@PhDThesis{Moura:2015:UsMuMo,
author = "Moura, Yhasmin Mendes de",
title = "Using multi-angle modis data to observe vegetation dynamics in the
Amazon Forest",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2015",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2015-12-08",
keywords = "Amaz{\^o}nia, anisotropia, MODIS, MAIAC, sensoriamento remoto
multiangular, Amazon, anisotropy, multi-angle remote sensing.",
abstract = "Seasonality and drought in Amazon rainforests have been
controversially discussed in the literature, partially due to a
limited ability of current remote sensing techniques to detect
drought impacts on tropical vegetation. Detailed knowledge of
vegetation structure is required for accurate modeling of
terrestrial ecosystem. However, direct measurements of the three
dimensional distribution of canopy elements using LiDAR are not
widely available, especially in the Amazon region. This thesis
explores a novel multi-angle remote sensing approach to determine
changes in vegetation structure from differences in directional
scattering (anisotropy) observed from the analysis of Moderate
Resolution Imaging Spectroradiometer (MODIS) data, atmospherically
corrected using the Multi-Angle Implementation Atmospheric
Correction Algorithm (MAIAC). Chapter 1 presents a general
overview of the topic, followed by a theoretical background of the
most important types of remote sensing data used in this thesis
(Chapter 2). Chapter 3 describes the retrieval of BRDF from MODIS
data. Chapters 4 and 5 present two distinct approaches using
multi-angular MODIS data. In Chapter 4, the potential of using
MODIS anisotropy for modeling vegetation roughness from
directional scattering of visible and near-infrared (NIR)
reflectance was evaluated across different forest types. Derived
estimates were compared to independent measures of canopy
roughness (entropy) obtained from the: 1) airborne laser scanning
(ALS), 2) spaceborne LiDAR Geoscience Laser Altimeter System
(GLAS), and 3) spaceborne SeaWinds/QSCAT. GLAS-derived entropy
presented strong seasonality and varied between different forest
types. Results from Chapter 4 showed linear relationships between
MODIS-derived anisotropy and ALS-derived entropy with a
coefficient of determination (r\$^{2}\$) of 0.54 and a root mean
squared error (RMSE) of 0.11, even in high biomass regions.
Significant relationships were also obtained between MODIS-derived
anisotropy and GLAS-derived entropy
(0.5\$\leq\$r\$^{2}\$\$\leq\$0.61; p<0.05), with similar
slopes and offsets found throughout the season. The RMSE varied
between 0.26 and 0.30 (units of entropy). The relationships
between the MODIS-derived anisotropy and backscattering
measurements (\$\sigma\$\$^{0}\$) from SeaWinds/QuikSCAT were
also significant (r\$^{2}\$=0.59, RMSE=0.11). Results also
showed a strong linear relationship of the anisotropy with field-
(r\$^{2}\$=0.70) and LiDAR-based (r\$^{2}\$=0.88) estimates of
leaf area index (LAI). In Chapter 5, the method was used to
analyze seasonal changes in the Amazonian forests, comparing them
to spatially explicit estimates of onset and length of dry season
obtained from the Tropical Rainfall Measurement Mission (TRMM).
The results of Chapter 5 showed an increase in vegetation greening
during the beginning of dry season (7\% of the basin), which was
followed by a decline (browning) later during the dry season (5\%
of the basin). Anomalies in vegetation browning were particularly
strong during the 2005 and 2010 drought years (10\% of the
basin). The magnitude of seasonal changes was significantly
affected by regional differences in onset and duration of the dry
season. Seasonal changes were much less pronounced when assuming a
fixed dry season from June through September across the Amazon
basin. The findings reconcile remote sensing studies with
field-based observations and model results, supporting the
argument that tropical vegetation growth increases during the
beginning of the dry season, but declines after extended dry
season and drought periods. Overall, we concluded that multi-angle
approaches, as the one used in this thesis, are suitable to
extrapolate measures of canopy structure across different forest
types, and may help quantify drought tolerance and seasonality in
the Amazonian forests. RESUMO: Os temas sazonalidade e secas
severas na Amaz{\^o}nia v{\^e}m sido discutidos de maneira
controversa na literatura, parcialmente devido {\`a} habilidade
limitada das atuais t{\'e}cnicas de sensoriamento remoto para
detec{\c{c}}{\~a}o e an{\'a}lise da resposta de florestas
tropicais a estes eventos. O conhecimento detalhado da estrutura
da vegeta{\c{c}}{\~a}o constitui um dado fundamental para
melhoria da modelagem dos ecossistemas terrestres. No entanto,
medi{\c{c}}{\~o}es diretas da distribui{\c{c}}{\~a}o
tridimensional dos elementos do dossel, por exemplo, oriundas de
LiDAR, n{\~a}o s{\~a}o dispon{\'{\i}}veis amplamente,
especialmente na regi{\~a}o Amaz{\^o}nica. Neste estudo, {\'e}
proposta uma abordagem de sensoriamento remoto multiangular para
avaliar mudan{\c{c}}as na estrutura da vegeta{\c{c}}{\~a}o a
partir de diferen{\c{c}}as do espalhamento direcional
(anisotropia) observado pelo Moderate Resolution Imaging
Spectroradiometer (MODIS), que teve seus dados atmosfericamente
corrigidos usando o Multi-Angle Implementation Atmospheric
Correction Algorithm (MAIAC). O Cap{\'{\i}}tulo 1 apresenta uma
vis{\~a}o geral do problema, seguido de uma base te{\'o}rica
sobre os mais importantes temas e dados de sensoriamento remoto
usados nesta tese (Cap{\'{\i}}tulo 2). O Cap{\'{\i}}tulo 3
descreve o modelo utilizado para recupera{\c{c}}{\~a}o dos dados
da Fun{\c{c}}{\~a}o de Distribui{\c{c}}{\~a}o da
Reflect{\^a}ncia Bidirecional (BRDF) a partir dos dados MODIS. Os
Cap{\'{\i}}tulos 4 e 5 apresentam duas abordagens distintas
usando dados multiangulares do MODIS. No Cap{\'{\i}}tulo 4 foi
avaliado o potencial dos dados de anisotropia de
superf{\'{\i}}cie para modelar a rugosidade dos doss{\'e}is
atrav{\'e}s do espalhamento direcional nas bandas de
reflect{\^a}ncia do vis{\'{\i}}vel e infravermelho pr{\'o}ximo
sobre diferentes tipologias florestais. Foram efetuadas
compara{\c{c}}{\~o}es entre os dados de anisotropia em
rela{\c{c}}{\~a}o {\`a} medidas independentes de rugosidade de
doss{\'e}is (entropia) obtidos de dados: 1) LiDAR
aerotransportado (ALS), 2) LiDAR orbital do Geoscience Laser
Altimeter System (GLAS), e 3) radar orbital do SeaWinds/QSCAT.
Dados de entropia do GLAS apresentaram forte sazonalidade entre as
tipologias florestais analisadas. Os resultados mostraram uma
rela{\c{c}}{\~a}o linear entre os dados de anisotropia derivados
do sensor MODIS com os dados de entropia estimados do LiDAR
aerotransportado com coeficiente de determina{\c{c}}{\~a}o
(r\$^{2}\$) de 0.54 e erro m{\'e}dio quadr{\'a}tico (RMSE) de
0.11, mesmo em regi{\~o}es de floresta densa.
Rela{\c{c}}{\~o}es significantes foram tamb{\'e}m obtidas entre
anisotropia derivada do MODIS e entropia derivada do GLAS
(0.52\$\leq\$r\$^{2}\$\$\leq\$0.61; p<0.05), com
inclina{\c{c}}{\~o}es e interceptos aproximadamente similares ao
longo de diferentes meses. O RMSE variou entre 0.26 e 0.30
(unidades de entropia). A correla{\c{c}}{\~a}o entre anisotropia
do MODIS com medidas de retroespalhamento
(\$\sigma\$\$^{0}\$) do sensor SeaWinds/QuikSCAT foi
estat{\'{\i}}sticamente significante (r\$^{2}\$=0.59,
RMSE=0.11). Os resultados tamb{\'e}m mostraram uma forte
correla{\c{c}}{\~a}o linear entre os dados de anisotropia e as
estimativas de {\'{\i}}ndice de {\'a}rea foliar (LAI) obtidas
em campo (r\$^{2}\$=0.70) e a partir de dados LiDAR
(r\$^{2}\$=0.88). No Cap{\'{\i}}tulo 5, analisou-se as
varia{\c{c}}{\~o}es sazonais das florestas Amaz{\^o}nicas, em
que foram calculadas estimativas espacialmente expl{\'{\i}}citas
do in{\'{\i}}cio e dura{\c{c}}{\~a}o da esta{\c{c}}{\~a}o
seca na regi{\~a}o utilizando dados do Tropical Rainfall
Measurement Mission (TRMM). Os resultados mostraram um aumento em
verdejamento da vegeta{\c{c}}{\~a}o (\emph{greening}) durante o
in{\'{\i}}cio da esta{\c{c}}{\~a}o seca (7\% da bacia),
seguido de um subsequente decl{\'{\i}}nio (\emph{browning}) no
final da esta{\c{c}}{\~a}o seca (\$\sim\$5\% da bacia). As
anomalias negativas (\emph{browning}) foram particularmente mais
fortes durantes os anos de seca extrema na regi{\~a}o, em 2005 e
2010 (\$\sim\$10\% da bacia). Os resultados mostraram que a
magnitude dessas mudan{\c{c}}as sazonais pode ser
significantemente afetada pelas diferen{\c{c}}as regionais de
in{\'{\i}}cio e dura{\c{c}}{\~a}o da esta{\c{c}}{\~a}o seca.
Mudan{\c{c}}as sazonais foram muito menos pronunciadas quando se
assumiu um per{\'{\i}}odo fixo de esta{\c{c}}{\~a}o seca
(junho at{\'e} setembro) sobre a bacia Amaz{\^o}nica. Os
resultados reconciliam estudos baseados em dados de sensoriamento
remoto com observa{\c{c}}{\~o}es de campo e modelagem, uma vez
que fornecem uma base mais s{\'o}lida sobre o argumento de que a
vegeta{\c{c}}{\~a}o tropical aumenta seu crescimento durante o
in{\'{\i}}cio da esta{\c{c}}{\~a}o seca, mas sofre um
decl{\'{\i}}nio com o seu prolongamento, e especialmente
ap{\'o}s per{\'{\i}}odos de secas severas. Como conclus{\~a}o
geral, a abordagem multiangular utilizada neste trabalho se
mostrou satisfat{\'o}ria, permitindo a extrapola{\c{c}}{\~a}o
de estimativas estruturais do dossel sobre diferentes tipologias
florestais, podendo auxiliar na quantifica{\c{c}}{\~a}o sobre os
impactos e resili{\^e}ncia das florestas Amaz{\^o}nicas em
rela{\c{c}}{\~a}o a ocorr{\^e}ncias de secas severas.",
committee = "Galv{\~a}o, L{\^e}nio Soares (presidente/orientador) and Santos,
Jo{\~a}o Roberto dos (orientador) and Anderson, Liana Oighenstein
and Lyapustin, Alexei I. and Ferreira J{\'u}nior, Laerte
Guimar{\~a}es",
copyholder = "SID/SCD",
englishtitle = "Utiliza{\c{c}}{\~a}o de dados multiangulares do sensor MODIS
para an{\'a}lise da din{\^a}mica da vegeta{\c{c}}{\~a}o na
Floresta Amaz{\^o}nica",
language = "en",
pages = "107",
ibi = "8JMKD3MGP3W34P/3L2FEBH",
url = "http://urlib.net/ibi/8JMKD3MGP3W34P/3L2FEBH",
targetfile = "publicacao.pdf",
urlaccessdate = "01 maio 2024"
}