Trajetória evolutiva das áreas de eucalyptus no estado do Rio de Janeiro entre os anos de 1985 a 2020

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVicens, Raul Sanchez-
Autor(es): dc.contributorAlmeida, Paula Maria Moura de-
Autor(es): dc.contributorBohrer, Claudio Belmonte de Athayde-
Autor(es): dc.contributorVieira, Rômulo Weckmuller-
Autor(es): dc.contributorCruz, Carla Bernadete Madureira-
Autor(es): dc.creatorFerraz, Debora da Paz Gomes Brandão-
Data de aceite: dc.date.accessioned2025-01-03T11:40:33Z-
Data de disponibilização: dc.date.available2025-01-03T11:40:33Z-
Data de envio: dc.date.issued2024-07-25-
Data de envio: dc.date.issued2024-07-25-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/33674-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/919580-
Descrição: dc.descriptionA silvicultura, entre ela a plantação de Eucalipto, como resposta à demanda por produtos florestais, necessita de um planejamento cuidadoso e monitoramento para mitigar impactos socioambientais. O Sensoriamento Remoto multitemporal se consolida como um meio importante para monitorar as mudanças na cobertura e uso da terra. Essa análise se torna particularmente relevante na silvicultura de Eucalipto, onde séries temporais são cada vez mais utilizadas para mapear áreas plantadas, estimar parâmetros biofísicos e detectar perturbações nas plantações. A combinação do Sensoriamento Remoto multitemporal, algoritmos de detecção de mudanças e modelagem do conhecimento do manejo das áreas de Eucalipto, abordados no presente trabalho, se configura como uma promissora estratégia para identificação e compreensão dessas áreas ao longo do tempo. Neste sentido, o principal objetivo deste trabalho consiste em fazer uma análise com suporte de Sensoriamento Remoto multitemporal, da evolução da área plantada de Eucalipto no estado do Rio de Janeiro, no período 1985 – 2020. Para isso, foi realizado um teste metodológico com a finalidade de avaliar o desempenho de dois classificadores: o Landtrendr combinado com GEOBIA (LT-GEE e GEOBIA) e o Random Forest (RF), com imagens Landsat. A análise revelou que o LT-GEE (acurácia global de 0.988, um Kappa de 0.955, e um F-Score de 0,975), obteve uma precisão classificatória ligeiramente superior em comparação ao algoritmo RF (acurácia global de 0,954, um Kappa de 0,822 e um F-score de 0,849). A partir disso foi feito um mapeamento das áreas de Eucalipto de todo o estado do Rio de Janeiro, mostrando seu padrão de ocupação em pequenas áreas, e a análise da sua distribuição, em relação as Unidade Paisagem e fatores físico-geográficos como altitude, declividade e a distância as estradas. A identificação do ano inicial do plantio permitiu analisar a evolução recentre (1985 -2020) da área plantada de Eucalipto por município e mostrou ter quatro períodos de comportamento distintos. Para compreender essa trajetória, é importante correlacioná-la com os impulsionadores ou inibidores dessa prática silvicultural ao longo do tempo. As áreas de Eucalipto no estado do Rio de Janeiro são dinâmicas, refletindo a interação de diversos fatores, como políticas públicas, demanda de mercado, características naturais e manejo adequado.-
Descrição: dc.descriptionSilviculture, including Eucalyptus plantation, as a response to the demand for forest products, requires careful planning and monitoring to mitigate socio-environmental impacts. Multitemporal Remote Sensing has emerged as a crucial means to monitor changes in land cover and use. This analysis is particularly relevant in Eucalyptus silviculture, where time series data are increasingly used to map planted areas, estimate biophysical parameters, and detect disturbances. The combination of multitemporal Remote Sensing, change detection algorithms, and modeling of Eucalyptus management knowledge, addressed in this study, proves to be a promising strategy for identification and understanding of these areas over time. In this context, the main objective is to conduct an analysis supported by multitemporal Remote Sensing, focusing on the evolution of Eucalyptus plantation areas in the state of Rio de Janeiro from 1985 to 2020. For this purpose, a methodological test was conducted to evaluate the performance of two classifiers: Landtrendr combined with GEOBIA (LT-GEE and GEOBIA) and Random Forest (RF), using Landsat images. The analysis revealed that LT-GEE (overall accuracy of 0.988, Kappa of 0.955, and F-Score of 0.975) achieved slightly higher classification accuracy compared to the RF algorithm (overall accuracy of 0.954, Kappa of 0.822, and F-score of 0.849). Subsequently, a mapping of Eucalyptus areas across the entire state of Rio de Janeiro was conducted, revealing their pattern of occupation in small areas, and an analysis of their distribution in relation to Landscape Units and physical-geographic factors such as altitude, slope, and distance to roads. The identification of the initial planting year allowed for an analysis of the recent evolution (1985-2020) of Eucalyptus plantation areas by municipality, revealing four distinct periods of behavior. To comprehend this trajectory, it is crucial to correlate it with the drivers or inhibitors of this silvicultural practice over time. Eucalyptus areas in the state of Rio de Janeiro are dynamic, reflecting the interaction of various factors such as public policies, market demand, natural characteristics, and proper management.-
Descrição: dc.description134 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectTrajetória Evolutiva-
Palavras-chave: dc.subjectEucalipto-
Palavras-chave: dc.subjectSensoriamento Remoto Multitemporal-
Palavras-chave: dc.subjectAprendizado de Máquina-
Palavras-chave: dc.subjectSilvicultura-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectManejo de floresta-
Palavras-chave: dc.subjectEvolutionary Trajectory-
Palavras-chave: dc.subjectMultitemporal Remote Sensing-
Palavras-chave: dc.subjectEucalipto-
Palavras-chave: dc.subjectMachine Learning-
Título: dc.titleTrajetória evolutiva das áreas de eucalyptus no estado do Rio de Janeiro entre os anos de 1985 a 2020-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.