Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVicens, Raúl Sanchez-
Autor(es): dc.contributorCruz, Carla Bernadete Madureira-
Autor(es): dc.contributorArruda Júnior, Elias Ribeiro-
Autor(es): dc.contributorCronemberger, Felipe Mendes-
Autor(es): dc.contributorCarvalho Júnior, Osmar Abílio de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6674481474470901-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8745326804306646-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9528610534584200-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1447602598339025-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3305451354946309-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5572269831914055-
Autor(es): dc.creatorWeckmüller, Rômulo-
Data de aceite: dc.date.accessioned2024-07-11T18:12:00Z-
Data de disponibilização: dc.date.available2024-07-11T18:12:00Z-
Data de envio: dc.date.issued2020-04-17-
Data de envio: dc.date.issued2020-04-17-
Data de envio: dc.date.issued2018-08-23-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/13336-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.22409/POSGEO.2018.d.11616378778-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/765606-
Descrição: dc.descriptionO entendimento de como os sistemas terrestres evoluem é importante na busca de estratégia que otimizem a utilização dos recursos naturais e minimizem os impactos ambientais. O monitoramento das mudanças da cobertura vegetal e do uso da terra, através de técnicas de sensoriamento remoto tem sido fundamental neste sentido. Com a disponibilização de todo o acervo de imagens do programa Landsat/NASA, melhoras na qualidade dos dados e o surgimento de novos algoritmos constituem um avanço metodológico que supera as limitações espaciais e temporais dos métodostradicionais de detecção de mudanças. O objetivo principal desta tese é contribuir metodologicamente para o monitoramento dos sistemas terrestres através de técnicas de sensoriamento remoto, utilizando todo o acervo disponível de imagens Landsat, numa abordagem com base na trajetória espectral do pixel em séries temporais. Para tal, a detecção de mudanças baseada em trajetórias foi utilizada através do algoritmo LandTrendr, para detectar mudanças nas coberturas florestais do estado do Rio de Janeiro entre 1984 e 2016, identificando diferentes tipos de perturbações (desmatamentos e recuperações) e classificando as florestas secundárias quanto ao tempo de regeneração. De uma maneira geral observou-se 58.969 ha de trajetórias de mudanças florestais no estado do Rio de Janeiro, destas 64% são perdas florestais e 36% regenerações. Este mapeamento alcançou 70% de exatidão global. No litoral, os desmatamentos são antigos e mais abruptos enquanto que no interior as perdas florestais também são antigas, porém graduais, configurando uma constante degradação da paisagem. As recuperações florestais no estado são mais recorrentes no norte fluminense, possivelmente associadas a abandonos de terras agrícolas. As florestas secundárias mais antigas estão próximas ao litoral (Região dos Lagos) enquanto que as mais recentes estão no interior (Região do "Vale do Café" e Região Serrana). Foi desenvolvido um mapa síntese com as características das trajetórias. Apenas a Região dos Lagos tem tendências de recuperação florestal, enquanto que as regiões no interior do estado têm tendências de perda de vegetação, e as regiões próximas ao litoral tendências de estabilidade, ou seja, taxas de ganho e perda muito parecidas-
Descrição: dc.descriptionCAPES-
Descrição: dc.descriptionUnderstanding how terrestrial systems evolve is important in pursuing strategies that optimize the use of natural resources and minimize environmental impacts. Monitoring vegetation cover and land use changes through remote sensing techniques has been crucial in this regard. With the availability of the entire Landsat/NASA image collection, improvements in data quality and the emergence of new algorithms constitute a methodological advance that overcomes the spatial and temporal limitations of traditional methods of change detection. The main objective of this thesis is to contribute methodologically to the monitoring of terrestrial systems through remote sensing techniques, using all the available collection of Landsat images, in an approach based on time series. For this trajectory-based change detection was used through the LandTrendr algorithm to detect changes in forest cover in Rio de Janeiro's state between 1984 and 2016, identifying different types of disturbances (deforestation and recovery) and classifying age of secondary forests. In a general way observed of 58969 hectares of forest changes in the state of Rio de Janeiro, these are 64% of forests and 36% of regenerations. On the coast, deforestation is old and more abrupt, while inland forest losses are also old but gradual, creating a constant degradation of the landscape. Forest recoveries in the Rio de Janeiro's state are more recurrent in the north, possibly associated with abandonment of agricultural land. The oldest secondary forests are close to the coast (Lagos region) while the most recent are in the interior (Café valley and Serrana region). A synthesis map was developed with trajectory characteristics. Only the Lagos region has forest recovery tendencies, whereas the regions in the interior of the state have tendencies of loss of vegetation, and the regions near the coastal tendencies of stability, that is, rates of gain and loss very similar-
Descrição: dc.description123f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectDetecção de mudanças-
Palavras-chave: dc.subjectSéries temporais-
Palavras-chave: dc.subjectLandTrendr-
Palavras-chave: dc.subjectDetecção de mudanças-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectVegetação-
Palavras-chave: dc.subjectProdução intelectual-
Palavras-chave: dc.subjectRemote sensing-
Palavras-chave: dc.subjectChange detection-
Palavras-chave: dc.subjectTime series-
Palavras-chave: dc.subjectLandsat-
Título: dc.titleTrajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr-
Título: dc.titleTime series forest change detection using Landtrendr: study of case in the state of Rio de Janeiro-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.