Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT

Detalhes bibliográficos
Autor(a) principal: Sotille, Maria Eliza
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/218020
Resumo: As mudanças ambientais em áreas sem cobertura permanente de gelo na Antártica têm levado ao rápido desenvolvimento de comunidades vegetais da área, destacando a necessidade de monitoramento eficaz e contínuo para estimar a dinâmica em constante mudança deste subsistema. Devido à complexidade da cobertura superficial do ambiente antártico e a heterogeneidade espacial e homogeneidade espectral da vegetação criptogâmica, a detecção e o mapeamento da vegetação por técnicas de sensoriamento remoto ainda permanecem limitados. Nos últimos anos, o advento de plataformas como os veículos aéreos não tripulados (VANTs) tem possibilitado um mapeamento detalhado da superfície e das características geoecológicas, principalmente na região da Antártica Marítima. Como as imagens de VANT permitem análises abrangentes da vegetação, este estudo tem como objetivo mapear e identificar as características das comunidades vegetais de Hope Bay, no extremo norte da Península Antártica, explorando técnicas de sensoriamento remoto e apontando possibilidades para o uso de sensores de altíssima resolução espacial na identificação desses alvos. Para tanto, foram realizadas: (i) a avaliação da adequação do NDVI de imagens de VANT, Sentinel-2 e Landsat 8 para o mapeamento de áreas vegetadas na Antártica Marítima, com o estabelecimento de intervalos de classe por meio de parâmetros estatísticos (i.e. média e desvio padrão); (ii) a classificação de tipos (i.e. algas, musgos e liquens) e subtipos de vegetação antártica por meio da análise de imagem baseada em objetos geográficos (GEOBIA) e do algoritmo de aprendizagem de máquina Random Forest; e (iii) a avaliação da relação entre as comunidades vegetais da área e um conjunto de variáveis ambientais (e.g. altitude, declividade, aspecto, geoforma, solo, etc.) usando técnicas de sensoriamento remoto e geoprocessamento, com a divisão da área em geoambiente. Os resultados do NDVI mostram que diferentes sensores podem retornar valores diferentes para a mesma classe de vegetação. A classificação do índice permite identificar da cobertura vegetal da área de estudo, sendo que uma correspondência espacial na distribuição das classes é observada entre as classificações. Além disso, é identificada uma associação entre classes de NDVI e tipos de vegetação, onde os liquens são geralmente classificados em classes de probabilidade mais baixas e algas e musgo em classes de probabilidade mais altas. O estudo mostra o potencial do NDVI aplicado à vegetação antártica e a significância dos parâmetros estatísticos na definição dos intervalos de classe, reduzindo a necessidade de dados de campo em áreas remotas. Os resultados do GEOBIA mostram que as subclasses têm baixa separabilidade quando considerado apenas o número digital das bandas G-R-NIR do sensor S110. E que uso combinado de dados de múltiplas camadas de informação (i.e. espectrais, índices, IHS, topográficos e texturas) potencializa a separabilidade entre as subclasses e fornece o melhor resultado para a detecção e o delineamento de diferentes tipos de vegetação, com uma acurácia geral de 0.966 e um coeficiente Kappa de 0.946. O estudo demonstra a relevância dos dados de VANT em fornecer as propriedades necessárias para a classificação eficaz da vegetação da Antártica Marítima, mesmo em imagens obtidas por sensores com baixa resolução espectral. Os resultados da relação entre as comunidades vegetais e os fatores ambientais mostram que a vegetação da área de estudo segue um gradiente altimétrico, com algas mais presentes em altitudes abaixo de 60 m e musgos e liquens mais presentes a altitudes acima de 60 m. As comunidades vegetais estão principalmente distribuídas em encostas setentrionais e em terrenos planos ou de leve inclinação, com os solos ornitogênicos mais associados a algas e musgos e o solo Lithic Haploturbels mais associado a liquens e musgos. O estudo mostra que as comunidades mapeadas são influenciadas pelos fatores ambientais investigados, e que o conjunto de informações reunidas para Hope Bay permite a setorização da área de estudo em sete geoambientes, contribuindo para o monitoramento da cobertura vegetal da Antártica frente às mudanças ambientais e auxiliando no entendimento da evolução e da estabilidade da área livre de gelo.
id URGS_82a289c75eb916f366554be713e0e322
oai_identifier_str oai:www.lume.ufrgs.br:10183/218020
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Sotille, Maria ElizaBremer, Ulisses Franz2021-02-19T04:04:43Z2020http://hdl.handle.net/10183/218020001122726As mudanças ambientais em áreas sem cobertura permanente de gelo na Antártica têm levado ao rápido desenvolvimento de comunidades vegetais da área, destacando a necessidade de monitoramento eficaz e contínuo para estimar a dinâmica em constante mudança deste subsistema. Devido à complexidade da cobertura superficial do ambiente antártico e a heterogeneidade espacial e homogeneidade espectral da vegetação criptogâmica, a detecção e o mapeamento da vegetação por técnicas de sensoriamento remoto ainda permanecem limitados. Nos últimos anos, o advento de plataformas como os veículos aéreos não tripulados (VANTs) tem possibilitado um mapeamento detalhado da superfície e das características geoecológicas, principalmente na região da Antártica Marítima. Como as imagens de VANT permitem análises abrangentes da vegetação, este estudo tem como objetivo mapear e identificar as características das comunidades vegetais de Hope Bay, no extremo norte da Península Antártica, explorando técnicas de sensoriamento remoto e apontando possibilidades para o uso de sensores de altíssima resolução espacial na identificação desses alvos. Para tanto, foram realizadas: (i) a avaliação da adequação do NDVI de imagens de VANT, Sentinel-2 e Landsat 8 para o mapeamento de áreas vegetadas na Antártica Marítima, com o estabelecimento de intervalos de classe por meio de parâmetros estatísticos (i.e. média e desvio padrão); (ii) a classificação de tipos (i.e. algas, musgos e liquens) e subtipos de vegetação antártica por meio da análise de imagem baseada em objetos geográficos (GEOBIA) e do algoritmo de aprendizagem de máquina Random Forest; e (iii) a avaliação da relação entre as comunidades vegetais da área e um conjunto de variáveis ambientais (e.g. altitude, declividade, aspecto, geoforma, solo, etc.) usando técnicas de sensoriamento remoto e geoprocessamento, com a divisão da área em geoambiente. Os resultados do NDVI mostram que diferentes sensores podem retornar valores diferentes para a mesma classe de vegetação. A classificação do índice permite identificar da cobertura vegetal da área de estudo, sendo que uma correspondência espacial na distribuição das classes é observada entre as classificações. Além disso, é identificada uma associação entre classes de NDVI e tipos de vegetação, onde os liquens são geralmente classificados em classes de probabilidade mais baixas e algas e musgo em classes de probabilidade mais altas. O estudo mostra o potencial do NDVI aplicado à vegetação antártica e a significância dos parâmetros estatísticos na definição dos intervalos de classe, reduzindo a necessidade de dados de campo em áreas remotas. Os resultados do GEOBIA mostram que as subclasses têm baixa separabilidade quando considerado apenas o número digital das bandas G-R-NIR do sensor S110. E que uso combinado de dados de múltiplas camadas de informação (i.e. espectrais, índices, IHS, topográficos e texturas) potencializa a separabilidade entre as subclasses e fornece o melhor resultado para a detecção e o delineamento de diferentes tipos de vegetação, com uma acurácia geral de 0.966 e um coeficiente Kappa de 0.946. O estudo demonstra a relevância dos dados de VANT em fornecer as propriedades necessárias para a classificação eficaz da vegetação da Antártica Marítima, mesmo em imagens obtidas por sensores com baixa resolução espectral. Os resultados da relação entre as comunidades vegetais e os fatores ambientais mostram que a vegetação da área de estudo segue um gradiente altimétrico, com algas mais presentes em altitudes abaixo de 60 m e musgos e liquens mais presentes a altitudes acima de 60 m. As comunidades vegetais estão principalmente distribuídas em encostas setentrionais e em terrenos planos ou de leve inclinação, com os solos ornitogênicos mais associados a algas e musgos e o solo Lithic Haploturbels mais associado a liquens e musgos. O estudo mostra que as comunidades mapeadas são influenciadas pelos fatores ambientais investigados, e que o conjunto de informações reunidas para Hope Bay permite a setorização da área de estudo em sete geoambientes, contribuindo para o monitoramento da cobertura vegetal da Antártica frente às mudanças ambientais e auxiliando no entendimento da evolução e da estabilidade da área livre de gelo.Environmental changes in areas without permanent ice cover in Antarctica have led to rapid development of plant communities in the area, highlighting the need for effective and continuous monitoring to estimate the ever-changing dynamics of the subsystem. Due to the complexity of surface coverage of the Antarctic environment and the spatial heterogeneity and spectral homogeneity of cryptogamic vegetation, detection and mapping of vegetation by remote sensing techniques remains limited. In recent years, the advent of platforms such as unmanned aerial vehicles (UAVs) has enabled a detailed mapping of surface and geoecological characteristics, particularly in the maritime Antarctic region. As UAV images allow for a comprehensive vegetation analysis, this study aims to map and identify the characteristics of vegetal communities in Hope Bay, northern tip of the Antarctic Peninsula, by exploring remote sensing techniques and identifying the potential of ultra-high spatial resolution sensors in identifying these targets. For this reason, the following carried out: (i) assessment of the adequacy of NDVI derived from UAV, Sentinel-2 and Landsat 8 to map vegetated areas in the maritime Antarctic, setting range intervals using statistical parameters (i.e. mean and standard deviation); (ii) classification of vegetation types (i.e. algae, mosses and lichens) and subtypes by geographic object analysis and Random Forest machine learning algorithm; and (iii) assessment of the relationship between vegetation communities in the area and a set of environmental variables (e.g. altitude, slope, aspect, landform, soil, etc.) using remote sensing and geoprocessing techniques, with the division of the area into geoenvironments. NDVI results show that different sensors provide different values for the same vegetation class. NDVI classification enabled the identification of areas showing vegetation cover, and correspondence in vegetation distribution and classes can be observed across all classifications. A close association between NDVI classes and Antarctic vegetation type is identified, where lichens are generally classified in lower probability classes, and algae and moss in higher probability classes. This work shows the potential of NDVI applied to Antarctic vegetation and the significance of data statistical parameters in the selection of thresholds, reducing the need for ground-truth information in remote areas. Results from GEOBIA show that subclasses have low separability when considering only the digital number of G-R-NIR bands of S110 sensor. A combination of data from multiple layers (i.e. spectral, indices, HSI, topographic and texture) enhances the separability between subclasses and provides the best results for the detection and delineation of different vegetation types – with a general accuracy of 0.966 and a Kappa coefficient of 0.946. This study demonstrates the relevance of UAV data in providing the properties necessary for the effective classification of maritime Antarctic vegetation, even in images obtained by sensors with low spectral resolution. The results of the relationship between vegetal communities and environmental factors show that the vegetation follows an altitudinal gradient in the study area, with algae more present at altitudes below 60 m and mosses and lichens more present at altitudes above 60 m. Communities are mainly distributed on northern slopes and on flat or gently sloping; ornithogenic soils are more associated with algae and mosses and Lithic Haploturbels soil more associated with lichens and mosses. The study shows that the mapped communities are affected by the environmental factors studied, and that data gathered for Hope Bay enables the study area to be zoned in seven geo-environments, contributing for the monitoring of the Antarctic vegetation cover in the face of environmental changes and improving understanding of the evolution and stability of ice-free areas.application/pdfporSensoriamento remotoAnálise ambientalGeoprocessamentoMapeamento digitalImagens digitaisNDVIAntárticaVegetation mappingUAVGEOBIAImage classificationEnvironmental variablesLandformsZoningMapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANTinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulCentro Estadual de Pesquisas em Sensoriamento Remoto e MeteorologiaPrograma de Pós-Graduação em Sensoriamento RemotoPorto Alegre, BR-RS2020doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001122726.pdf.txt001122726.pdf.txtExtracted Texttext/plain360791http://www.lume.ufrgs.br/bitstream/10183/218020/2/001122726.pdf.txtd4ec0029686b79ff0a841baa1bf3a95aMD52ORIGINAL001122726.pdfTexto completoapplication/pdf29973023http://www.lume.ufrgs.br/bitstream/10183/218020/1/001122726.pdf0fb408ae8e39b9be6d96556f64d246c4MD5110183/2180202022-02-22 04:47:04.538218oai:www.lume.ufrgs.br:10183/218020Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T07:47:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
title Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
spellingShingle Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
Sotille, Maria Eliza
Sensoriamento remoto
Análise ambiental
Geoprocessamento
Mapeamento digital
Imagens digitais
NDVI
Antártica
Vegetation mapping
UAV
GEOBIA
Image classification
Environmental variables
Landforms
Zoning
title_short Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
title_full Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
title_fullStr Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
title_full_unstemmed Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
title_sort Mapeamento e caracterização da vegetação e geoambientes de Hope Bay, Península Antártica, usando imangens de VANT
author Sotille, Maria Eliza
author_facet Sotille, Maria Eliza
author_role author
dc.contributor.author.fl_str_mv Sotille, Maria Eliza
dc.contributor.advisor1.fl_str_mv Bremer, Ulisses Franz
contributor_str_mv Bremer, Ulisses Franz
dc.subject.por.fl_str_mv Sensoriamento remoto
Análise ambiental
Geoprocessamento
Mapeamento digital
Imagens digitais
NDVI
Antártica
topic Sensoriamento remoto
Análise ambiental
Geoprocessamento
Mapeamento digital
Imagens digitais
NDVI
Antártica
Vegetation mapping
UAV
GEOBIA
Image classification
Environmental variables
Landforms
Zoning
dc.subject.eng.fl_str_mv Vegetation mapping
UAV
GEOBIA
Image classification
Environmental variables
Landforms
Zoning
description As mudanças ambientais em áreas sem cobertura permanente de gelo na Antártica têm levado ao rápido desenvolvimento de comunidades vegetais da área, destacando a necessidade de monitoramento eficaz e contínuo para estimar a dinâmica em constante mudança deste subsistema. Devido à complexidade da cobertura superficial do ambiente antártico e a heterogeneidade espacial e homogeneidade espectral da vegetação criptogâmica, a detecção e o mapeamento da vegetação por técnicas de sensoriamento remoto ainda permanecem limitados. Nos últimos anos, o advento de plataformas como os veículos aéreos não tripulados (VANTs) tem possibilitado um mapeamento detalhado da superfície e das características geoecológicas, principalmente na região da Antártica Marítima. Como as imagens de VANT permitem análises abrangentes da vegetação, este estudo tem como objetivo mapear e identificar as características das comunidades vegetais de Hope Bay, no extremo norte da Península Antártica, explorando técnicas de sensoriamento remoto e apontando possibilidades para o uso de sensores de altíssima resolução espacial na identificação desses alvos. Para tanto, foram realizadas: (i) a avaliação da adequação do NDVI de imagens de VANT, Sentinel-2 e Landsat 8 para o mapeamento de áreas vegetadas na Antártica Marítima, com o estabelecimento de intervalos de classe por meio de parâmetros estatísticos (i.e. média e desvio padrão); (ii) a classificação de tipos (i.e. algas, musgos e liquens) e subtipos de vegetação antártica por meio da análise de imagem baseada em objetos geográficos (GEOBIA) e do algoritmo de aprendizagem de máquina Random Forest; e (iii) a avaliação da relação entre as comunidades vegetais da área e um conjunto de variáveis ambientais (e.g. altitude, declividade, aspecto, geoforma, solo, etc.) usando técnicas de sensoriamento remoto e geoprocessamento, com a divisão da área em geoambiente. Os resultados do NDVI mostram que diferentes sensores podem retornar valores diferentes para a mesma classe de vegetação. A classificação do índice permite identificar da cobertura vegetal da área de estudo, sendo que uma correspondência espacial na distribuição das classes é observada entre as classificações. Além disso, é identificada uma associação entre classes de NDVI e tipos de vegetação, onde os liquens são geralmente classificados em classes de probabilidade mais baixas e algas e musgo em classes de probabilidade mais altas. O estudo mostra o potencial do NDVI aplicado à vegetação antártica e a significância dos parâmetros estatísticos na definição dos intervalos de classe, reduzindo a necessidade de dados de campo em áreas remotas. Os resultados do GEOBIA mostram que as subclasses têm baixa separabilidade quando considerado apenas o número digital das bandas G-R-NIR do sensor S110. E que uso combinado de dados de múltiplas camadas de informação (i.e. espectrais, índices, IHS, topográficos e texturas) potencializa a separabilidade entre as subclasses e fornece o melhor resultado para a detecção e o delineamento de diferentes tipos de vegetação, com uma acurácia geral de 0.966 e um coeficiente Kappa de 0.946. O estudo demonstra a relevância dos dados de VANT em fornecer as propriedades necessárias para a classificação eficaz da vegetação da Antártica Marítima, mesmo em imagens obtidas por sensores com baixa resolução espectral. Os resultados da relação entre as comunidades vegetais e os fatores ambientais mostram que a vegetação da área de estudo segue um gradiente altimétrico, com algas mais presentes em altitudes abaixo de 60 m e musgos e liquens mais presentes a altitudes acima de 60 m. As comunidades vegetais estão principalmente distribuídas em encostas setentrionais e em terrenos planos ou de leve inclinação, com os solos ornitogênicos mais associados a algas e musgos e o solo Lithic Haploturbels mais associado a liquens e musgos. O estudo mostra que as comunidades mapeadas são influenciadas pelos fatores ambientais investigados, e que o conjunto de informações reunidas para Hope Bay permite a setorização da área de estudo em sete geoambientes, contribuindo para o monitoramento da cobertura vegetal da Antártica frente às mudanças ambientais e auxiliando no entendimento da evolução e da estabilidade da área livre de gelo.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-02-19T04:04:43Z
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.uri.fl_str_mv http://hdl.handle.net/10183/218020
dc.identifier.nrb.pt_BR.fl_str_mv 001122726
url http://hdl.handle.net/10183/218020
identifier_str_mv 001122726
dc.language.iso.fl_str_mv por
language por
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/218020/2/001122726.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/218020/1/001122726.pdf
bitstream.checksum.fl_str_mv d4ec0029686b79ff0a841baa1bf3a95a
0fb408ae8e39b9be6d96556f64d246c4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309175044014080