@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/ibi/8JMKD3MGP3W34R/3R26CMH",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}