@TechReport{BragaAragSilvRibe:2022:EsCaFl,
author = "Braga, Daniel Alves and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz
de and Silva, Ricardo Dal’Agnol da and Ribeiro, Celso Bandeira de
Melo",
title = "Mapeamento de degrada{\c{c}}{\~a}o florestal na Amaz{\^o}nia
Brasileira com imagens de alta resolu{\c{c}}{\~a}o e
intelig{\^e}ncia artificial: estudo de caso na Floresta Nacional
do Jamari",
institution = "Instituto Nacional de Pesquisas Espaciais",
year = "2022",
type = "RPQ",
address = "S{\~a}o Jos{\'e} dos Campos",
note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
keywords = "Amaz{\^o}nia, degrada{\c{c}}{\~a}o florestal, corte seletivo,
imagens de alta resolu{\c{c}}{\~a}o, deep learning.",
abstract = "A Amaz{\^o}nia possui o maior remanescente territorial de
florestas tropicais do mundo e {\'e} diariamente amea{\c{c}}ada
por processos antr{\'o}picos, tais como o desmatamento (corte
raso) e a degrada{\c{c}}{\~a}o florestal (corte de {\'a}rvores
e fogo). Nessa perspectiva, o objetivo deste estudo foi explorar o
mapeamento da degrada{\c{c}}{\~a}o florestal relacionada ao
corte seletivo na Floresta Nacional (Flona) do Jamari em
Rond{\^o}nia, visto que existem concess{\~o}es florestais e
ind{\'{\i}}cios de corte ilegal no territ{\'o}rio. Como o corte
seletivo causa altera{\c{c}}{\~o}es mais sutis na floresta que
um corte raso, o mapeamento deste fen{\^o}meno requer uso de
imagens de sat{\'e}lite de maior resolu{\c{c}}{\~a}o espacial e
t{\'e}cnicas inovadoras para mapeamento em larga escala. Nesse
sentido, a metodologia empregada consistiu no uso de imagens de
alta resolu{\c{c}}{\~a}o espacial (4.77 metros) obtidas da
constela{\c{c}}{\~a}o de nanosat{\'e}lites Planet (bandas R, G,
B, NIR), para fotointerpreta{\c{c}}{\~a}o de imagens e
delinea{\c{c}}{\~a}o de padr{\~o}es de degrada{\c{c}}{\~a}o
florestal ocasionados pela extra{\c{c}}{\~a}o e corte de
{\'a}rvores durante o per{\'{\i}}odo de 2016 a 2021. Esse banco
de dados vetoriais contribuiu para o treinamento de um modelo de
redes neurais convolucionais U-Net, a fim de segmentar as
fei{\c{c}}{\~o}es de degrada{\c{c}}{\~a}o. Para
valida{\c{c}}{\~a}o dos resultados, calculou-se uma matriz de
confus{\~a}o e exatid{\~a}o global utilizando dados de campo
disponibilizados pelo Servi{\c{c}}o Florestal Brasileiro como
refer{\^e}ncia oficial para {\'a}reas exploradas e n{\~a}o
exploradas dentro da Flona. O modelo obteve precis{\~a}o de 67% e
apresentou detec{\c{c}}{\~o}es visualmente condizentes com a
refer{\^e}ncia oficial para as {\'a}reas exploradas, assim como
um alto n{\'u}mero de fei{\c{c}}{\~o}es de corte seletivo fora
das Unidades de Manejo. Parte dos erros do modelo pode ser
explicada: (1) modelo detectou {\'a}reas que n{\~a}o constavam
nos dados de refer{\^e}ncia, mas que estavam aparentes nas
imagens Planet (erro na refer{\^e}ncia oficial); (2) em algumas
{\'a}reas o ano da detec{\c{c}}{\~a}o foi anterior ao da
explora{\c{c}}{\~a}o devido {\`a} constru{\c{c}}{\~a}o
antecipada da infraestrutura usada para o manejo, como estradas.
Foram detectados 513 km2 de floresta com corte seletivo na Flona
Jamari entre 2016 e 2021, dos quais 298 km2 estavam dentro das
zonas de manejo. As {\'a}reas detectadas fora das zonas de manejo
podem consistir em atividades ilegais, que devem ser investigadas.
Mais an{\'a}lises precisam ser realizadas para teste e
valida{\c{c}}{\~a}o do modelo, por{\'e}m ele se mostra
promissor para detec{\c{c}}{\~a}o da degrada{\c{c}}{\~a}o
florestal na Amaz{\^o}nia.",
affiliation = "{Universidade Federal de Juiz de Fora - UFJF} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {UCLA \& JPL-NASA}
and {Universidade Federal de Juiz de Fora - UFJF}",
language = "pt",
pages = "54",
ibi = "8JMKD3MGP3W34T/47JJUFL",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/47JJUFL",
targetfile = "Relatorio_Final_PIBIC_2021_2022_Daniel_Alves_Braga.pdf",
urlaccessdate = "21 maio 2024"
}