Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/11/11150/tde-10122024-103914/ |
Resumo: | Este estudo investiga o papel crucial do Sensor de Global Ecosystem Dynamics Investigation (GEDI) na caracterização do perfil vertical da vegetação em Florestas Tropicais Sazonalmente Secas (FTSS) e na distinção entre as zonas de transição Mata Atlântica-Caatinga, mostrando que variações de precipitação geram respostas significativas na estrutura da vegetação, detectáveis e quantificáveis pelas métricas do GEDI; a relação entre as mudanças nos padrões de precipitação (\"dança das isoetas\") e a perda de biomassa florestal é evidente nas zonas de Mata Atlântica e Caatinga em Pernambuco, influenciando o sequestro de carbono e revelando impactos potenciais das mudanças climáticas, sendo essencial compreender essa interação para prever as implicações das mudanças climáticas na vegetação das FTSS ao longo do tempo. A metodologia envolveu três etapas principais: coleta de dados GEDI da plataforma Earthdata da NASA para a região do Parque Nacional do Catimbau e Mata Atlântica Pernambucana, nos anos de 2020 a 2022, processados utilizando o pacote rGEDI no software R; pré-processamento dos dados GEDI, incluindo a geolocalização das formas de onda (L1A), identificação da elevação do terreno e da altura do topo da copa (L2A), e cálculo de métricas da copa e do perfil vertical da folhagem (L2B); e análise estatística geoespacial para as métricas RH100 (altura relativa) e PAI (Índice de Área da Planta), analisadas em termos de valores máximos, mínimos, média e desvio padrão; além disso, foram utilizadas imagens dos satélites Sentinel-1 e Sentinel-2 para predição de biomassa através de machine learning no Google Earth Engine, com variáveis preditivas incluindo bandas de polarização VV e VH, elevação do terreno, declividade, e cobertura de árvores do WorldCover. Os resultados indicam que os dados do GEDI são úteis para analisar a estrutura da vegetação em diferentes contextos climáticos, com variações na biomassa de 5,9 a 22,4 Mgha-1 de acordo com a literatura e refletindo a influência da precipitação, com maiores valores de biomassa nas áreas costeiras e menores no interior; para pesquisas futuras, recomenda-se a aplicação de índices de vegetação para prever a biomassa nessas regiões, evitando a necessidade de etapas adicionais de aquisição de dados sobre a vegetação, além do desenvolvimento de modelos de predição de biomassa baseados em dados de precipitação, com este estudo fornecendo a base para tais modelos. |
id |
USP_d98ff1abdb879708a244a6cfe4bb5a9d |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-10122024-103914 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e CaatingaEffect of changes in precipitation patterns on the total area and biomass of the Atlantic Forest and CaatingaCaatingaCaatingaClimate changeGEDIGEDIMudança do climaRemote sensingSensoriamento remotoEste estudo investiga o papel crucial do Sensor de Global Ecosystem Dynamics Investigation (GEDI) na caracterização do perfil vertical da vegetação em Florestas Tropicais Sazonalmente Secas (FTSS) e na distinção entre as zonas de transição Mata Atlântica-Caatinga, mostrando que variações de precipitação geram respostas significativas na estrutura da vegetação, detectáveis e quantificáveis pelas métricas do GEDI; a relação entre as mudanças nos padrões de precipitação (\"dança das isoetas\") e a perda de biomassa florestal é evidente nas zonas de Mata Atlântica e Caatinga em Pernambuco, influenciando o sequestro de carbono e revelando impactos potenciais das mudanças climáticas, sendo essencial compreender essa interação para prever as implicações das mudanças climáticas na vegetação das FTSS ao longo do tempo. A metodologia envolveu três etapas principais: coleta de dados GEDI da plataforma Earthdata da NASA para a região do Parque Nacional do Catimbau e Mata Atlântica Pernambucana, nos anos de 2020 a 2022, processados utilizando o pacote rGEDI no software R; pré-processamento dos dados GEDI, incluindo a geolocalização das formas de onda (L1A), identificação da elevação do terreno e da altura do topo da copa (L2A), e cálculo de métricas da copa e do perfil vertical da folhagem (L2B); e análise estatística geoespacial para as métricas RH100 (altura relativa) e PAI (Índice de Área da Planta), analisadas em termos de valores máximos, mínimos, média e desvio padrão; além disso, foram utilizadas imagens dos satélites Sentinel-1 e Sentinel-2 para predição de biomassa através de machine learning no Google Earth Engine, com variáveis preditivas incluindo bandas de polarização VV e VH, elevação do terreno, declividade, e cobertura de árvores do WorldCover. Os resultados indicam que os dados do GEDI são úteis para analisar a estrutura da vegetação em diferentes contextos climáticos, com variações na biomassa de 5,9 a 22,4 Mgha-1 de acordo com a literatura e refletindo a influência da precipitação, com maiores valores de biomassa nas áreas costeiras e menores no interior; para pesquisas futuras, recomenda-se a aplicação de índices de vegetação para prever a biomassa nessas regiões, evitando a necessidade de etapas adicionais de aquisição de dados sobre a vegetação, além do desenvolvimento de modelos de predição de biomassa baseados em dados de precipitação, com este estudo fornecendo a base para tais modelos.This study investigates the crucial role of the Global Ecosystem Dynamics Investigation (GEDI) sensor in characterizing the vertical profile of vegetation in Seasonally Dry Tropical Forests (SDTF) and distinguishing between the transition zones of the Atlantic Forest-Caatinga, demonstrating that variations in precipitation generate significant responses in vegetation structure, detectable and quantifiable by GEDI metrics. The relationship between changes in precipitation patterns (\"dance of the isohyets\") and forest biomass loss is evident in the Atlantic Forest and Caatinga zones in Pernambuco, influencing carbon sequestration and revealing potential impacts of climate change. Understanding this interaction is essential to predict the implications of climate change on SDTF vegetation over time. The methodology involved three main steps: collecting GEDI data from NASA\'s Earthdata platform for the region of the Catimbau National Park and the Pernambuco Atlantic Forest from 2020 to 2022, processed using the rGEDI package in R software; pre-processing GEDI data, including geolocation of waveforms (L1A), identification of terrain elevation and canopy top height (L2A), and calculation of canopy and vertical foliage profile metrics (L2B); and geospatial statistical analysis of RH100 (relative height) and PAI (Plant Area Index) metrics, analyzed in terms of maximum, minimum, mean, and standard deviation values. Additionally, images from Sentinel-1 and Sentinel-2 satellites were used for biomass prediction through machine learning in Google Earth Engine, with predictive variables including VV and VH polarization bands, terrain elevation, slope, and tree cover from WorldCover. The results indicate that GEDI data are useful for analyzing vegetation structure in different climatic contexts, with biomass variations from 5.9 to 22.4 Mg ha-1 according to the literature and reflecting the influence of precipitation, with higher biomass values in coastal areas and lower in the interior. For future research, it is recommended to apply vegetation indices to predict biomass in these regions, avoiding the need for additional steps of acquiring vegetation data, as well as developing biomass prediction models based on precipitation data, with this study providing the foundation for such models.Biblioteca Digitais de Teses e Dissertações da USPRodriguez, Luiz Carlos EstravizMonteiro Junior, Jose Jorge2024-09-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/11/11150/tde-10122024-103914/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-12-10T20:10:02Zoai:teses.usp.br:tde-10122024-103914Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-12-10T20:10:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga Effect of changes in precipitation patterns on the total area and biomass of the Atlantic Forest and Caatinga |
title |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
spellingShingle |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga Monteiro Junior, Jose Jorge Caatinga Caatinga Climate change GEDI GEDI Mudança do clima Remote sensing Sensoriamento remoto |
title_short |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
title_full |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
title_fullStr |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
title_full_unstemmed |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
title_sort |
Efeito das mudanças no padrão de precipitação na área total e biomassa da Mata Atlântica e Caatinga |
author |
Monteiro Junior, Jose Jorge |
author_facet |
Monteiro Junior, Jose Jorge |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodriguez, Luiz Carlos Estraviz |
dc.contributor.author.fl_str_mv |
Monteiro Junior, Jose Jorge |
dc.subject.por.fl_str_mv |
Caatinga Caatinga Climate change GEDI GEDI Mudança do clima Remote sensing Sensoriamento remoto |
topic |
Caatinga Caatinga Climate change GEDI GEDI Mudança do clima Remote sensing Sensoriamento remoto |
description |
Este estudo investiga o papel crucial do Sensor de Global Ecosystem Dynamics Investigation (GEDI) na caracterização do perfil vertical da vegetação em Florestas Tropicais Sazonalmente Secas (FTSS) e na distinção entre as zonas de transição Mata Atlântica-Caatinga, mostrando que variações de precipitação geram respostas significativas na estrutura da vegetação, detectáveis e quantificáveis pelas métricas do GEDI; a relação entre as mudanças nos padrões de precipitação (\"dança das isoetas\") e a perda de biomassa florestal é evidente nas zonas de Mata Atlântica e Caatinga em Pernambuco, influenciando o sequestro de carbono e revelando impactos potenciais das mudanças climáticas, sendo essencial compreender essa interação para prever as implicações das mudanças climáticas na vegetação das FTSS ao longo do tempo. A metodologia envolveu três etapas principais: coleta de dados GEDI da plataforma Earthdata da NASA para a região do Parque Nacional do Catimbau e Mata Atlântica Pernambucana, nos anos de 2020 a 2022, processados utilizando o pacote rGEDI no software R; pré-processamento dos dados GEDI, incluindo a geolocalização das formas de onda (L1A), identificação da elevação do terreno e da altura do topo da copa (L2A), e cálculo de métricas da copa e do perfil vertical da folhagem (L2B); e análise estatística geoespacial para as métricas RH100 (altura relativa) e PAI (Índice de Área da Planta), analisadas em termos de valores máximos, mínimos, média e desvio padrão; além disso, foram utilizadas imagens dos satélites Sentinel-1 e Sentinel-2 para predição de biomassa através de machine learning no Google Earth Engine, com variáveis preditivas incluindo bandas de polarização VV e VH, elevação do terreno, declividade, e cobertura de árvores do WorldCover. Os resultados indicam que os dados do GEDI são úteis para analisar a estrutura da vegetação em diferentes contextos climáticos, com variações na biomassa de 5,9 a 22,4 Mgha-1 de acordo com a literatura e refletindo a influência da precipitação, com maiores valores de biomassa nas áreas costeiras e menores no interior; para pesquisas futuras, recomenda-se a aplicação de índices de vegetação para prever a biomassa nessas regiões, evitando a necessidade de etapas adicionais de aquisição de dados sobre a vegetação, além do desenvolvimento de modelos de predição de biomassa baseados em dados de precipitação, com este estudo fornecendo a base para tais modelos. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-09-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/11/11150/tde-10122024-103914/ |
url |
https://www.teses.usp.br/teses/disponiveis/11/11150/tde-10122024-103914/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1818598122718232576 |