Fechar
Metadados

@InProceedings{SantosEsca:2018:ReMoCa,
               author = "Santos, Gabriela Veneziani de Souza and Escada, Maria Isabel 
                         Sobral",
          affiliation = "{Universidade Estadual Paulista (UNESP)} and {Instituto Nacional 
                         de Pesquisas Espaciais (INPE)}",
                title = "An{\'a}lise da din{\^a}mica do uso e cobertura da terra 
                         associada a atividades produtivas extrativistas e a agricultura de 
                         pequena escala: a regi{\~a}o de Mocajuba e Camet{\'a}, no 
                         nordeste do Par{\'a}",
                 year = "2018",
         organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica e 
                         Inicia{\c{c}}{\~a}o em Desenvolvimento Tecnol{\'o}gico e 
                         Inova{\c{c}}{\~a}o (SICINPE)",
                 note = "{Bolsa PIBIC/INPE/CNPq}",
             abstract = "Este trabalho apresenta os resultados da pesquisa de 
                         inicia{\c{c}}{\~a}o cient{\'{\i}}fica sobre os sistemas de 
                         produ{\c{c}}{\~a}o relacionados com uso da terra da regi{\~a}o 
                         de Mocajuba e Camet{\'a}, no Estado do Par{\'a}, tendo como 
                         {\^e}nfase os sistemas de pequena escala e os agroflorestais. 
                         Estes sistemas podem ser vistos como alternativas para o uso 
                         sustent{\'a}vel da floresta, e s{\~a}o de grande 
                         import{\^a}ncia para a economia local e regional, mas ainda pouco 
                         vis{\'{\i}}veis ao planejamento do territ{\'o}rio e {\`a}s 
                         pol{\'{\i}}ticas p{\'u}blicas. Os sistemas de monitoramento do 
                         uso e cobertura da terra da Amaz{\^o}nia, baseados no uso de 
                         dados de sat{\'e}lite, em geral, utilizam dados de sensores como 
                         os do Landsat, que fornece uma s{\'e}rie temporal de dados desde 
                         1984. Por{\'e}m, devido a resolu{\c{c}}{\~a}o espacial destes 
                         sensores, as categorias de uso e cobertura da terra relativas 
                         {\`a} agricultura de pequena escala e {\`a}s atividades 
                         agroflorestais, s{\~a}o pouco detectadas. Assim, o objetivo deste 
                         trabalho foi desenvolver uma metodologia para classificar classes 
                         de uso e cobertura da terra em imagens de sat{\'e}lite de 2016, 
                         tendo como {\^e}nfase aquelas associadas {\`a}s atividades 
                         produtivas extrativistas e a agricultura de pequena escala. A 
                         economia da {\'a}rea de estudo se baseia fortemente na 
                         produ{\c{c}}{\~a}o do a{\c{c}}a{\'{\i}}, por{\'e}m, as 
                         {\'a}reas de ocorr{\^e}ncia do a{\c{c}}a{\'{\i}}, em geral 
                         n{\~a}o s{\~a}o mapeadas, pois apresentam respostas espectrais 
                         semelhantes {\`a}s {\'a}reas de cobertura florestal 
                         prim{\'a}ria e/ou secund{\'a}ria. Por essa raz{\~a}o, dados 
                         complementares para o mapeamento desse sistema s{\~a}o 
                         necess{\'a}rios, como os limites de {\'a}reas de v{\'a}rzeas e 
                         baixios, onde potencialmente ocorrem os a{\c{c}}aizeiros. Neste 
                         trabalho testamos em uma {\'a}rea piloto (Mocajuba), imagens dos 
                         sat{\'e}lites Mux/Cbers e Landsat/Oli para o ano de 2016 e 
                         tr{\^e}s algoritmos de classifica{\c{c}}{\~a}o fatiamento de 
                         imagens obtidas com o Modelo Linear de Mistura Espectral, um 
                         classificador por pixel (MaxVer) e outro por regi{\~o}es 
                         (Bhattacharya). As seguintes classes foram mapeadas: florestas, 
                         hidrografia, n{\~a}o-floresta, vegeta{\c{c}}{\~a}o 
                         secund{\'a}ria, vegeta{\c{c}}{\~a}o secund{\'a}ria inicial e 
                         outros. O algoritmo e a imagem que produziram melhores resultados 
                         foram o fatiamento e a imagem Mux/Cbers, com acertos de 85,5 % 
                         para a vegeta{\c{c}}{\~a}o secund{\'a}ria, 77% para a 
                         vegeta{\c{c}}{\~a}o secund{\'a}ria inicial e 97% para a classe 
                         outros, e {\'{\i}}ndice Kappa estimado foi de 0,78. Para essa 
                         avalia{\c{c}}{\~a}o foram utilizadas como refer{\^e}ncia 
                         amostras testes e dados de campo. Essa classifica{\c{c}}{\~a}o 
                         foi ampliada para toda a {\'a}rea de estudo e, em uma segunda 
                         etapa, foi mapeada a classe agricultura de pequena escala com um 
                         classificador orientado a objeto. Em paralelo, foi realizado o 
                         mapeamento de {\'a}reas de v{\'a}rzeas e baixios, onde 
                         potencialmente ocorrem os a{\c{c}}aizeiros, com dados do SRTM 
                         (Shuttle Radar Topography Mission) e o algoritmo HAND (Height 
                         Above the Nearest Drainage). As classes de floresta 
                         secund{\'a}ria e prim{\'a}ria foram cruzadas com as {\'a}reas 
                         de baixio e v{\'a}rzea obtidas com o HAND, o que possibilitou 
                         indicar as {\'a}reas potenciais de ocorr{\^e}ncia de 
                         a{\c{c}}a{\'{\i}}. A metodologia desenvolvida neste trabalho 
                         mostrou ser eficaz na detec{\c{c}}{\~a}o das classes de uso e 
                         cobertura da terra da {\'a}rea de estudo, dando visibilidade a 
                         sistemas de produ{\c{c}}{\~a}o que s{\~a}o negligenciados nos 
                         sistemas de monitoramento do uso e cobertura da terra, mas que 
                         s{\~a}o de grande import{\^a}ncia para a economia local e 
                         regional e que devem ser inseridos de forma mais adequada nas 
                         pol{\'{\i}}ticas p{\'u}blicas e no planejamento territorial.",
  conference-location = "S{\~a}o Jos{\'e} dos Campos, SP",
      conference-year = "30-31 jul.",
             language = "pt",
           targetfile = "Santos_analise.pdf",
        urlaccessdate = "26 nov. 2020"
}


Fechar