; MARQUES, M.C.M.; OLIVEIRA; A.A.; PRADO P.I. How much do we know about the endangered Atlantic Forest? Reviewing nearly 70 years of information on tree community surveys. Biodiversity and Conservation, v. 24, n. 9, p. 2135-2148, 2015. MARTINS, T.P.; RANIERI, V.E.L. Agroforestry as an alternative to legal reserves. Ambiente & Sociedade, v. 17, n. 3, p. 79-96, 2014. MARTINS, S.; GUARANY, O.; FERRETTI, A.; SUASSUNA, K.R.; CARVALHO, F.; BRITO, B.; CARDOSO, D.; PRADO, P.G. Relatório Técnico: Potenciais impactos das alterações do Código Florestal Brasileiro na meta nacional de redução de emissões de gases de efeito estufa. 2010. Disponível em: http://assets.wwfbr.panda.org/downloads/relatorio.pdf. Acessado em: 06 Mai. 2016. MOREIRA, T.R.; SANTOS, A.R.; DALFI, R.L.; CAMPOS, R.F.; SANTOS, G.M.A.D.A.; EUGENIO, F.C. Confronto do uso e ocupação da terra em APPs no município de Muqui/ES. Floresta & Ambiente, v. 22, n. 2, p. 141-152, 2015. MYERS, N.; MITTERMEIER, R.A.; MITTERMEIER, C.G.; FONSECA, G.A.B.; KENT, J. Biodiversity hotspots for conservation priorities. Nature, v. 403, n. 333, p. 853-858, 2000. NARDINI, R.C.; CAMPOS, S., RIBEIRO, F.L.; GOMES, L.N.; FELIPE, A.C.; CAMPOS, M. Avaliação das áreas de conflito de uso em APP da microbacia do Ribeirão Morro Grande. Caminhos de Geografia, v. 16, n. 55, p. 104-113, 2015. NASSAR, A. M; ANTONIAZZI, L. B. Reforma do Código Florestal: uma visão equilibrada. Visão Agrícola, v. 4, n. 8, p. 4-7, 2012. NERY, C.V.M.; BRAGA, F.L.; MOREIRA, A.A.; FERNANDES, F.H.S. Aplicação do novo código florestal na avaliação das áreas de preservação permanente em topo de Morro na Sub-Bacia do Rio Canoas no município de Montes Claros/MG. Geografia Física, v. 6, n. 6, p. 1673-1688, 2014. NUNES, J.F.; ROIG, H.L. Análise e mapeamento do uso e ocupação do solo da bacia do alto Descoberto, DF/GO, por meio de classificação automática baseada em regras e lógica nebulosa. Árvore, v. 39, n. 1, p. 25-36, 2015. OLIVEIRA, G.C.; FERNANDES-FILHO, E.I. Automated mapping of permanent preservation areas on hilltops. Cerne, v. 22, n. 1, p. 111-120, 2016. ORGANIZAÇÃO DAS NAÇÕES UNIDAS PARA ALIMENTAÇÃO E AGRICULTURA. Avaliação dos recursos florestais globais 2015: Relatório do país Brasil. 2014. Disponível em: http://www.fao.org/3/a-ae.pdf. Acessado em: 11 abr. 2015. 100 PAIVA, S.L.P.; SILVA, S.M.A.N.; NEVES, R.J.; SILVA MIRANDA, M.R. Ações antrópicas na área de preservação permanente do Córrego Sangradouro em Cáceres/MT, e suas implicações nos aspectos físico-químico da água. Caminhos de Geografia, v. 16, n. 56, p. 49-61, 2015. PAVEZZII-NETTO, M.; SILVA, R.S. Método Expedito para a análise de qualidade ambiental em zonas ripárias urbanas. Paranoá, v. 1, n. 7, p. 61-67, 2014. PLATIAU, A.F.B.; VIANA, F.C.; SILVA, C.H.R.T. Brazil's institutional dissonance and its challenges for the Rio+20 Conference. Brazilian Journal of International Law, v. 9, n. 3, p. 159, 2012. RENDON, O; DALLIMER, M.; PAAVOLA, J. Flow and rent-based opportunity costs of water ecosystem service provision in a complex farming system. Ecology and Society, v. 21, n. 4, p. 1-16, 2016. RIBEIRO, C.A.A.S., LEMOS, N.D.C.M., OLIVEIRA, B.K., SOARES, V.P.; SILVA, E. Áreas de preservação permanente em conflito com o uso e a ocupação do solo na bacia hidrográfica do Córrego Sertão, Cajuri/MG. Agrogeoambiental, v. 6, n. 2, p. 21-29, 2014. RIBEIRO, C.A.A.S.; SOARES, V.P.; OLIVEIRA, A.M.S.; GLERIANI, J.M. The challenge of the delineation of natural preserves. Árvore, v. 29, n. 2, p. 203-212, 2005. RICHARDS, R.C.; KENNEDY, C.J.; LOVEJOY, T.E.; BRANCALION, P.H. Considering farmer land use decisions in efforts to „scale up‟ payments for watershed services. Ecosystem Services, v. 23, n. 1, p. 238-247, 2017. RIO DE JANEIRO. Estado do. Base de dados do estado do Rio de Janeiro. Rio de Janeiro: Secretaria de Estadual de Desenvolvimento Regional, Abastecimento e Pesca do Rio de Janeiro (SEDRAP/RJ). 2016. Disponível em: http://webgeo.desenvolvimentoregional.rj.gov.br. Acessado em: 19 Mar. 2015. ______. Decreto Estadual n.º 26.058, de 14 de março de 2000. Define as Macrorregiões ambientais do estado do Rio de Janeiro e dá outras providências. Rio de Janeiro, RJ: Diário Oficial [do] estado do Rio de Janeiro. 14 de Mar. de 2000. RODRIGUES-FILHO, J.L.; ABE, D.S.; GATTI-JUNIOR, P.; MEDEIROS, G.R.; DEGANI, R.M.; BLANCO, F.P.; FARIA, C.R.L.; CAMPANELLIA; SOARES, L; SIDAGIS-GALLIA, F.S.; TEIXEIRA-SILVA; C.V.V.; TUNDISI, J.E.M.; MATSMURA-TUNDISI, T.; TUNDISI, J.G. Spatial patterns of water quality in Xingu River Basin (Amazonia) prior to the Belo Monte dam impoundment. Brazilian Journal of Biology; v. 75, n. 3, p. 34-46, 2015. ROSA, F.; TONELLO, K.C.; LOURENÇO, R.W. Selection of priority areas for payment of environmental services: an analysis at the watershed level. Ambiente & Água, v. 11, n. 2, p. 448-461, 2016. SANTOS, A.R.; CHIMALLI, T.; PELUZIO, J.B.E.; SILVA, A.G.; SANTOS, G.M.; AMARAL, D.A.; LORENZON, A.S.; TEIXEIRA, T.R.; CASTRO, N.L.M.; SOARES, 101 C.A.A.R. Influence of relief on permanent preservation areas. Science of the Total Environment, v. 541, n. 3, p. 1296-1302, 2016. SANTOS, A.R.; CHIMALLI, T.; PELÚZIO, J.B.; SILVA, A.G.; SANTOS, G.M.A.D.A.; LORENZON, A.S.; TEIXEIRA, T R.; CASTRO, N.L.M.; MARCATTI, G.E.; DOMINGUES, G.F.; RIBEIRO, C.A.A.S. Áreas de preservação permanente no entorno do Parque Nacional do Caparaó: análise comparativa de acordo com o Antigo e o Novo Código Florestal. In.: SANTOS, A.R.; RIBEIRO, C.A.A.; PELUZIO, J.B.E.; T.M.O.; SANTOS, G.M.A.D.A.; MOREIRA, G.L.; MAGALHÃES, I.A.L.M. (Org.). Geotecnologias & análise ambiental: aplicações práticas. Alegre, ES: CAUFES, 2015, p.68-83. SILVA, J.A.A.; NOBRE, A.D.; MANZATTO, C.V.; JOLY, C.A.; RODRIGUES, R.R.; SKORUPA, L.A.; NOBRE, C.A.; AHRENS, S.; MAY; P.H.; RECH FILHO, E.L. O Código Florestal e a ciência: contribuições para o diálogo. 2. ed. rev. - São Paulo: Sociedade Brasileira para o Progresso da Ciência- SBPC; Academia Brasileira de Ciências- ABC, 2012. 294p. SILVA, J.S.; RANIERI, V.E.L. The legal reserve areas compensation mechanism and its economic and environmental implications. Ambiente & Sociedade, v. 17, n. 7, p. 115-132, 2014. SOARES-FILHO, B.; RAJÃO, R.; MACEDO, M.; CARNEIRO, A.; COSTA, W.; COE, M.; RODRIGUES, H.; ALENCAR, A. Cracking Brazil‟s forest code. Science, v. 344, n. 6182, p. 363-364, 2014. SOUZA, M.C.S.; PIÑA-RODRIGUES, F.C.M. Desenvolvimento de espécies arbóreas em sistemas agroflorestais para recuperação de áreas degradadas na floresta ombrófila densa, Paraty/RJ. Árvore, v. 37, n. 5, p. 89-98, 2013. SPAROVEK, G.; BERNDS, G.; BARRETO, A.G; KLUG, I.L.F. The revision of the Brazilian Forest Act: increased deforestation or a historic step towards balancing agricultural development and nature conservation? Environmental Science & Policy, v. 16, n. 4, p. 6572, 2012. SPRING: Versão 5.2.7. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE), 2016. STEENBOCK, W.; SILVA, R.O.; FROUFE, L.C.M.; SEOANE, C.E. Agroflorestas e Sistemas Agroflorestais no espaço e no tempo. In.: STEENBOCK, W.; SILVA, L.C.; SILVA, R.O.; RODRIGUES, A.S.; PEREZ-CASSARINO, J.; FONINI, R. (Coordenadores). Agrofloresta, ecologia e sociedade. Curitiba: Kairós, 2013. p.39-60. SURREY SATELLITE TECHNOLOGY LTD., SSTL. Satélite RapidEye-REIS. 2014. Disponível em: http://www.amskepler.com/RapidEye-REIS-info/. Acesso em: 19 nov. 2015. TUNDISI, J.G.; MATSMURA-TUNDISI, T. Potencial impacts of changes in the forest law in relation to water resources. Biota Neotropica, v. 10, n. 4, p. 67-76. 2010. TUNDISI, J.G. Water resources in the future: problems and solutions. Estudos avançados, v. 22, n. 63, p. 7-16, 2008. XUN, L.; WANG, L. An object-based SVM method incorporating optimal segmentation scale estimation using Bhattacharyya Distance for mapping salt cedar with QuickBird imagery. GIScience & Remote Sensing, v. 52, n. 3, p. 257-273, 2015. ABDIKAN, S.; SANLI, F.B.; USTUNER, M.; CALÒ, F. Land cover mapping using SENTINEL-1 SAR Data. Remote Sensing and Spatial Information Sciences, v. 2, n. 1, p. 757-761, 2016. ADDINSOFT: Xlstat supplement. Versão 7.5.2 para Excel 2010. Reino Unido: Addinsoft 2015. ANDRADE, A.C.; FRANCISCO, C.N.; ALMEIDA, M.C. Desempenho de classificadores paramétrico e não paramétrico na classificação da fisionomia vegetal. Cartografia, v. 66, n. 2, p. 349-363, 2014. ANDRADE, D.C.; ROMEIRO, A.R.; SIMÕES, M.S. From an Empty to a Full World: a nova natureza da escassez e suas implicações. Economia & Sociedade, v. 21, n. 3, p. 695-722, 2012. ANTUNES, A.B.F.; LINGNAU, J.C.S. Object oriented analysis and semantic network for high resolution image classification. Ciências Geodésicas, v. 9, n. 2, p. 233-242, 2003. ARCGIS: Versão 10.2. Redlands-California, USA: Environmental Systems Resource Institute (ESRI). 2014. ARRUDA, G.P.; DEMATTÊ, J.A.; SILVA, C.C. Mapeamento digital de solos por redes neurais artificiais com base na relação solo-paisagem. Ciência do Solo, v. 37, n. 2, p. 327-338, 2013. BALZTER, H.; COLE, B.; THIEL, C.; SCHMULLIUS, C. Mapping CORINE land cover from Sentinel-1A SAR and SRTM digital elevation model data using Random Forests. Remote Sensing, v. 7, n. 11, p. 14876-14898, 2015. BOURENNANE, H.; COUTURIER, A.; PASQUIER, C.; CHARTIN, C.; HINSCHBERGER, F.; MACAIRE, J.J.; SALVADOR-BLANES, S. Comparative performance of classification algorithms for the development of models of spatial distribution of landscape structures. Geoderma, v. 219, n. 8, p. 136-144, 2014. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das Bacias Hidrográficas da Região dos Lagos e do Rio São João- Rio de Janeiro. Araruama/ RJ: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153 p. BRASIL, República Federativa. MINISTÉRIO DO MEIO AMBIENTE (MMA). Geocatálogo de imagens de satélite RapidEye-REIS do MMA: Cenas dos municípios de Rio Bonito e Silva Jardim datadas de 17 de setembro e 05 de dezembro do ano de 2012. Disponível em: http://geocatalogo.ibama.gov.br/. Acessado em: 18 de Nov. de 2015. BREIMAN, L. Random forests. Machine learning, v. 45, n. 3, p. 5-32, 2001. 131 CEAMANOS, X; WASKE, B; BENEDIKTSSON, J.A; CHANUSSOT, J; FAUVEL, M; SVEINSSON, J.R. A classifier ensemble based on fusion of support vector machines for classifying hyperspectral data. International Journal of Image and Data Fusion, v. 1, n. 4, p. 293-307, 2010. CHITROUB, S. Classifier combination and score level fusion: concepts and practical aspects. International Journal of Image and Data Fusion, v. 3, n. 2, p. 113-135, 2010. COHEN, J. A coefficient of agreement of nominal scales. Educational and Psychological Measurement, v. 20, n. 3, p. 37-46. 1960. COLOMBO, A.F.; JOLY, C.A. Brazilian Atlantic Forest lato sensu: the most ancient Brazilian forest, and a biodiversity hotspot, is highly threatened by climate change. Brazilian Journal of Biology, v. 70, n. 3, p. 697-708, 2010. CONGALTON, R.G.; GU, J.; YADAV, K.; THENKABAIL, P.; OZDOGAN M. Global land cover mapping: a review and uncertainty analysis. Remote Sensing, v. 6, n. 12, p. 12070-12093, 2014. CONGALTON, R.G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. Boca Raton: CRC Press, 209. 1999p. CONGALTON, R.G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing Environmental, v. 37, n. 1, p. 35-46, 1991. DU, P.; XIA, J.; ZHANG, W.; TAN, K.; LIU, Y.; LIU, S. Multiple classifier system for remote sensing image classification: a review. Sensors, v. 12, n. 4, p. 4764-4792, 2012. FERNANDEZ-LOZANO, C.; SEOANE, J.A.; GESTAL, M.; GAUNT, T.R.; DORADO, J.; CAMPBELL, C. Texture classification using feature selection and kernel-based techniques. Soft Computing, v. 19, n. 9, p. 2469-2480, 2015. FRANCISCO, C.N.; ALMEIDA, C. M. Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto. Ciências Geodésicas, v. 18, n. 2, p. 302-326, 2012. FRIEDL, M.A.; SULLA-MENASHE, D.; TAN, B.; SCHNEIDER, A.; RAMANKUTTY, N.; SIBLEY, A.; HUANG, X. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets. Remote Sensing of Environment, v. 114, n. 1, p. 168-182, 2010. FUNDAÇÃO SOS MATA ATLÂNTICA & INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Atlas da Mata Atlântica mostra situação do desmatamento no Rio de Janeiro. 2015. São Paulo: Fundação SOS Mata Atlântica & INPE. Disponível https://www.sosma.org.br/wp-content/uploads/2015/11/Atlas-munic%C3%ADpios-SOS-Rio-de-Janeiro-OK.pdf. Acessado em: 19 de Nov. de 2015. 132 GAROFALO, D.F.T.; MESSIAS, C.G.; LIESENBERG, V.; BOLFE, É.L.; FERREIRA, M.C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, v. 50, n. 7, p. 593-604, 2015. JENSEN, J.R.; EPIPHANIO, J.C.N. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 3. ed. - São José dos Campos: Parêntese, 2009. 604p. KOHONEN, T. Learning vector quantization. In: Self-organizing maps. Berlin: Springer, 2001. p. 245-261. KUHN, M.; JOHNSON, K. Applied predictive modeling. New York: Springer, 2013. 600p. KUHN, M.; WING, J.; WESTON, S.; WILLIAMS, A.; KEEFER, C.; ENGELHARDT, A. Caret: Classification and Regression Training. R package version 4.58, 2010. Disponível em: http://CRAN.R-project.org/ package=caret. Acessado em: 10 ago. 2016. LANDIS, J.R.; KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 1, p. 159-174, 1977. LAWRENCE, R.L.; MORAN, C.J. The AmericaView classification methods accuracy comparison project: A rigorous approach for model selection. Remote Sensing of Environment, v. 170, n. 3, p. 115-120, 2015. LI, G.; LU, D.; MORAN, E.; DUTRA, L.; BATISTELLA, M. A comparative analysis of ALOS PALSAR L-band and RADARSAT-2 C-band data for land-cover classification in a tropical moist region. Journal of Photogrammetry and Remote Sensing, v. 70, n. 1, p. 26-38, 2012. LI, J. Learning Vector Quantization and K-Nearest Neighbor. Penn State: Pennsylvania State University, 2016. 30p. LI, C.; WANG, J.; WANG, L.;, HU, L.; GONG, P. Comparison of classification algorithms and training sample sizes in urban land classification with Landsat thematic mapper imagery. Remote Sensing, v. 6, n. 2, p. 964-983, 2014. LU, D.; LI, G.; MORAN, E.; HETRICK, S. Spatiotemporal analysis of land-use and land-cover change in the Brazilian Amazon. International journal of remote sensing, v. 34, n. 16, p. 5953-5978, 2013. LU, D.; BATISTELLA, M.; LI, G.; MORAN, E.; HETRICK, S.; FREITAS, C.D.C.; DUTRA, L.V.; SANT'ANNA, S.J.S. Land use/cover classification in the Brazilian Amazon using satellite images. Pesquisa Agropecuária Brasileira, v. 47, n. 9, p. 1185-1208, 2012. LU, D; WENG, Q. A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, v. 28, n. 5, p. 823-870, 2007. 133 MACHADO, C.A.S.; BELTRAME, A.M.K.; SHINOHARA, E.J.; GIANNOTTI, M.A.; DURIEUX, L.; NÓBREGA, T.M.Q.; QUINTANILHA, J.A. Identifying concentrated areas of trip generators from high spatial resolution satellite images using object-based classification techniques. Applied Geography, v. 53, n. 5, p. 271-283, 2014. MACQUEEN, J. Some methods for classification and analysis of multivariate observations: proceedings of the fifth berkeley. Mathematical Statistics and Probability, v. 2, n. 4, p. 281-297, 1967. MCCOY, R.M. Field methods in remote sensing. New York: The Guilford Press, 2005. 177p. MELLO, A.Y.I., ALVES, D.S., LINHARES, C. A., LIMA, F.B. Avaliação de técnicas de classificação digital de imagens Landsat em diferentes padrões de cobertura da terra em Rondônia. Árvore, v. 36, n. 3, p. 537-547, 2012. MYERS, N.; MITTERMEIER, R.A.; MITTERMEIER, C.G.; FONSECA, G.A.B.; KENT, J. Biodiversity hotspots for conservation priorities. Nature, v.403, p.853-858, 2000. NOVO, E.M.L.M. Sensoriamento remoto: princípios e aplicações. 4 ed. São Paulo: Edgard Blucher, 2010. 388p. OLIVEIRA, F.P.D.; FERNANDES FILHO, E.I.; SOARES, V.P.; SOUZA, A.L.D. Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens RapidEye-REIS. Árvore, v. 37, n. 1, p. 151-161, 2013. PAL, M.; MATHER, P.M. An assessment of the effectiveness of decision tree methods for land cover classification. Remote Sensing of Environment, v. 86, n. 3, p.554-565, 2003. PARK, N.W.; KYRIAKIDIS, P.C.; HONG, S.Y. Spatial estimation of classification accuracy using indicator kriging with an image-derived ambiguity index. Remote Sensing, v. 8, n. 4, p. 320-340, 2016. PEREIRA, L.S.; GONÇALVES, B.B.; SILVA, N.C.D.M.; FERREIRA, S.A.L. Evolução espaço-temporal do uso e cobertura da terra do Ribeirão Piancó em Anápolis/GO. Mirante, v. 7, n. 1, p. 1-15, 2014. PIAZZA, G.A.; VIBRANS, A.C. Classificação orientada a objetos para mapear florestas secundárias em Santa Catarina, Sul do Brasil. Cartografia, v. 5, n. 66, p. 993-1005, 2014. POUTEAUA, R.; COLLINB, A.; STOLLA, B. A Comparison of Machine Learning Algorithms for Classification of Tropical Ecosystems Observed by Multiple Sensors at Multiple Scales. WorldView, v. 2, n. 50, p. 1-10, 2011. RIDGEWAY, G. GBM: Generalized Boosted Regression Models, R package version 2.1.1. Wien, Austria: CRAN, 2015. 134 ROSENFIELD, G. H.; FITZPATRICK-LINS, K. A coefficient of agreement as a measure of thematic classification accuracy. Photogrammetric Engineering and Remote Sensing, v. 52, n. 5, p.223-227, 1986. RUIZ, L.F.C.; TEM-CATEN, A.; DALMOLIN, R.S.D. Árvore de decisão e a densidade mínima de amostras no mapeamento da cobertura da terra. Ciência Rural, v. 44, n. 6, p. 1001-1007, 2014. SAITO, N.S.; ARGUELLO, F.V.P.; MOREIRA, M.A.; SANTOS, A.R.D.; EUGENIO, F.C.; FIGUEIREDO, A.C. Geotecnology for forest cover temporal analisys. Cerne, v. 22, n. 1, p. 11-18, 2016. SANTOS, A. R. S.; PELUZIO, T. M. O.; SAITO, N. S. Spring 5.1.2 passo a passo: aplicações práticas. Alegre, ES: CAUFES, 2010. 153p. SANTOS, R. F. Planejamento ambiental: teoria e prática. São Paulo: Oficina de textos, 2004. 184p. SCHOWENGERDT, R.A. Remote sensing, models and methods for image processing. 2 ed. - San Diego, USA: Academic Press, 1997. 522p. SEABRA, V.S.; CRUZ, C.M. Mapping the dynamics of land cover and land use in the watershed of São João River/RJ. Sociedade & Natureza, v. 25, n. 2, p. 411-426, 2013. SURREY SATELLITE TECHNOLOGY LTD., SSTL. Satélite RapidEye-REIS. 2014. Disponível em: http://www.amskepler.com/RapidEye-REIS-info/. Acessado em: 19 de Nov. de 2015. TEAM, R. Core. R: A language and environment for statistical computing. Vienna, Austria R Foundation for Statistical Computing. 2016. TSO, B.; MATHER, P. Classification methods for remotely sensed data. Danvers: Taylor &Francis Group, 2009. 317 p. USTUNER, M.; BALIK-SANLI, F.; DIXON, B. Application of support vector machines for land use classification using high-resolution Rapideye images: a sensitivity analysis. European Journal of Remote Sensing, v. 48, n. 3, p. 403-422, 2015. WANG, B.; WONG, C.M.; WAN, F.; MAK, P.U.; MAK, P.I.; VAI, M.I. Comparison of different classification methods for EEG-based brain computer interfaces: a case study. Information and Automation, v. 9, n. 1, p. 1416-1421, 2009. ZHU, D. A hybrid approach for efficient ensembles. Decision Support Systems, v. 48, n. 3, p. 480-487, 2010. YOUSSEF, A.M., POURGHASEMI, H.R., POURTAGHI, Z.S.; AL-KATHEERI, M.M. Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their 135 performance at Wadi Tayyah basin, Asir Region, Saudi Arabia. Landslides, v. 13, n. 5, p. 839–856, 2016. XU, L.; LI, J.; BRENNING, A. A comparative study of different classification techniques for marine oil spill identification using RADARSAT-1 imagery. Remote Sensing of Environment, v. 141, n. 2, p. 14-23, 2014.https://tede.ufrrj.br/retrieve/65987/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/jspui/handle/jspui/4858Submitted by Sandra Pereira (srpereira@ufrrj.br) on 2021-07-20T11:08:35Z No. of bitstreams: 1 2018 - Liliane Garcia da Silva.pdf: 3847978 bytes, checksum: a9451167f77111905b7759d3dc3a9be8 (MD5)Made available in DSpace on 2021-07-20T11:08:35Z (GMT). No. of bitstreams: 1 2018 - Liliane Garcia da Silva.pdf: 3847978 bytes, checksum: a9451167f77111905b7759d3dc3a9be8 (MD5) Previous issue date: 2018-02-27info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRRJinstname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)instacron:UFRRJTHUMBNAIL2018 - Liliane Garcia da Silva.pdf.jpgGenerated Thumbnailimage/jpeg1943https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/1/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf.jpgcc73c4c239a4c332d642ba1e7c7a9fb2MD51TEXT2018 - Liliane Garcia da Silva.pdf.txtExtracted Texttext/plain284254https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/2/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf.txt5a9b455691eab0b89f3549ad578298c3MD52ORIGINAL2018 - Liliane Garcia da Silva.pdf2018 - Liliane Garcia da Silvaapplication/pdf3847978https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/3/2018%20-%20Liliane%20Garcia%20da%20Silva.pdfa9451167f77111905b7759d3dc3a9be8MD53LICENSElicense.txttext/plain2089https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/4/license.txt7b5ba3d2445355f386edab96125d42b7MD5420.500.14407/93392023-12-21 15:38:04.361oai:rima.ufrrj.br:20.500.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Biblioteca Digital de Teses e Dissertaçõeshttps://tede.ufrrj.br/PUBhttps://tede.ufrrj.br/oai/requestbibliot@ufrrj.br||bibliot@ufrrj.bropendoar:2023-12-21T18:38:04Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)false
dc.title.por.fl_str_mv Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
dc.title.alternative.eng.fl_str_mv Digital mapping of land use and land cover in Atlantic Forest in the catchment area of the Capivari River of the state of Rio de Janeiro.
title Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
spellingShingle Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
Silva, Liliane Garcia da
sensoriamento remoto
dinâmica
paisagem
remote sensing
dynamics
landscape
Recursos Florestais e Engenharia Florestal
title_short Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
title_full Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
title_fullStr Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
title_full_unstemmed Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
title_sort Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro
author Silva, Liliane Garcia da
author_facet Silva, Liliane Garcia da
author_role author
dc.contributor.author.fl_str_mv Silva, Liliane Garcia da
dc.contributor.advisor1.fl_str_mv Silva, Eliane Maria Ribeiro da
dc.contributor.advisor1ID.fl_str_mv 511.084.027-04
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9274478730595213
dc.contributor.advisor-co1.fl_str_mv Mendonça, Bruno Araujo Furtado de
dc.contributor.advisor-co2.fl_str_mv Francelino, Márcio Rocha
dc.contributor.referee1.fl_str_mv Silva, Eliane Maria Ribeiro da
dc.contributor.referee2.fl_str_mv Fernandes Filho, Elpidio Inacio
dc.contributor.referee3.fl_str_mv Araújo, Emanuel José Gomes de
dc.contributor.referee4.fl_str_mv Uzêda, Mariella Carmadelli
dc.contributor.referee5.fl_str_mv Durigon, Valdemir Lúcio
dc.contributor.authorID.fl_str_mv 677.602.952-00
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6622641961681815
contributor_str_mv Silva, Eliane Maria Ribeiro da
Mendonça, Bruno Araujo Furtado de
Francelino, Márcio Rocha
Silva, Eliane Maria Ribeiro da
Fernandes Filho, Elpidio Inacio
Araújo, Emanuel José Gomes de
Uzêda, Mariella Carmadelli
Durigon, Valdemir Lúcio
dc.subject.por.fl_str_mv sensoriamento remoto
dinâmica
paisagem
topic sensoriamento remoto
dinâmica
paisagem
remote sensing
dynamics
landscape
Recursos Florestais e Engenharia Florestal
dc.subject.eng.fl_str_mv remote sensing
dynamics
landscape
dc.subject.cnpq.fl_str_mv Recursos Florestais e Engenharia Florestal
description O sensoriamento remoto sinaliza e orienta o planejamento do uso e cobertura do solo, e pode responder questões sobre a efetivação da legislação ambiental. Nesse sentido, este trabalho de tese apresenta mudanças da paisagem na vegetação natural em bioma de Mata Atlântica, na bacia hidrográfica do Rio Capivari, localizada nos municípios de Rio Bonito e Silva Jardim, no estado do Rio de Janeiro, Brasil. Foram utilizadas técnicas de sensoriamento remoto como: índices de vegetação e métodos de classificação supervisionada em imagens dos satélites Landsat 5-Thematic Mapper (TM), Landsat 8-Operational Land Imager (OLS) e RapidEye-REIS. Assim, a tese exibe três capítulos, onde o Capítulo I é intitulado por: Índices de vegetação e dinâmica da regeneração na Mata Atlântica através de série temporal de imagens dos satélites Landsat 5-TM (Thematic Mapper) e Landsat 8-OLI (Operational Land Imager), sendo calculados os índices de vegetação Normalized Difference Vegetation Index-NDVI e Soil-Adjusted Vegetation Index-SAVI a partir de produtos do Climate Data Record (CDR) Surface Reflectance para indicar os efeitos da regeneração natural tanto nas áreas das sub-bacias, e na bacia; no Capítulo II exibe o título “Áreas de preservação permanente sob panorama da legislação florestal para cenários sem e com usos consolidados, para as APPs no entorno de nascentes, áreas ripárias (rios), encostas e topos de morros em três cenários de planejamento, a Lei Federal n.º 4.771/1965 e a Resolução do Conselho Nacional de Meio Ambiente (CONAMA) n.° 303/2002, no Cenário I; o Novo Código Florestal pela Lei Federal n.º 12.651/2012, para o Cenário II; e as Leis Federais n.º 12.651/2012 e n.º 12.727/2012, no Cenário III. E por fim o Capítulo III foi denominado por: “Treinamento e o comportamento de algoritmos não-paramétricos no mapeamento do uso e cobertura da terra”. O conjunto dos dados geoespaciais do presente trabalho, possibilitou identificação da regeneração, degradação e precisão na identificação dos usos e cobertura do solo na bacia hidrográfica do Rio Capivari de forma eficaz, dos quais poderão ser utilizados como estratégias de conservação e preservação da área de estudo, bem como do bioma de Mata Atlântica.
publishDate 2018
dc.date.issued.fl_str_mv 2018-02-27
dc.date.accessioned.fl_str_mv 2023-12-21T18:38:04Z
dc.date.available.fl_str_mv 2023-12-21T18:38:04Z
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 SILVA, Liliane Garcia da. Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro. 2018. 143 f. Tese (Doutorado em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2018..
dc.identifier.uri.fl_str_mv https://rima.ufrrj.br/jspui/handle/20.500.14407/9339
identifier_str_mv SILVA, Liliane Garcia da. Mapeamento digital do uso e cobertura na terra na Mata Atlântica da bacia hidrográfica do Rio Capivari do estado do Rio de Janeiro. 2018. 143 f. Tese (Doutorado em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2018..
url https://rima.ufrrj.br/jspui/handle/20.500.14407/9339
dc.language.iso.fl_str_mv por
language por
dc.relation.references.por.fl_str_mv ABDIKAN, S.; SANLI, F.B., USTUNER, M.; CALÒ, F. Land cover mapping using SENTINEL-1 SAR Data. Remote Sensing and Spatial Information Sciences, v. 2, n. 1, p. 757-761, 2016. ALMEIDA, A.S.; VIEIRA, I.C.G. Conflitos no uso da terra em áreas de preservação permanente em um polo de produção de biodiesel no estado do Pará. Ambiente & Água, v. 9, n. 3, p. 476-487, 2014. ALTIERI, M.A.; NICHOLLS, C.I. The adaptation and mitigation potential of traditional agriculture in a changing climate. Climatic Change, v. 140, n. 1, p. 33-45, 2017. ALWASSAI, F.; KALYANKAR, N.V. Influences combination of multi-sensor images on classification accuracy. International Journal of Advanced Research in Computer Science, v. 4, n. 9, p.1-10, 2013. ASHBURN, P. The vegetative index number and crop identification. In: THE LACIE SYMPOSIUM PROCEEDINGS OF THE TECHNICAL SESSION, 11th., 1978, Washington, D.C. Annals... Washington, D.C.: Department of Agriculture, Foreign Agricultural Service, 1978. p. 843-850. ATKINSON, P.M.; TATNALL, A.R.L. Neural networks in remote sensing. International Journal of Remote Sensing, v. 18, n. 4, p. 699-709, 1997. ÁVILA, L.F.; MELLO, C.R.; PINTO, L.C.; SILVA, A.M. Partição da precipitação pluvial em uma microbacia hidrográfica ocupada por Mata Atlântica na Serra da Mantiqueira/MG. Ciência Florestal, v. 24, n. 3, p. 583-595, 2014. BARET, F.; GUYOT, G. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment, v. 35, n. 2, p.161-173, 1991. BATISTA, J.L.O.; SANTOS, R.L. A caracterização do uso e ocupação do solo de uma zona semiárida entre 1993-2008 através da classificação supervisionada MAXVER: caso do município de Teofilândia/BA, Brasil. Geográfica Venezolana, v. 54, n. 1, p. 99-111, 2013. BIDEGAIN, P. P.S.; VOLCKER, C. M. Bacias hidrográficas dos Rios São João e das Ostras: águas, terras e conservação ambiental. Araruama: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos: Rio São João e Zona Costeira, 2002. 170p. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das bacias hidrográficas da região dos Lagos e do Rio São João. Araruama- RJ: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153p. 34 BIRTH, G.S.; MCVEY, G. Measuring the color of growing turf with a reflectance spectro radiometer. Agronomy Journal, v. 60, n. 6, p. 640-643, 1968. BRANDO, P.M.; GOETZ, S.J.; BACCINI, A.; NEPSTAD, D.C.; BECK, P.S.; CHRISTMAN, M.C. Seasonal and interannual variability of climate and vegetation indices across the Amazon. Proceedings of the National Academy of Sciences, v. 107, n. 33, p. 14685-14690, 2010. BRASIL, República Federativa. Dados gerais das unidades de conservação federais. Brasília: Instituto Chico Mendes de Conservação da Biodiversidade (ICMBio)/Ministério do Meio Ambiente (MMA), 2016. 19p. Disponível em: http://www.icmbio.gov.br/portal/images/stories/servicos/geoprocessamento/DCOL/dados_tabulares/DadosGerais_UC_maio_2016.pdf. Acessado em: 25 de Jul. de 2016. ______. Rio de Janeiro: Rio Bonito e Silva Jardim. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística (IBGE), 2015. Disponível em: http://www.cidades.ibge.gov.br/xtras/perfil.php?lang=. Acessado em: 02 de Ago. de 2016. ______. Plano de manejo da Área de Proteção Ambiental da Bacia do Rio São João/Mico-Leão-Dourado. Brasília: MMA/ICMBio, 2008. 349p. ______. Lei Federal n.º 11.428, de 22 de dezembro de 2006. Dispõe sobre a utilização e proteção da vegetação nativa do Bioma Mata Atlântica, e dá outras providências. Brasília: Diário Oficial [da] República Federativa do Brasil. 26 de Dez. de 2006. ______. Plano de manejo da reserva biológica Poço das Antas: encarte 2. Brasília: MMA / Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA), 2005. 210p. ______. SPRING: sistema de processamento de informações georreferenciadas: manual de ajuda. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE), 2002. 21p. ______. Decreto Estadual n.º 26.058, de 14 de março de 2000. Define as Macrorregiões Ambientais do estado do Rio de Janeiro e dá outras providências. Disponível em: dhttp://alerjln1.alerj.rj.gov.br/decest.nsf/532ff819a4c3. Acessado em: 19 Mar. 2015. ______. Lei Federal n.º 9.433, de 8 de janeiro de 1997. Institui a Política Nacional de Recursos Hídricos, cria o Sistema Nacional de Gerenciamento de Recursos Hídricos, regulamenta o inciso XIX do art. 21 da Constituição Federal, e altera o art. 1º da Lei nº 8.001, de 13 de março de 1990, que modificou a Lei nº 7.990, de 28 de dezembro de 1989. Brasília: Diário Oficial [da] República Federativa do Brasil. 9 de Jan. de 1997. ______. Síntese da documentação histórica: administrativa e geográfica dos estados do Brasil- Rio de Janeiro. Rio de janeiro: IBGE, 1995. 35 BRAZ, A.M.; ANDRADE, Á.T.; GARCIA, P.H.M. Análise de índices de vegetação NDVI, SAVI e IAF para a comparação da cobertura vegetal na bacia hidrográfica do Córrego Ribeirãozinho, Selvíria/MS. Percurso, v. 7, n. 2, p. 5-22, 2015. BREIMAN, L.; FRIEDMAN, J.H.; OLSHEN, R.A.; STONE, C.J. Classification and Regression Trees. Belmont, California: Wadsworth, 1984. 107p. BRINK, A.B.; BODART, C.; BRODSKY, L.; DEFOURNEY, P.; ERNST, C.; DONNEY, F.; LUPI, A.; TUCKOVA, K. Anthropogenic pressure in East Africa-Monitoring 20 years of land cover changes by means of medium resolution satellite data. International Journal of Applied Earth Observation and Geoinformation, v. 28, n. 5, p. 60-69, 2014. CARTUS, O.; SANTORO, M.; KELLNDORFER, J. Mapping forest aboveground biomass in the Northeastern United States with ALOS PALSAR dual-polarization L-band. Remote Sensing of Environment, v. 124, n. 3. p. 466-478, 2012. CARVALHO, D.F.; DURIGON, V.L.; ANTUNES, M.A.H.; ALMEIDA, W.S.; OLIVEIRA, P.T.S. Predição da erosão do solo com uso da RUSLE e séries temporais de NDVI do Landsat-5 TM. Pesquisa Agropecuária Brasileira, v. 49, n. 3, p. 215-224, 2014. CASIMIRO DE ABREU, Município. Plano de manejo parque natural municipal Córrego da Luz. Casimiro de Abreu: Secretaria Municipal de Meio Ambiente e Desenvolvimento Sustentável, 2012. 143p. CASTELO, T.B. Brazilian forestry legislation and to combat deforestation government policies in the Amazon (Brazilian Amazon). Ambiente & Sociedade, v. 18, n. 4, p. 221-242, 2016. CHASMER, L.; HOPKINSON, C.; VENESS, T.; QUINTON, W.; BALTZER, J. A decision-tree classification for low-lying complex land cover types within the zone of discontinuous permafrost. Remote Sensing of Environment, v. 143, v.3, p. 73-84, 2014. CHEN, Z.; LI, S.; REN, J.; GONGI, P.; ZHANG, M.; WANG, L.;XIAO, S.; JIANG, D. Monitoring and management of agriculture with remote sensing. In: LIANG, S. (Ed.), Advanges in Remote Sensing. New York: Springer Science & Business Media. p. 397-421, 2008. CHURCHES, C.E.; WAMPLER, P.J.; SUN, W.; SMITH, A.J. Evaluation of forest cover estimates for Haiti using supervised classification of Landsat data. International Journal of Applied Earth Observation and Geoinformation, v. 30, n. 13, p. 203-216, 2014. CREUTZBURG, M.K.; SCHELLER, R.M.; LUCAS, H.M.S.; EVERS, L.B.; LEDUC, S.D.; JOHNSON, M.G. Bioenergy harvest, climate change, and forest carbon in the Oregon Coast Range. GCB Bioenergy, v. 8, n. 2, p. 357-370, 2015. CUTLER, R.; EDWARDS, T.C.; BEARD, K.H.; CUTLER, A.; HESS, K.T.; GIBSON, J.; LAWLER, J.J. Random forests for classification in ecology. Ecology, v. 88, n. 11, p. 36 2783-2792, 2007. DEMARCHI, J.C.; PIROLI, E.L.; ZIMBACK, C.R.L. Temporal analysis of the land use and comparison between NDVI and SAVI indexes in the city of Santa Cruz do Rio Pardo/SP using Landsat-5 images. Espaço Geográfico em Análise (RA'EGA-O), v. 21, n. 1, p. 234-271, 2011. DIAS, R. Gestão Ambiental: responsabilidade social e sustentabilidade. 2. ed. - São Paulo: Atlas, 2011. DRONOVA, I.; GONG, P.; WANG, L.; ZHONG, L. Mapping dynamic cover types in a large seasonally flooded wetland using extended principal component analysis and object-based classification. Remote Sensing of Environment, v. 158, n. 3, p. 193-206, 2015. DURIGON, V.L.; CARVALHO, D.F., ANTUNES, M.A.H., OLIVEIRA, P.T.S.; FERNANDES, M.M. NDVI time series for monitoring RUSLE cover management factor in a tropical watershed. International Journal of Remote Sensing, v. 35, n. 2, p. 441-453, 2014. EL-BAROUDY, A.A.; MOGHANM, F.S. Combined use of remote sensing and GIS for degradation risk assessment in some soils of the Northern Nile Delta, Egypt. The Egyptian Journal of Remote Sensing and Space Science, v. 17, n. 1, p. 77-85, 2014. FERRARI, J.L.; SANTOS, A.D.; GARCIA, R.F. Análise da vegetação por meio da subtração de imagem NDVI na sub-bacia hidrográfica do Córrego do Horizonte, Alegre/ES. Engenharia Ambiental, v. 8, n. 3, p.3-18, 2011. FERRAZ, A.S.; SOARES, V.P.; SOARES, C.P.B.; RIBEIRO, C.; BINOTI, D.H.B.; LEITE, H.G. Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitais. Floresta & Ambiente, v. 21, n. 3, p. 286-296, 2014. FERREIRA, L.G.; YOSHIOKA, H.; HUETE, A.; SANO, E.E. Optical characterization of the Brazilian Savanna physiognomies for improved land cover monitoring of the Cerrado biome: preliminary assessments from an airborne campaign over an LBA core site. Journal of Arid Environments, v. 56, n. 3, p. 425-447, 2004. FIGUEIREDO, S.M.M.; VENTICINQUE, E.M.; FIGUEIREDO, E.O.; FERREIRA, E.J.L. Predicting the distribution of forest tree species using topographic variables and vegetation index in eastern Acre, Brazil. Acta Amazonica, v. 45, n. 2, p.167-174, 2015. FLORENZANO, T.G. Iniciação em sensoriamento remoto. 3. ed. - São Paulo- SP: Oficina de Textos, 2011. 128p. FRANCISCO, C.N.; ALMEIDA, C.M. Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto. Ciências Geodésicas, v. 18, n. 2, p. 302-326, 2012. FUNDAÇÃO SOS MATA ATLÂNTICA; INSTITUTO NACIONAL DE PESQUISAS 37 ESPACIAIS (INPE). Atlas dos remanescentes florestais da Mata Atlântica período 2014-2015: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & Instituto Nacional de Pesquisas Espaciais, 2016. Disponível em: https://www.sosma.org.br/105066/mg-volta-liderar-ranking-de-desmatamento-da-mata-atlantica/. Acessado em: 27 de Jul. de 2016. FUNDAÇÃO SOS MATA ATLÂNTICA & INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Atlas dos remanescentes florestais da mata atlântica período 2012-2013: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & INPE, 2014. 61p. Disponível em: http://www.sosma.org.br/wp-/2014/05/atlas_relatorio_20141.pdf. Acessado em: 11 de Nov. de 2014. GALVANIN, E.A.S.; SILVA, N.S.M.A.; CRUZ, C.B.M.; NEVES, R.J.; JESUS, P.H.H.; KREITLOW, J.P. Avaliação dos índices de vegetação NDVI, SR e TVI na discriminação de fitofisionomias dos ambientes do pantanal de Cáceres/MT. Ciência Florestal, v. 24, n. 3, p. 707-715, 2014. GAO, B.C. NDWI: A Normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Evironment, v. 58, n. 3, p. 257-266, 1996. GAROFALO, D.F.T.; MESSIAS, C.G.; LIESENBERG, V.; BOLFE, É.L.; FERREIRA, M.C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, v. 50, n. 7, p. 593-604, 2015. GHEBREZGABHER, M.G.; YANG, T.; YANG, X.; WANG, X.; KHAN, M. Extracting and analyzing forest and woodland cover change in Eritrea based on Landsat data using supervised classification. The Egyptian Journal of Remote Sensing and Space Science, v. 19, n. 3, p. 11-21, 2016. GOMES, D.D.M.; MENDES, L.M.S.; MEDEIROS, C.N.; VERISSIMO, C.U.V. Multitemporal analysis of the process of degradation of vegetation River basin Jaibaras in the state of Ceará. Geografia, Ensino & Pesquisa, v. 15, n. 2, p. 41-62, 2011. HILKER, T.; LYAPUSTIN, A.I.; TUCKER, C.J.; HALL, F.G.; MYNENI, R.B.; WANG, Y.; BI, J.; MOURA, Y.M.; SELLERS, P.J. Vegetation dynamics and rainfall sensitivity of the Amazon. Proceedings of the National Academy of Sciences, v. 111, n. 45, p. 16041-16046, 2014. HUETE, A.; DIDAN, K., VAN LEEUWEN, W., MIURA, T.; GLENN, E. MODIS vegetation indices. In: RAMACHANDRAN, B.; JUSTICE, C. O.; ABRAMS, M.J. (Eds.). Land remote sensing and global environmental change: NASA's earth observing system and the science of ASTER and MODIS. New York: Springer Science & Business Media, p. 579-582, 2011. HUETE, A.R.; JUSTICE, C.; VAN LEEUWEN, W. MODIS vegetation index (MOD13): Algorithm Theoretical Basis Document. Houston: NASA, 1999. 38 HUETE, A.R.A. Soil-adjusted vegetation in index (SAVI). Remote Sensing of Environment, v. 2, n. 3, p. 295-309, 1988. JACKSON, R.D.; HUETE, A.R. Interpreting vegetation indices. Preventive Veterinary Medicine, v. 11, n. 3, p. 185-200, 1991. JAYANTH, J.; KOLIWAD, S.; KUMAR, T.A. Classification of remote sensed data using Artificial Bee Colony algorithm. The Egyptian Journal of Remote Sensing and Space Science, v. 18, n. 1, p. 119-126, 2015. JENNINGS, M.K.; LEWISON, R.L.; VICKERS, T.W.; BOYCE, W.M. Puma response to the effects of fire and urbanization. The Journal of Wildlife Management, v. 80, n. 2, p. 221-234, 2016. JENSEN, J.R.; EPIPHANIO, J.C.N. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 3. ed. - São José dos Campos: Parêntese, 2009, 604p. JIANG, Z.; HUETE, A.R.; DIDAN, K.; MIURA T. Development of a two-band enhanced vegetation index without a blue band. Remote Sensing of Environment, v. 112, n. 10, p. 3833-3845, 2008. KIM, D.; SEXTON, J.O.; NOOJIPADY, P.; HUANG, C.; ANAND, A.; CHANNAN, S.; FENG, M.; TOWNSHEND, J.R. Global, Landsat based forest-cover change from 1990-2000. Remote Sensing of Environment, v. 155, n. 8, p. 178-193, 2014. KOUADIO, L.; NEWLANDS, N.K.; DAVIDSON, A.; ZHANG, Y.; CHIPANSHI, A. Assessing the performance of MODIS NDVI and EVI for seasonal crop yield forecasting at the ecodistrict scale. Remote Sensing, v. 6, n. 10, p. 10193-10214, 2014. LASAPONARA, R. Estimating interannual variations in vegetated areas of Sardinia island using SPOT/VEGETATION NDVI temporal series. IEEE Geoscience and Remote Sensing Letters, v. 3, n. 4, p. 481-483, 2006. LIU, W.T.H. Aplicações de sensoriamento remoto. 2. ed. - Campo Grande: Oficina dos Textos, 2015.908p. LIU, H.; WENG, Q. Landscape metrics for analysing urbanization-induced land use and land cover changes. Geocarto International, v. 28, n. 7, p. 582-593, 2013. LIU, L.; ZHANG, Y. Urban heat island analysis using the Landsat tm data and aster data: a case study in Hong Kong. Remote Sensing, v. 3, n. 7, p. 1535-1552, 2011. LU, D. The potential and challenge of remote sensing‐based biomass estimation. International Journal of Remote Sensing, v. 27, n. 7, p. 1297-1328, 2006. LU, D.; BATISTELLA, M.; LI, G.; MORAN, E.; HETRICK, S.; FREITAS, C.D.C.; DUTRA, L.V.; SANT'ANNA, S. J. S. Land use/cover classification in the Brazilian Amazon using satellite images. Pesquisa Agropecuária Brasileira, v. 47, n. 9, p. 1185- 39 1208, 2012. MATHER, P.M. Computer processing of remotely-sensed images: an introduction. 3 ed. - Chichester: John Wiley & Sons, 2004. 324p. MATHER, P.M.; KOCH, M. Computer processing of remotely-sensed images: an introduction. New York: John Wiley & Sons, 2011. 434p. MEIER, G.A.; BROWN, J.F.; EVELSIZER, R.J.; VOGELMANN, J.E. Phenology and climate relationships in aspen (Populus tremuloides Michx.) forest and woodland communities of southwestern Colorado. Ecological Indicators, v. 48, n. 3, p. 189-197, 2015. MENDES, D.F.; SILVA, S.F.; FERRARI, J.L.; SANTOS, A.R.; GARCIA, R.F. Acurácia temática do classificador por máxima verossimilhança em imagem de alta resolução espacial do satélite Geoeye-1. Nucleus, v. 12, n. 6, p. 107-118, 2015. MENESES, P.R. Princípios do Sensoriamento Remoto. In.: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 1-33. MENESES, P.R.; ALMEIDA, T. Aritmética de bandas. In.: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 148-153. MENESES, P.R.; SANO, E.E. Classificação píxel a píxel de imagens. In: MENESES, P.R.; ALMEIDA, T. (org.) Introdução ao processamento de imagens de sensoriamento remoto. Brasília: Universidade de Brasília, 2012. p. 191-208. MOREIRA, A.A.; FERNANDES, F.H.S.; DE ALMEIDA, R.P.; NERY, C.V.M. Análise do comportamento espectral de fitofisionomias no Parque Estadual Lapa Grande por meio de dados MODIS. Geografia Física, v. 6, n. 6, p. 1705-1718, 2014. NAQVI, H.R.; SIDDIQUI, L.; DEVI, L.M.; SIDDIQUI, M.A. Landscape transformation analysis employing compound interest formula in the Nun Nadi Watershed, India. Journal of Remote Sensing and Space Science, v. 17, n. 2, p. 149-157, 2014. NERY, C.V.M.; BRAGA, F.L.; MOREIRA, A.A.; FERNANDES, F.H.S. Aplicação do Novo Código Florestal na Avaliação das Áreas de Preservação Permanente em Topo de Morro na Sub-Bacia do Rio Canoas, Montes Claros/MG. Geografia Física, v. 6, n. 6, p. 1673-1688, 2014. OLIVEIRA, F.P.D.; FERNANDES FILHO, E.I.; SOARES, V.P.; SOUZA, A.L.D. Mapeamento de fragmentos florestais com monodominância de aroeira a partir da classificação supervisionada de imagens RapidEye-REIS. Árvore, v. 37, n. 4, p. 151-161, 2013. 40 OZTURK, D.; KILIC, F. Determination of spatio-temporal changes in vegetation cover by using different vegetation indices based on remote sensing data. Journal of Selcuk University Natural and Applied Science, v. 2, n. 5, p. 733-741, 2014. rápida, Distrito Federal, Brasil. Ambiente & Água, v. 5, n. 1, p. 43-56, 2010. PANDA, S.S.; AMES, D.P.; PANIGRAHI, S. Application of vegetation indices for agricultural crop yield prediction using neural network techniques. Remote Sensor, v. 2, n. 3, p. 673-696, 2010. PEREIRA, L.S.; GONÇALVES, B.B.; SILVA NETO, C.D.M.; SANTOS, A.L.F. Evolução espaço-temporal do uso e cobertura da terra do Ribeirão Piancó, Anápolis/GO. Mirante, v. 7, n. 1, p. 1-15, 2014. PERRY, C. JR.; LAUTENSCHLAGER, L.F. Functional equivalence of spectral vegetation indices. Remote Sensing of Environment, v. 14, n. 3, p. 169-182, 1984. PINTY, B.; VERSTRAETE, M.M. GEMI: a non-linear index to monitor global vegetation from satellites. Vegetation, v. 101, n. 10, p. 15-20, 1992. QI, J.; CHEHBOUNI, A.; HUETE, A. R.; KERR, Y.; SOROOSHIAN, S. A modified soil adjusted vegetation index (SAVI). Remote Sensing of Environment, v. 48, n. 2, p. 169-182, 1994. QUINTO, V.M.; LOPES, M.I.A.; SAVEDRA, O. M.; ROCHA, P.F.E.; LEIKO, C.M.; ROSA, D.S.A. Análise temporal da dinâmica florestal em área de reflorestamento por meio de índices de vegetação. Geográfica Venezolana, v. 54, n. 2, p. 225-239, 2013. RAWAT, J.S.; KUMAR, M. Monitoring land use/cover change using remote sensing and GIS techniques: a case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, v. 18, n. 4, p. 77-84, 2015. RIBEIRO, N.B.; MARTINS, M.S.; JOHNSSON, R.M.F.; VIANA, V.J. Construção de banco de dados geográficos para avaliação da vulnerabilidade ecológica em bacias hidrográficas: a experiência da Bacia Lagos São João, RJ. Interface, v. 11, n. 5, p. 18-33, 2016. RIBEIRO, M.; RODRIGUES, R.R.; PAESE, A.; COSTA, S.; HENRIQUE, P.; BRANCALION, S.; SANTIAMI, E.; PEREIRA, G.; GUIMARÃES, J.; KOCK, R. A restauração da Mata Atlântica apoiada em sistemas de informações geográficas. In.: PAESE, A., UEZU, A., LORINI, M.L.; CUNHA, A. (orgs.). Conservação da biodiversidade com SIG. São Paulo: Oficina de Textos, 2015. p. 32-54. RICHARDS, J.A.; JIA, X. Remote sensing digital image analysis: an introduction. 4. ed. - New York: Springer, 2006. 476p. 41 RICHARDSON, A.J.; WIEGAND, C.L. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, v. 43, n. 2, p. 1541-1552, 1977. RIO DE JANEIRO. Estado do. O estado do ambiente: Indicadores ambientais do Rio de Janeiro 2010. Rio de Janeiro/RJ: Secretaria de Estadual do Ambiente (SEA), 2111. 160p. ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A., DEERING, D.W. Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation. Texas: Texas A&M University, 1974. 390p. SAFAVIAN, S. R.; LANDGREBE, D. A Survey of decision tree methodology. IEEE Trans. Systems, v. 21, n. 3, p. 660-674, 1991. SANTOS, A.L.F.; FONSECA, L.D.M.; RIBEIRO, C.A.A.S.; GONÇALVES, L.P. Comparação dos classificados no mapeamento do uso da terra, Estuário do Rio Sergipe/SE. Mirante, v. 7, n. 2, p. 78-88, 2014. SATIR, O.; BERBEROGLU, S. Crop yield prediction under soil salinity using satellite derived vegetation indices. Field Crops Research, v. 192, n. 6, p. 134-143, 2016. SATIR, O.; BERBEROGLU, S. Land use/cover classification techniques using optical remotely sensed data in landscape planning. In.: ÖZYAVUZ, M. (ed.). Landscape Planning. Intech: Crotia, 2012. p. 21-54. SCCOTI, A.A.V.; MENEZES, D.J. Uso e ocupação d o solo. Bagé/RS: Universidade da Região da Campanha, 2014, v. 1, p. 54-64. (Série Atlas Municipais: Atlas Geoambiental de Manoel Viana/RS) SILLEOS, N.G.; ALEXANDRIDIS, T. K.; GITAS, I. Z.; PERAKIS, K. Vegetation indices: advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto International, v. 21, n. 4, p. 21-28, 2006. SILVA, C.R.P.; DEMARQUI, E.N.; ALMEIDA, F.T.; MINGOTI, R.; SOUZA, A.P. Diferentes modelos digitais de elevação na caracterização física da Bacia hidrográfica do Rio Nandico/MT, Brasil. Scientia Plena, v. 11, n. 5, p. 1-11, 2015. SILVA, R.M.P.; LIMA, J.R.; MENDONÇA, I.FC. Alteração da cobertura vegetal na Sub-bacia do Rio Espinharas de 2000-2010. Engenharia Agrícola & Ambiental, v. 18, n. 2, p. 202-209, 2014. SILVA, M.T.; COSTA, S.C.D.E.; SANTOS, A.D.S.; SANTOS, A.F. Análise da cobertura do solo na região do Rio Pardo/RS, com base em imagens espectrais do mapeador temático do Landsat-5. Geografia, v. 28, n. 3, p. 109-126, 2011. SWAIN, P.H.; DAVIS, S.M. Remote sensing: the quantitative approach. New York: McGraw-Hill, 1978. 396p. 42 THIAM, A.; EASTMAN, R.J. Chapter on vegetation indices. In.: EASTMAN, R.J. (ed.). Manuel of the Idrisi selva edition. Worcester/MA, USA: Clarke University, 2008. p. 119-208. TSO B.; MATHER P.M. Classification methods for remotely sensed data. 2. ed – New York: Taylor & Francis Group, LLC, 2009. 376p. ULLMANN, T.; SCHMITT, A.; ROTH, A.; DUFFE, J.; DECH, S.; HUBBERTEN, H.W.; BAUMHAUER, R.. Land cover characterization and classification of arctic tundra environments by means of polarized synthetic aperture X-and C-Band Radar (PolSAR) and Landsat 8 multispectral imagery- Richards Island, Canada. Remote Sensing, v. 6, n. 9, p. 8565-8593, 2014. ULMER, J.M.; WOLF, K.L.; BACKMAN, D.R.; TRETHEWAY, R.L.; BLAIN, C.J.; O‟NEIL-DUNNE, J.P.; FRANK, L.D. Multiple health benefits of urban tree canopy: The mounting evidence for a green prescription. Health & Place, v. 42, n. 4, p. 54-62, 2016. VAPNIK, V. The nature of statistical learning theory. New York: Springer, 1995. 314p. VICENTE, M.S.; PRATS, J.M.C.; ROMO, A. Early prediction of crop productionusing drought indices at different time-scales and remote sensing data: application in the Ebro Valley (North-east Spain). International Journal of Remote Sensing, v. 27, n. 3, p. 511-518, 2006. WACKER, A.G.; LANDGREBE, D.A. Minimum distance classification in remote sensing. Indiana: University; Lafayette, 1972. 25p. WANG, X.; GASSMAN, P.W.; WILLIAMS, J.R.; POTTER, S.; KEMANIAN, A.R., Modellingthe impacts of soil management practices on runoff sediment yield, maizeproductivity and soil organic carbon using APEX. Soil and Tillage Research, v. 101, n. 12, p. 78-88, 2008. WWF-BRASIL. Projeto HSBC Seguros: bacia hidrográfica do Rio Capivari/RJ. Araruama/RJ: Consórcio Intermunicipal Lagos São João, 2012. 36p. YOUSSEF, A. M.; POURGHASEMI, H.R.; POURTAGHI, Z.S.; Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their performance at Wadi Tayyah Basin, Saudi Arabia. Landslides, v. 13, n. 5, p. 839-856, 2016. ZHANG, X.; DELU, P.; CHEN, J.; ZHAN, Y.; MAO, Z. Using long time series of Landsat data to monitor impervious surface dynamics a case study in the Zhoushan Islands. Journal of Applied Remote Sensing, v. 7, n. 5, p. 73515-73523, 2013. ZHAO, Y.; CHEN, X.P.; CUI, Z.L.; LOBELL, D.B. Using satellite remote sensing tounderstand maize yield gaps in the North China Plain. Field Crops Research, v. 183, n. 11, p. 31-42, 2015. ARCGIS: Versão 10.2. Redlands-California, USA: Environmental Systems Resource Institute (ESRI). 2016. ASSISTAT: Versão 7.7 beta (pt). Campina Grande: Universidade Federal de Campina Grande, 2014. ÁVILA, L.F.; MELLO, C.R.; PINTO, L.C.; SILVA, A.M. Partição da precipitação pluvial em uma microbacia hidrográfica ocupada por Mata Atlântica na Serra da Mantiqueira/MG. Ciência Florestal, v. 24, n. 3, p. 583-595, 2014. BARBOSA, K. M. N.; PIEDADE, M. T. F.; KIRCHNER, F. F. Estudo Temporal da Vegetação Herbácea da Várzea da Amazônia Central. Floresta, n. 38, v. 1, p. 89-96, 2008. BIDEGAIN, P.; PEREIRA, L.F.M. Plano das Bacias Hidrográficas da Região dos Lagos e do Rio São João-RJ. Araruama/ RJ: Consórcio Intermunicipal para Gestão das Bacias Hidrográficas da Região dos Lagos, Rio São João e Zona Costeira – CILSJ, 2005. 153p. BERTOLO, L.S.; SANTOS, R.F.; AGAR, P.M.; PABLO, C.T.L. Land-use changes assessed by overlay or mosaic methods: Which method is best for management planning? Ecological Indicators, v. 55, n. 3, p. 32-43, 2015. BRASIL, República Federativa. Dados da precipitação da região de Silva Jardim-RJ e Rio Bonito-RJ da Estação Anta (BHE P1-305 - PLU.02046) dos anos de 1985, 1991 e 1995. 2018a. Disponível em: https://www.macroprograma1.cnptia.embrapa.br/scaf/download-de-documentos/dados-de-precipitacao/dados.zip/view. Acessado em: 04 mar. 2018. ______.Dados da precipitação da região de Silva Jardim-RJ e Rio Bonito-RJ da Estação Silva Jardim (TRMM.1058) dos anos 2001, 2006, 2011 e 2016. 2018b. Disponível em: https://www.agritempo.gov.br/agritempo/jsp/Estatisticas/index.jsp?siglaUF=RJ. Acessado em: 04 mar. 2018. ______. Bases cartográficas: malhas municipais. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística (IBGE), 2010. Disponível em: <http://mapas.ibge.gov.br/basesereferenciais/bases_cartograficas/mapas‑municipais>. Acessado em: 28 fev. 2015. BRAZ, A.M.; ANDRADE, Á.T.; GARCIA, P.H.M. Análise de índices de vegetação NDVI e SAVI e Índice de Área Folear (IAF) para a comparação da cobertura vegetal na bacia hidrográfica do córrego ribeirãozinho, município de Selvíria–MS. Percurso, v. 7, n. 2, p. 5-22, 2015. CARVALHO, D.F.; DURIGON, V.L.; ANTUNES, M.A.H.; ALMEIDA, W.S.; OLIVEIRA, P.T.S. Predição da erosão do solo com uso da RUSLE e séries temporais de NDVI do Landsat-5 TM. Pesquisa Agropecuária Brasileira, v. 49, n. 3, p. 215-224, 2014. 64 CHEN, J.; JÖNSSON, P.; TAMURA, M.; GU, Z.; MATSUSHITA, B.; EKLUNDH, L. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote sensing of Environment, v. 91, n. 3, p. 332-344, 2004. DEMARCHI, J.C.; PIROLI, E.L.; ZIMBACK, C.R.L. Análise temporal do uso do solo e comparação entre os índices de vegetação NDVI e SAVI no município de Santa Cruz do Rio Pardo/SP usando imagens Landsat-5. Espaço Geográfico em Análise (RA'EGA-O), v. 21, n. 1, p. 234-271, 2011. DALLA-NORA, E.L.; SANTOS, J.E. Análise da dinâmica sazonal de duas formações florestais do bioma Mata Atlântica com base em índices de vegetação. Perspectiva, v. 34, n. 125, p. 41-51, 2010. DURIGON, V.L.; CARVALHO, D.F., ANTUNES, M.A.H., OLIVEIRA, P.T.S.; FERNANDES, M.M. NDVI time series for monitoring RUSLE cover management factor in a tropical watershed. International Journal of Remote Sensing, v. 35, n. 2, p. 441-453, 2014. FREITAS, R.M.; ARAI, E.; ADAMI, M.; FERREIRA, A.S.; SATO, F.Y.; SHIMABUKURO, Y.E.; ROSA, R.R.; ANDERSON, L.O.; RUDORFF, B.F.T. Virtual laboratory of remote sensing time series: Visualization of MODIS EVI2 data set over South America. Journal of Computational Interdisciplinary Sciences, v. 2, n. 1, p. 57-68, 2011. FUNDAÇÃO SOS MATA ATLÂNTICA; INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE). Atlas dos remanescentes florestais da Mata Atlântica período 2012-2013: relatório técnico. São Paulo: Fundação SOS Mata Atlântica & INPE, 2014. 61p. Disponível em: http://www.sosma.org.br/wp- content/uploads/2014/05/ _relatorio_20141.pdf. Acessado em: 11 abr. 2015. GAROFALO, D.F.T.; MESSIAS, C.G.; LIESENBERG, V.; BOLFE, É.L.; FERREIRA, M.C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, v. 50, n. 7, p. 593-604, 2015. GALVANIN, E.A.S.; SILVA, N.S.M.A.; CRUZ, C.B.M.; NEVES, R.J.; JESUS, P.H.H.; KREITLOW, J.P. Avaliação dos índices de vegetação NDVI, SR e TVI na discriminação de fitofisionomias dos ambientes do pantanal de Cáceres/MT. Ciência Florestal, v. 24, n. 3, p. 707-715, 2014. GLENN, E.P.; HUETE, A.R.; NAGLER, P.; NELSON, S.G. Relationship between remotely- sensed vegetation indices, canopy attributes and plant physiological processes: what vegetation indices can and cannot tell us about the landscape. Sensors, v. 8, n. 4, p. 2136-2160, 2008. GOMES, D.D.M.; MENDES, L.M.S.; MEDEIROS, C.N.; VERISSIMO, C.U.V. Análise multitemporal do processo de degradação da vegetação da bacia hidrográfica do Rio Jaibaras no estado do Ceará. Geografia Ensino & Pesquisa, v. 15, n. 2, p. 41-62, 2011. 65 HUETE, A.R.A. Soil-adjusted vegetation in index (SAVI). Remote Sensing of Environment, v. 2, n. 3, p. 295-309, 1988. KE, Y.; IM, J.; LEE, J.; GONG, H.; RYU, Y. Characteristics of Landsat 8 OLI-derived NDVI by comparison with multiple satellite sensors and in-situ observations. Remote Sensing of Environment, v. 164, n. 3, p. 298-313, 2015. KERR, J.T.; PINDAR, A.; GALPERN, P.; PACKER, L.; POTTS, S.G.; ROBERTS, S
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciências Ambientais e Florestais
dc.publisher.initials.fl_str_mv UFRRJ
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Florestas
publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRRJ
instname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron:UFRRJ
instname_str Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron_str UFRRJ
institution UFRRJ
reponame_str Biblioteca Digital de Teses e Dissertações da UFRRJ
collection Biblioteca Digital de Teses e Dissertações da UFRRJ
bitstream.url.fl_str_mv https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/1/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf.jpg
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/2/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf.txt
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/3/2018%20-%20Liliane%20Garcia%20da%20Silva.pdf
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/9339/4/license.txt
bitstream.checksum.fl_str_mv cc73c4c239a4c332d642ba1e7c7a9fb2
5a9b455691eab0b89f3549ad578298c3
a9451167f77111905b7759d3dc3a9be8
7b5ba3d2445355f386edab96125d42b7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)
repository.mail.fl_str_mv bibliot@ufrrj.br||bibliot@ufrrj.br
_version_ 1810108047393030144