Navegar por:

Mapeamento da degradação florestal causada pela exploração seletiva de madeira na Amazônia Legal por meio de dados SAR multitemporais em banda X e técnicas de Aprendizado de Máquina

Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/910115
Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSano, Edson Eyji-
Autor(es): dc.contributorBispo, Polyanna da Conceição-
Autor(es): dc.creatorKuck, Tahisa Neitzel-
Data de aceite: dc.date.accessioned2024-10-23T16:30:10Z-
Data de disponibilização: dc.date.available2024-10-23T16:30:10Z-
Data de envio: dc.date.issued2022-03-29-
Data de envio: dc.date.issued2022-03-29-
Data de envio: dc.date.issued2022-03-29-
Data de envio: dc.date.issued2021-12-15-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/43164-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/910115-
Descrição: dc.descriptionTese (doutorado) — Universidade de Brasília, Instituto de Geociências, Pós-Graduação em Geociências Aplicadas, 2021.-
Descrição: dc.descriptionUso da terra, mudanças de uso da terra e degradação de florestas têm sido historicamente os setores que mais contribuem com as emissões de gases de efeito estufa no Brasil, segundo o Sistema de Estimativas de Emissões e Remoções de Gases de Efeito Estufa (SEEG). Por isso, a necessária contenção do aumento das emissões está intimamente relacionada com o controle e combate do desmatamento e degradação florestal. O Brasil, através do Instituto Nacional de Pesquisas Espaciais (INPE), monitora o desmatamento na Amazônia brasileira desde a década de 1980 (projeto PRODES). Desde 2012, percebe-se um aumento nas taxas de desmatamento, principalmente nos últimos dois anos (2019 e 2020), o que evidencia o risco de não atingimento da meta de redução de emissões assinada pelo país no Acordo de Paris em 2015. O INPE também conta com um sistema de emissão de alertas de degradação florestal para a Amazônia (projeto DEGRAD) e para fins de fiscalização em campo. Apesar de não ter a finalidade principal de quantificar área degradada, dados desse projeto têm apresentado taxas semelhantes às do desmatamento por corte raso. A degradação ocorre majoritariamente pela queima florestal e atividade madeireira. A limitação de ambos os sistemas reside no fato de serem baseados em dados de sensores ópticos, os quais sofrem interferência da cobertura de nuvens, principalmente na estação chuvosa, que vai de outubro a abril. Para suprir essa deficiência, esta pesquisa busca o desenvolvimento de metodologia de detecção e qualificação da intensidade de degradação proveniente da atividade de extração madeireira na Amazônia brasileira baseado em dados de radares de abertura sintética (SAR) em banda X do satélite italiano COSMO-SkyMed. Os dados SAR são capazes de imagear a superfície terrestre mesmo em condições meteorológicas adversas. A área de estudo selecionada está localizada na Floresta Nacional do Jamari, estado de Rondônia, onde são encontradas concessões florestais em que a exploração florestal é feita de forma planejada e controlada por empresas autorizadas. As imagens de radar foram processadas pelos seguintes métodos de classificação não-paramétrica baseados em Aprendizado de Máquina: Random Forest, AdaBoost e Multilayer Perceptron (MLP), o qual é baseado em Redes Neurais Artificiais (Artificial Neural Networks - ANN), incluindo redes convolucionais pré-treinadas sobre atributos extraídos pelo analista e pela própria rede neural. Esses métodos de Aprendizado de Máquina foram selecionados por serem capazes de classificar dados não linearmente separáveis e por permitirem aumentos significativos na acurácia e precisão da classificação em relação aos métodos tradicionais, de acordo com a literatura atual. Os melhores resultados foram obtidos quando a MLP-ANN foi aplicada com 50 neurônios na camada oculta, utilizando a função de ativação Rectified Linear Unit (ReLU) e otimizador de peso Stochastic Gradient Descent (SGD), apresentando 88% de acurácia tanto para o par de imagens utilizado para o treinamento da rede (imagens adquiridas em junho e outubro) quanto para o teste de generalização, aplicado em um segundo conjunto de dados (imagens adquiridas em janeiro e junho). Nos testes utilizando redes neurais convolucionais, embora as diferenças entre os embedders testados tenham sido inferiores a 5%, os testes sobre a composição RGB (R = coeficiente de variação; G = valores mínimos; e B = gradiente) apresentaram os melhores resultados, em particular utilizando o embedder Painters (acurácia: 92%; e precisão: ~ 92%), mesmo nos testes de capacidade de generalização, que apresentaram índice de exatidão global de 87%, e no teste sobre os RGB provenientes do par de imagens não-filtradas (acurácia e precisão em torno de 90%). Este estudo mostrou que as imagens SAR na banda X, em conjunto com técnicas de Aprendizado de Máquina, podem ser usadas com precisão para detectar atividades de extração seletiva na Amazônia brasileira. Métodos de agrupamento dessas detecções podem permitir ainda estimar a intensidade de exploração, desde que se obtenha a correlação entre essa intensidade e as áreas de clareiras decorrentes de exploração seletiva legal ou ilegal.-
Descrição: dc.descriptionLand use, land use changes and forest degradation have historically been the sectors that contribute mostly to the greenhouse gas emissions in Brazil, according to the Greenhouse Gas Emissions and Removal Estimates System. Therefore, the necessary reduction of the increase of emissions is closely related to the control and combat of deforestation and forest degradation. Brazil, through the National Institute for Space Research (INPE), has monitored deforestation in the Brazilian Amazon since the 1980s (PRODES project). Since 2012, there is an increase in the deforestation rates, mainly in the last two years (2019 and 2020), showing a risk of not achieving the emission reduction target signed by the country in the Paris Agreement in 2015. INPE also has another system of forest degradation alerts for the Brazilian Amazon (DEGRAD project), mainly to attend the purposes of environmental law enforcements in the field. Though it does not have purpose of quantifying the rates of forest degradation, data from this project have shown rates similar to those of clear-cut deforestation. The degradation occurs mainly due to the forest burning and selective logging. The limitation of both systems is related to the fact that they are based on optical data, which are sensitive to the cloud cover conditions, mainly in the rainy season, from October to April. In order to overcome such limitation, this research proposes the development of a system for detecting and qualifying degradation intensity from the logging activity in the Brazilian Amazon based on X-band synthetic aperture radar (SAR) data acquired by the Italian COSMO- SkyMed satellite. SAR data are able to image the Earth surface even in adverse weather conditions. The study area is located in the National Forest of Jamari, Rondônia State, where we can find forest concessions in which timber exploration by authorized companies is planned and controlled. The SAR images were processed by the following non- parametric classifiers: Random Forest, AdaBoost and Multilayer Perceptron Artificial Neural Networks (MLP-ANN), including pre-trained convolutional networks of attributes extracted by the analyst and by the neural network itself. These machine learning methods were selected because they are able to classify non-linearly separable data and to present improved accuracies and precisions in the image classification, in comparison with the traditional methods, according to the current literature. The best results were obtained when MLP-ANN was applied with 50 neurons in the hidden layer, using the Rectified Linear Unit (ReLU) activation function and Stochastic Gradient Descent (SGD) weight optimizer. We found 88% accuracy for both pairs of images used in the network training (images acquired in June and October) and in the generalization test, applied to a second data set (images acquired in January and June). In tests using convolutional neural networks, although the differences between the tested embedders were lower than 5%, the tests on the RGB composition (R = coefficient of variation; G = minimum values; and B = gradient) showed the best results, particularly those using the embedder painters (accuracy: 92%; and precision: ~ 92%), even in the generalizability tests, which presented an overall accuracy index of 87%, and in the test on the RGB from the pair of non-filtered images (accuracy and precision of approximately 90%). This study showed that X-band SAR images, in conjunction with machine learning techniques, can be used accurately to detect selective logging activities in the Brazilian Amazon. The clustering methods of these detections can allow estimation of exploration intensity, as long as the correlation between this exploration and the area of clearings is obtained for different types of legal and illegal selective loggings.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectMadeira - extração seletiva-
Palavras-chave: dc.subjectRadar de abertura sintética-
Palavras-chave: dc.subjectBanda X-
Palavras-chave: dc.subjectMonitoramento de floresta tropical-
Palavras-chave: dc.subjectAprendizado de máquina-
Título: dc.titleMapeamento da degradação florestal causada pela exploração seletiva de madeira na Amazônia Legal por meio de dados SAR multitemporais em banda X e técnicas de Aprendizado de Máquina-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.
Mostrar registro simples do item Visualizar estatísticas

Avaliação