| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/44TDCUL | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2021/06.21.14.09 (acesso restrito) | |||||||||
| Última Atualização | 2021:09.30.13.14.29 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2021/06.21.14.09.27 | |||||||||
| Última Atualização dos Metadados | 2022:04.03.22.30.17 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18479-TDI/3127 | |||||||||
| Chave de Citação | Lopes:2021:ReSeMo | |||||||||
| Título | Remote sensing for monitoring fire-affected forests in the central Amazon  | |||||||||
| Título Alternativo | Sensoriamento remoto aplicado ao monitoramento de florestas afetadas pelo fogo na Amazônia central | |||||||||
| Curso | SER-SRE-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2021 | |||||||||
| Data | 2021-06-23 | |||||||||
| Data de Acesso | 12 maio 2024 | |||||||||
| Tipo da Tese | Tese (Doutorado em Sensoriamento Remoto) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 128 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 7632 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Lopes, Aline Pontes | |||||||||
| Banca | Shimabukuro, Yosio Edemir (presidente) Aragão, Luiz Eduardo Oliveira e Cruz de (orientador) Galvão, Lênio Soares Silva, Camila Valéria de Jesus Nelson, Bruce Walker | |||||||||
| Endereço de e-Mail | alineplopes@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2021-06-21 14:10:42 :: aline.lopes@inpe.br -> pubtc@inpe.br :: 2021-06-23 20:32:04 :: pubtc@inpe.br -> aline.lopes@inpe.br :: 2021-08-13 22:37:25 :: aline.lopes@inpe.br -> pubtc@inpe.br :: 2021-08-16 18:16:35 :: pubtc@inpe.br -> administrator :: 2021-09-30 11:50:39 :: administrator -> pubtc@inpe.br :: 2021-12-13 14:08:41 :: pubtc@inpe.br -> simone :: 2021-12-13 14:14:10 :: simone :: -> 2021 2021-12-13 14:14:11 :: simone -> administrator :: 2021 2022-04-03 22:30:17 :: administrator -> :: 2021 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | Amazon region forest fires ecology airborne lasers Landsat satellites Amazônia incêndios florestais ecologia laser aerotransportado satélites Landsat | |||||||||
| Resumo | While climate and human-induced forest degradation is increasing in the Amazon, fire impacts on forest dynamics and structure remain understudied in the wetter regions of the basin, which are susceptible to large wildfires only during extreme droughts. Specifically, here we aimed to understand in detail how a drought-driven wildfire event in this region changes the short-term forest dynamics in order to investigate how these changes cascade through canopy structural changes to alter the regeneration dynamics and the spectral signals registered by moderate-resolution satellite sensors. We applied a series of fieldbased and remote sensing-based approaches. Firstly, we installed burned and unburned forest inventory plots immediately after a wildfire in the northern Purus- Madeira (central Amazon) during the 2015 El Niño. We measured all individuals with 10 cm or more in diameter at breast height, and conducted recensuses to track the demographic drivers of biomass change over three years. We also assessed how stem-level growth and mortality were influenced by fire intensity (proxied by char height) and tree morphological traits (stem size and wood density). Secondly, we analyzed leaf area vertical distributions and top-of-canopy heights across 1025 ha of terra firme forests in this same region, surveyed by an airborne Light Detection and Ranging sensor (LiDAR) at 2.5 and 3.5 years after fire. Finally, we contrasted accumulated yearly temporal changes in the forest biomass and in traditional spectral indices derived from Landsat 8 images the normalized burned ratio (ΔNBR) and three spectral mixing fractions (nonphotosynthetic vegetation - ΔNPV, green vegetation - ΔGV, and ΔShade) to construct and improve regional models of post-fire biomass losses based on the pre-fire/initial biomass. Our site was affected by an understory fire of low-intensity and irregular spread that did not directly affect all trees in burned plots. The forest inventories showed that the burned forest lost 27.3% of stem density and 12.8% of biomass, concentrated in small and medium trees. Mortality drove these losses in the first two years and recruitment decreased in the third year. Char height had transitory strong effects increasing tree mortality, while fire occurrence increased growth in lower wood-density and larger-sized trees despite growth has not increased at plot-level. Burned forests displayed lower and more heterogeneous top-of-canopy heights, with lower leaf area density in the understory, lower- and mid-canopy. From 2.5 to 3.5 years after fire, fire-affected forests lost top-ofcanopy height, lower/mid-canopy leaf area density, and carbon density; and gained leaf area density in the understory. Canopy damage appeared in clusters of height-loss in the fire-affected forest and in canopy gaps that increased in size. The ΔNBR, ΔNPV and ΔGV, relative to pre-fire indices, were good proxies of canopy damage through tree mortality, even if it has occurred mainly in the lower canopy. Spectral indices changes significantly improved model accuracy for predicting biomass losses within two years after fire, being the ΔGV the most important predictor, surpassing the ΔNBR and ΔNPV. Model accuracy, however, was not improved within one-year post-fire interval, when initial biomass had the highest model importance. Our forest-inventory results suggest that fire impacts are weaker in the wetter Amazon in comparison to other Amazonian regions. Here trees of greater sizes and higher wood densities confer a margin of fire resistance; however, this resistance may not extend to higher-intensity fires arising from climate change. The LiDAR analyses revealed complementary processes, such as delayed large-tree fire impacts and initial tree regeneration in gaps where the forest inventories did not because of sample scale dependent detection and the minimum assessed tree size. Our models of post-fire biomass losses, based on reliable pre-fire measurements and temporal changes in spectral indices, revealed the importance of these variables to integrating the complex post-fire ecological processes we described. Overall, our findings highlight pervasive impacts of fire that may contribute to the future climate change sensitivity of rainforests; and supply novel field-based and remote sensing-based information for the development and/or refining of temporal and spatial models of carbon emissions though forest degradation by fire. RESUMO: Enquanto a degradação florestal induzida pelo clima e pelo homem estão aumentando na Amazônia, os impactos do fogo na dinâmica e estrutura florestal permanecem pouco estudados nas regiões mais úmidas da bacia, que são suscetíveis a grandes incêndios florestais apenas durante secas extremas. Especificamente, aqui pretende-se compreender em detalhes como um incêndio florestal impulsionado pela seca nesta região muda a dinâmica da floresta no curto prazo, a fim de investigar como tais mudanças determinam mudanças na estrutura do dossel de forma a alterar a dinâmica da regeneração e os sinais espectrais registrados por sensores orbitais de moderada resolução. Uma série de abordagens baseadas em dados de campo e Sensoriamento Remoto foi, então, aplicada. Primeiramente, parcelas de inventário florestal foram instaladas em áreas queimadas e não queimadas logo após um incêndio florestal que ocorreu no norte do Purus-Madeira (Amazônia central) durante o El Niño de 2015. Todos os indivíduos com 10 cm ou mais de diâmetro à altura do peito foram medidos e recenseamentos foram realizados para rastrear os fatores demográficos que determinaram a mudança da biomassa ao longo de três anos. Também foi avaliado como o crescimento a nível de fuste e a mortalidade foram influenciados pela intensidade do fogo (representada pela altura da marca do fogo na base das árvores) e pelas características morfológicas das árvores (tamanho do fuste e densidade da madeira). Depois, foram analisadas as distribuições verticais da área foliar e as alturas do topo do dossel em 1025 ha de florestas de terra firme na mesma região, amostradas com um sensor Light Detection and Ranging (LiDAR) aerotransportado aos 2,5 e 3,5 anos após o fogo. Finalmente, comparamos as mudanças temporais anuais acumuladas da biomassa florestal e em índices espectrais tradicionais derivados de imagens Landsat 8 o normalized burned ratio (ΔNBR) e três frações derivadas da mistura espectral (vegetação não-fotossintetizante - ΔNPV, vegetação fotossintetizante - ΔGV, e sombra - ΔShade) para elaborar e melhorar modelos regionais de perdas de biomassa pós-fogo com base na biomassa inicial. A área de estudo foi afetada por um incêndio de sub-bosque de baixa intensidade e de propagação irregular que não afetou diretamente todas as árvores nas parcelas queimadas. Os inventários florestais mostraram que a floresta queimada perdeu 27,3% da densidade de indivíduos e 12,8% da biomassa, concentrada nas árvores de pequeno e médio porte. A mortalidade impulsionou essas perdas nos primeiros dois anos e o recrutamento diminuiu no terceiro ano. A altura da marca do fogo teve efeitos fortes e transitórios, aumentando a mortalidade das árvores, enquanto a ocorrência do fogo aumentou o crescimento em árvores de menor densidade da madeira e de maior tamanho apesar do crescimento não ter aumentado em nível da parcela. As florestas queimadas apresentaram alturas do topo do dossel mais baixas e heterogêneas, com menor densidade de área foliar no sub-bosque e no dossel inferior e médio. De 2,5 a 3,5 anos após o incêndio, as florestas afetadas pelo fogo perderam altura do topo do dossel, densidade de área foliar no dossel inferior e médio, e densidade de carbono; e ganharam densidade de área foliar no sub-bosque. Danos no dossel apareceram em grupamentos de perda de altura na floresta afetada pelo fogo e nas clareiras que aumentaram de tamanho. O ΔNBR, ΔNPV e ΔGV, em relação aos índices anteriores ao fogo, foram boas variáveis preditoras de danos ao dossel por meio da mortalidade de árvores, mesmo que esta tenha ocorrido principalmente no dossel inferior. As mudanças nos índices espectrais melhoraram significativamente a precisão do modelo para prever perdas de biomassa em dois anos após o fogo, sendo o ΔGV foi o preditor mais importante, superando o ΔNBR e ΔNPV. A precisão do modelo, no entanto, não foi melhorada no intervalo de um ano pós-fogo, quando a biomassa inicial teve a maior importância. Nossos resultados baseados no inventário florestal sugerem que os impactos do fogo são mais fracos nas regiões mais úmidas da Amazônia em comparação com outras regiões amazônicas. Nesta região, árvores de maiores tamanhos e maiores densidades da madeira conferem uma margem de resistência ao fogo; no entanto, essa resistência pode não se estender a incêndios de alta intensidade decorrentes da mudança no clima. As análises dos dados LiDAR revelaram processos complementares, como os impactos tardios do incêndio em árvores grandes e regeneração inicial nas clareiras onde os inventários florestais não fizeram tal indicação devido à escala de análise e ao tamanho mínimo das árvores amostradas. Os modelos de perdas de biomassa pós-fogo, baseados em confiáveis medições iniciais e mudanças temporais nos índices espectrais, revelaram a importância dessas variáveis para integrar os complexos processos ecológicos pós-fogo que descrevemos. No geral, nossas descobertas destacam generalizados impactos do fogo que podem contribuir para a futura sensibilidade das florestas tropicais às mudanças climáticas; e fornecem novas informações de campo e Sensoriamento Remoto para o desenvolvimento e/ou refinamento de modelos temporais e espaciais de emissões de carbono através da degradação florestal pela ocorrência do fogo. | |||||||||
| Área | SRE | |||||||||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Remote sensing for... | |||||||||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Remote sensing for... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| Idioma | en | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | aline.lopes@inpe.br pubtc@inpe.br simone | |||||||||
| Grupo de Leitores | administrator aline.lopes@inpe.br pubtc@inpe.br simone | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | deny from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.18.22.34 2 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||