Fechar
Metadados

@MastersThesis{Silveira:2018:UsDaSe,
               author = "Silveira, Hilton Lu{\'{\i}}s Ferraz da",
                title = "Uso de dados do sensor MSI/Sentinel-2 e de LiDAR aerotransportado 
                         para mapeamento de fitofisionomias de caatinga e estudo das 
                         rela{\c{c}}{\~o}es com atributos 
                         f{\'{\i}}sico-qu{\'{\i}}micos dos solos",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2018",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2018-05-29",
             keywords = "caatinga, fitofisionomias, random forest, sentinel-2, an{\'a}lise 
                         por componentes principais, lidar, solos, phytophysiognomies, 
                         principal component analysis.",
             abstract = "A Caatinga, vegeta{\c{c}}{\~a}o natural adaptada {\`a}s 
                         condi{\c{c}}{\~o}es do semi{\'a}rido brasileiro, possui 
                         fitofisionomias variadas de dif{\'{\i}}cil mapeamento, cuja 
                         distribui{\c{c}}{\~a}o {\'e} influenciada pelas 
                         caracter{\'{\i}}sticas pluviom{\'e}tricas e pedol{\'o}gicas 
                         locais. No presente estudo, testou-se o potencial de dados 
                         multi-temporais do sensor MSI/Sentinel-2, obtidos em quatro datas 
                         de 2015 a 2016 (per{\'{\i}}odo chuvoso e seco), juntamente com 
                         observa{\c{c}}{\~o}es LiDAR, para o mapeamento de sete 
                         fitofisionomias da Caatinga. A {\'a}rea de estudo est{\'a} 
                         localizada no Estado de Pernambuco. Usando um mapa de 
                         refer{\^e}ncia da vegeta{\c{c}}{\~a}o e o classificador Random 
                         Forest (RF), avaliou-se, em primeiro lugar, a capacidade do 
                         MSI/Sentinel-2 em mapear fitofisionomias de Caatinga e os 
                         eventuais ganhos na classifica{\c{c}}{\~a}o decorrentes do uso 
                         de dados multi-temporais sobre dados monotemporais 
                         (per{\'{\i}}odo chuvoso ou seco); do uso de {\'{\i}}ndices de 
                         vegeta{\c{c}}{\~a}o sobre dados de reflect{\^a}ncia; e da 
                         incorpora{\c{c}}{\~a}o de m{\'e}tricas derivadas de dados 
                         LiDAR. Estudou-se tamb{\'e}m a exist{\^e}ncia de 
                         poss{\'{\i}}veis rela{\c{c}}{\~o}es espaciais entre a 
                         vegeta{\c{c}}{\~a}o mapeada por RF e 20 atributos 
                         f{\'{\i}}sico-qu{\'{\i}}micos determinados de 75 perfis de 
                         solos, que foram submetidos {\`a} An{\'a}lise por Componentes 
                         Principais (ACP) e procedimentos de krigeagem. Os resultados 
                         mostraram que: n{\~a}o h{\'a} diferen{\c{c}}as entre as 
                         classifica{\c{c}}{\~o}es dos per{\'{\i}}odos seco e chuvoso; 
                         classifica{\c{c}}{\~o}es com dados multi-temporais s{\~a}o 
                         superiores {\`a}s que utilizam apenas dados monotemporais; os 
                         {\'{\i}}ndices de vegeta{\c{c}}{\~a}o, por resultarem em 
                         classifica{\c{c}}{\~o}es semelhantes aos dados de 
                         reflect{\^a}ncia, podem substituir estes {\'u}ltimos com menor 
                         volume de dados; dados LiDAR melhoram a classifica{\c{c}}{\~a}o 
                         das classes arb{\'o}rea aberta (Aa) em 11,1%, das arb{\'o}rea 
                         rala (Ar) em 18,5% e das subarbustivas (S) em 10,7%. Foram 
                         encontradas diferen{\c{c}}as estatisticamente significativas 
                         entre os atributos do solo carbono org{\^a}nico, capacidade de 
                         troca cati{\^o}nica, capacidade de campo, profundidade do solo, 
                         porosidade e % de terra fina, cascalho e calhau entre 
                         fitofisionomias arb{\'o}reas e subarbustivas. ABSTRACT: Caatinga 
                         is a natural semi-arid vegetation type, which occupies great part 
                         of northeastern region of Brazil. This ecosystem contains a 
                         variety of phytophysiognomies of difficult mapping with their 
                         occurrence influenced by local rainfall and soil attributes. This 
                         work verified the potential use of multi-temporal data from the 
                         MSI/Sentinel-2, obtained in four dates between 2015 and 2016 
                         (rainy to dry seasons), along with LiDAR observations, for mapping 
                         seven Caatinga´s phytophysiognomies in a study area located in the 
                         state of Pernambuco. Using a vegetation reference map and Random 
                         Forest (RF) classification, eventual gains in classification 
                         accuracy have been evaluated from multi-temporal over 
                         mono-temporal MSI data (rainy and dry seasons); from adding 
                         vegetation indices into the analyses; and from inserting LiDAR 
                         metrics into the classification. The relationships between the 
                         mapped vegetation by RF and 20 physico-chemical attributes of 75 
                         soil profiles were studied by using principal component analysis 
                         (PCA) and ordinary kriging. The results showed that: (a) there 
                         were no differences in classification accuracy between the dry and 
                         rainy seasons; (b) multi-temporal data improved classification 
                         accuracy compared to mono-temporal observations; (c) a smaller 
                         number of vegetation indices had similar classification 
                         performance than a greater number of reflectance of bands; and (d) 
                         LiDAR metrics improved classification accuracy of arboreous and 
                         sub-shrub classes (11,1% and 10,7% respectively). Statistically 
                         significant differences were observed in organic carbon content, 
                         cation exchange capacity, water retention at field capacity, 
                         horizon thickness, soil porosity and rock fragments (% pebble, 
                         gravel, fine-earth fraction) between these two types of 
                         phytophysiognomies (arboreous and sub-shrub classes).",
            committee = "Ponzoni, Fl{\'a}vio Jorge (presidente) and Galv{\~a}o, 
                         L{\^e}nio Soares (orientador) and Sanches, Ieda Del' Arco 
                         (orientadora) and Formaggio, Ant{\^o}nio Roberto and S{\'a}, 
                         Iedo Bezerra",
         englishtitle = "Use of MSI/Sentinel-2 and airborne LiDAR data for mapping caatinga 
                         phytophysiognomies and studying their relationships with 
                         physico-chemical attributes of soils",
             language = "pt",
                pages = "134",
                  ibi = "8JMKD3MGP3W34R/3R26CMH",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3R26CMH",
           targetfile = "publicacao.pdf",
        urlaccessdate = "23 nov. 2020"
}


Fechar