@MastersThesis{Vaz:2021:AnMuCo,
author = "Vaz, Daiane Vieira",
title = "An{\'a}lise das mudan{\c{c}}as da cobertura da terra causadas
pelo desastre de Mariana-MG utilizando s{\'e}ries temporais de
{\'{\i}}ndices de vegeta{\c{c}}{\~a}o",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2021",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2020-08-17",
keywords = "big data, random forest, sensoriamento remoto, dados multisensor,
classifica{\c{c}}{\~a}o da cobertura da terra, remote sensing,
multisensor data, land cover classification.",
abstract = "O rompimento da barragem de Fund{\~a}o, tamb{\'e}m conhecido
como desastre de Mariana, ocorreu em 05 de novembro de 2015. O
acidente impactou {\'a}reas de vegeta{\c{c}}{\~a}o nativa,
pastagem, {\'a}reas agr{\'{\i}}colas e {\'a}reas urbanas.
Mudan{\c{c}}as nas propriedades do solo devido {\`a}
movimenta{\c{c}}{\~a}o de massas e {\`a} deposi{\c{c}}{\~a}o
de rejeitos, associadas a movimenta{\c{c}}{\~a}o de bancos de
sementes, deixam incertezas quanto capacidade de
regenera{\c{c}}{\~a}o da flora afetada pelo desastre. Estas
mudan{\c{c}}as, associadas {\`a} implanta{\c{c}}{\~a}o de
planos de a{\c{c}}{\~a}o para a recupera{\c{c}}{\~a}o de
{\'a}reas afetadas, t{\^e}m modificado a cobertura da terra
ap{\'o}s o acidente. Neste contexto, o presente trabalho mapeou e
analisou mudan{\c{c}}as da cobertura da terra ocorridas na
{\'a}rea afetada pelo desastre de Mariana, com o diferencial de
explorar s{\'e}ries temporais de NDVI. A s{\'e}rie temporal foi
composta em uma abordagem multisensor, utilizando as
cole{\c{c}}{\~o}es de imagens Landsat- 7/ETM+, Landsat-8/OLI,
CBERS-4/MUX e Sentinel-2/MSI, no per{\'{\i}}odo de 2013 a 2019,
buscando uma s{\'e}rie temporal densa e sem aplica{\c{c}}{\~a}o
de processos de harmoniza{\c{c}}{\~a}o dos dados. As classes de
cobertura da terra mapeadas nos cen{\'a}rios pr{\'e} e
p{\'o}s-desastre foram: afloramento rochoso,
minera{\c{c}}{\~a}o, {\'a}gua/rejeito, {\'a}rea
constru{\'{\i}}da, gram{\'{\i}}neas e herb{\'a}ceas,
forma{\c{c}}{\~a}o florestal, forma{\c{c}}{\~a}o sav{\^a}nica
e agricultura. A classifica{\c{c}}{\~a}o foi realizada
utilizando o classificador Random Forest, e as s{\'e}ries
temporais de NDVI, combinadas ou n{\~a}o, com m{\'e}tricas
fenol{\'o}gicas. Os produtos de classifica{\c{c}}{\~a}o obtidos
apresentaram acur{\'a}cias globais de 81,13% e 85,45% para os
cen{\'a}rios pr{\'e}desastre e p{\'o}s-desastre,
respectivamente. A utiliza{\c{c}}{\~a}o das m{\'e}tricas
empregadas na classifica{\c{c}}{\~a}o, em conjunto com as
s{\'e}ries temporais de NDVI, proporcionou ganhos
consider{\'a}veis na acur{\'a}cia de pelo menos tr{\^e}s
classes de interesse. As an{\'a}lises realizadas evidenciaram o
impacto causado pelo desastre de Mariana, sendo identificados mais
de 300 hectares de {\'a}reas degradadas. ABSTRACT: The
Fund{\~a}o dams disruption occurred on November 5th, 2015. The
accident affected native vegetation, pasture, agriculture and
urban areas. Changes in the soil caused by mass movements and in
the soil properties due to the tailings, as well as a possible
movimentation of seed bands, bring uncertainties regarding the
flora regeneration in the region affected by the disaster. These
changes, along with the implementation of recovery plans for the
damaged areas, have modified the regions land cover. In this
study, we mapped the land cover in the area affected by the
Mariana dam disaster, using NDVI time series. In order to build
the time series, we adopted a multisensor approach using images
acquired from the Landsat-7/ETM+, Landsat-8/OLI, CBERS-4/MUX e
Sentinel-2/MSI sensors, regarding the period from 2013 to 2019.
The land cover classes mapped include rock formation, mining,
water/tailing, constructed area, forest formation, savanna,
grassland and agriculture. We performed the land cover
classification using Random Forest and the NDVI time series. The
classification products presented overall accuracies of 81.13% and
85.45% for the pre- and postdisaster scenarios, respectively. We
adoped a set of phenological metrics into the classifications,
which increased accuracy in at least three of the considered
classes. The analysis performed in this study highlighted the
impacts caused by the Mariana dam disaster, since we identified
more than 300 hectares of damaged areas.",
committee = "Galv{\~a}o, L{\^e}nio Soares (presidente) and Fonseca, Leila
Maria Garcia (orientadora) and K{\"o}rting, Thales Sehn
(orientador) and Novo, Evlyn Maria Le{\~a}o de Moraes and
Boggione, Giovanni de Ara{\'u}jo",
englishtitle = "Analysis of land-cover changes caused by the Mariana-MG disaster
using time series of vegetation indices",
language = "pt",
pages = "92",
ibi = "8JMKD3MGP3W34R/43377AL",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/43377AL",
targetfile = "publicacao_FA provisoria.pdf",
urlaccessdate = "27 abr. 2024"
}