@PhDThesis{Silva:2020:QuMoTr,
author = "Silva, Ricardo Dal'Agnol da",
title = "Quantifying and monitoring tropical forest mortality with passive
and active optical remote sensing",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2020",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2020-03-18",
keywords = "forest mortality, Amazon, MODIS, very high resolution, LiDAR,
mortalidade florestal, Amaz{\^o}nia, alt{\'{\i}}ssima
resolu{\c{c}}{\~a}o.",
abstract = "Tree mortality is a key process in the global carbon cycle
generally linked to climatic feedbacks and accelerated by
human-induced disturbances in the Amazon. Remote sensing can
complement ground observations of tree mortality to support
Amazon-wide detection. However, different from temperate forests,
tree mortality detection over tropical forests is challenging
because of the high heterogeneity in forest structure and
biodiversity. It requires the development of new methods with
multiple data sources to address challenges such as the detection
of vegetation-specific mortality at the landscape scale; the
quantification of individual tree mortality related to logging at
the local scale; and the characterization of gap dynamics as a
proxy for tree mortality, potentially related to natural and
anthropogenic activities, and up-scaling estimates from local to
regional scales. Here, the objective was to develop and validate
novel approaches for the detection and monitoring of tropical
forest mortality, using Moderate Resolution Imaging
Spectroradiometer (MODIS), Very High Resolution (VHR) and airborne
Light Detection And Ranging (LiDAR) data acquired over the Amazon
region. For the vegetation-specific approach at the landscape
scale, MODIS data processed by the Multi-Angle Implementation of
Atmospheric Correction (MAIAC) algorithm was used to map the
bamboo die-off in the southwest Amazon and to test whether it
enhanced fire occurrence. At the individual tree level,
multi-temporal VHR data from the WorldView-2 and GeoEye-1
satellites were used to evaluate the detection of canopy tree loss
from selective logging at the Jamari National Forest. Finally, to
explore the use of gaps as a proxy for tree mortality, five
multi-temporal LiDAR datasets, and 610 single-date flight lines
were considered to provide a systematic assessment of gaps and
tree mortality, and explore their relationships with environmental
and climate drivers. Results at the landscape scale, using MODIS
(MAIAC) data, showed automatic detection of historical bamboo
die-off (accuracy of 79%) and mapping of 15.5 million ha of
bamboo-dominated forests. The bamboo-fire hypothesis was not
supported, because the bamboo die-off areas did not show higher
fire probability than the other areas. However, the fire
occurrence was mostly associated with ignition sources from land
use, suggesting a bamboo-human-fire association. At the local
scale, individual tree losses from logging were successfully
detected using VHR satellite imagery and a random forest (RF)
model with 64% accuracy. In addition, large-gap openings
associated with the tallest trees were more successfully detected
by VHR data. At the local scale, LiDAR-gaps delineated using the
relative height method, represented at least 50% of the tree
mortality. The mortality of shorter trees at the canopy level (<25
m) was more successfully detected than the mortality of taller
emergent trees (>25 m). Higher gap fractions (proxy for mortality)
were associated with increased water deficit, soil fertility, and
the occurrence of degraded and flooded forests. The Amazon-wide
tree mortality map showed higher tree mortality rates in the west
and southeast regions than in the central-east and north regions.
This pattern was consistent with field-based observations.
Overall, the findings highlighted the feasibility and importance
of using passive and active optical remote sensing for detecting
different processes of tropical forest mortality over a broad
scale in the Amazon region. RESUMO: A mortalidade das {\'a}rvores
{\'e} um processo essencial no ciclo global do carbono,
geralmente relacionado com feedbacks clim{\'a}ticos e acelerado
por dist{\'u}rbios antr{\'o}picos na Amaz{\^o}nia. O
sensoriamento remoto pode complementar as observa{\c{c}}{\~o}es
de campo, a fim de apoiar a detec{\c{c}}{\~a}o de mortalidade na
Amaz{\^o}nia. No entanto, diferentemente de florestas temperadas,
a detec{\c{c}}{\~a}o da mortalidade de {\'a}rvores em florestas
tropicais {\'e} um desafio devido {\`a} alta heterogeneidade da
estrutura florestal e biodiversidade. Isso requer o
desenvolvimento de novos m{\'e}todos com diferentes fontes de
dados remotos para enfrentar desafios como a detec{\c{c}}{\~a}o
de mortalidade de vegeta{\c{c}}{\~o}es espec{\'{\i}}ficas na
escala da paisagem; a quantifica{\c{c}}{\~a}o de mortalidade de
{\'a}rvores individuais em escala local; e a
caracteriza{\c{c}}{\~a}o da din{\^a}mica das clareiras como um
indicador da mortalidade de {\'a}rvores, causada por atividades
naturais e antropog{\^e}nicas, calculada a partir do
reescalonamento de dados locais para regionais. O objetivo da tese
foi desenvolver novas abordagens para a detec{\c{c}}{\~a}o e
monitoramento da mortalidade das florestas tropicais usando dados
MODIS (MAIAC), de alta resolu{\c{c}}{\~a}o espacial (VHR) e de
LiDAR aerotransportado, adquiridos na Amaz{\^o}nia. Para a
abordagem de vegeta{\c{c}}{\~a}o espec{\'{\i}}fica em escala
de paisagem, os dados MODIS (MAIAC) foram usados para detectar a
morte de bambus no sudoeste da Amaz{\^o}nia e testar se ela
aumenta a ocorr{\^e}ncia de inc{\^e}ndios. No n{\'{\i}}vel de
{\'a}rvores individuais, dados VHR multi-temporais dos
sat{\'e}lites WorldView-2 e GeoEye-1 foram usados na
detec{\c{c}}{\~a}o da perda de {\'a}rvores no dossel
proveniente de corte seletivo na Floresta Nacional do Jamari.
Finalmente, para explorar o uso de clareiras como um indicador de
mortalidade, cinco conjuntos de dados LiDAR multi-temporais e 610
linhas de voo mono-temporais foram utilizados para avaliar
sistematicamente as clareiras e mortalidade de {\'a}rvores e suas
rela{\c{c}}{\~o}es com fatores ambientais e clim{\'a}ticos. Na
abordagem de vegeta{\c{c}}{\~a}o espec{\'{\i}}fica, os
resultados mostraram a detec{\c{c}}{\~a}o autom{\'a}tica de
mortalidade de bambus (precis{\~a}o de 79%) e o mapeamento de
15,5 milh{\~o}es de ha de florestas dominadas por bambu. A
hip{\'o}tese do fogo n{\~a}o foi corroborada, pois as {\'a}reas
de bambu morto n{\~a}o apresentaram maior probabilidade de
inc{\^e}ndio do que as outras {\'a}reas. No entanto, a
ocorr{\^e}ncia de inc{\^e}ndio foi associada a fontes de
igni{\c{c}}{\~a}o de uso da terra, sugerindo uma
associa{\c{c}}{\~a}o bambu-homem-fogo. No n{\'{\i}}vel de
{\'a}rvores individuais, os resultados mostraram que as perdas de
{\'a}rvores foram detectadas com sucesso usando imagens VHR e um
modelo Random Forest (RF) com 64% de precis{\~a}o. Al{\'e}m
disso, grandes clareiras associadas {\`a}s {\'a}rvores mais
altas foram detectadas com maior sucesso pelos dados VHR.
Finalmente, no estudo das rela{\c{c}}{\~o}es entre clareiras e
mortalidade em toda a Amaz{\^o}nia, os resultados indicaram que
as clareiras detectadas pelo LiDAR, usando o m{\'e}todo da altura
relativa, representaram pelo menos 50% da mortalidade das
{\'a}rvores. A mortalidade de {\'a}rvores mais baixas no
n{\'{\i}}vel do dossel (<25 m) foi detectada com maior sucesso
do que a mortalidade de {\'a}rvores emergentes mais altas (> 25
m). A ocorr{\^e}ncia de maiores fra{\c{c}}{\~o}es de clareira
(indicador de mortalidade) foi associada ao aumento do
d{\'e}ficit h{\'{\i}}drico, a fertilidade do solo e a
presen{\c{c}}a de florestas degradadas e inundadas. O mapa de
mortalidade para Amaz{\^o}nia mostrou maiores taxas de
mortalidade nas regi{\~o}es oeste e sudeste do que nas
regi{\~o}es centro-leste e norte. Esse padr{\~a}o foi
consistente com as observa{\c{c}}{\~o}es de campo. No geral, os
resultados destacaram a viabilidade e import{\^a}ncia do uso de
sensoriamento remoto {\'o}ptico passivo e ativo para detectar
diferentes processos de mortalidade das florestas tropicais em
ampla escala na Amaz{\^o}nia.",
committee = "Shimabukuro, Yosio Edemir (presidente) and Arag{\~a}o, Luiz
Eduardo de Oliveira e Cruz (orientador) and Galv{\~a}o,
L{\^e}nio Soares (orientador) and Liesenberg, Veraldo and Nelson,
Bruce Walker",
englishtitle = "Quantificando e monitorando a mortalidade de florestas tropicais
com sensoriamento remoto {\'o}tico passivo e ativo",
language = "en",
pages = "172",
ibi = "8JMKD3MGP3W34R/424G29B",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/424G29B",
targetfile = "publicacao.pdf",
urlaccessdate = "28 abr. 2024"
}