@Article{CapanemaPinhEscaSant:2018:EsCaRe,
               author = "Capanema, Vinicius do Prado and Pinheiro, Taise Farias and Escada, 
                         Maria Isabel Sobral and Sant'Anna, Sidnei Jo{\~a}o Siqueira",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Mapeamento de padr{\~o}es de intensidade da 
                         degrada{\c{c}}{\~a}o florestal: estudo de caso na regi{\~a}o de 
                         Sinop, Mato Grosso",
              journal = "Revista Brasileira de Cartografia",
                 year = "2018",
               volume = "70",
               number = "1",
                pages = "199--225",
                month = "jan./mar.",
             keywords = "Degrada{\c{c}}{\~a}o florestal, classifica{\c{c}}{\~a}o 
                         espectral, explora{\c{c}}{\~a}o madeireira, 
                         Minera{\c{c}}{\~a}o de dados.",
             abstract = "Neste trabalho {\'e} apresentada uma metodologia para mapear e 
                         classificar a partir de imagens OLI/Landsat, a intensidade de 
                         degrada{\c{c}}{\~a}o florestal de forma semiautom{\'a}tica. A 
                         {\'a}rea de estudo {\'e} a regi{\~a}o de Sinop, no estado do 
                         Mato Grosso. A metodologia constou de duas etapas: i) 
                         classifica{\c{c}}{\~a}o espectral da imagem por meio da 
                         t{\'e}cnica de Modelo Linear de Mistura Espectral, para a 
                         gera{\c{c}}{\~a}o de uma imagem-{\'{\i}}ndice, combinando as 
                         fra{\c{c}}{\~o}es solo e vegeta{\c{c}}{\~a}o. Nessa etapa, a 
                         imagem resultante foi fatiada e os elementos indicadores de 
                         degrada{\c{c}}{\~a}o florestal especificamente decorrentes de 
                         explora{\c{c}}{\~a}o madeireira, tais como, presen{\c{c}}a de 
                         p{\'a}tios de estocagem, ramais de arraste, e cicatrizes de fogo, 
                         foram identificados e mapeados; ii) classifica{\c{c}}{\~a}o 
                         estrutural dos padr{\~o}es de intensidade de 
                         degrada{\c{c}}{\~a}o florestal considerado c{\'e}lulas de 1 
                         km2. T{\'e}cnicas que exploram as m{\'e}tricas de paisagem e de 
                         minera{\c{c}}{\~a}o de dados foram empregadas para 
                         classifica{\c{c}}{\~a}o dos padr{\~o}es de 
                         degrada{\c{c}}{\~a}o. O desempenho da classifica{\c{c}}{\~a}o, 
                         que teve como suporte informa{\c{c}}{\~o}es coletadas em campo, 
                         apresentou exatid{\~a}o global e {\'{\i}}ndice Kappa de 96% e 
                         91%, respectivamente. Os resultados mostraram que essa abordagem, 
                         por considerar a intensidade da degrada{\c{c}}{\~a}o, pode ser 
                         replicada em estudos temporais de an{\'a}lise das 
                         condi{\c{c}}{\~o}es da paisagem florestal, pois a c{\'e}lula, 
                         sendo uma unidade fixa no tempo e no espa{\c{c}}o, possibilita 
                         mensurar a dire{\c{c}}{\~a}o e magnitude da estrutura dos 
                         elementos associados {\`a} degrada{\c{c}}{\~a}o e analisar os 
                         seus efeitos colaterais espa{\c{c}}o temporais. A metodologia 
                         proposta possibilitou gerar gradientes espaciais de intensidade de 
                         degrada{\c{c}}{\~a}o florestal, cujas informa{\c{c}}{\~o}es 
                         podem subsidiar o planejamento de pol{\'{\i}}ticas e de 
                         a{\c{c}}{\~o}es de controle e de fiscaliza{\c{c}}{\~a}o em 
                         {\'a}reas florestais. ABSTRACT: In this paper, we present a 
                         methodology to map and classify forest intensity degradation 
                         patterns using OLI/Landsat imagery, corresponding to region of 
                         Sinop, a municipality in the Mato Grosso Amazon region. The 
                         methodologic approach we propose a semiautomatic method to 
                         classify patterns of intensity of forest degradation in two steps: 
                         i) spectral classification, using Linear Spectral Mixture Model to 
                         generate an index image combining vegetation and soil fraction 
                         images to map the elements indicators of forest degradation such 
                         as small clearings, roads and burning scars; ii) structural 
                         classification of the forest intensity degradation patterns, based 
                         on a typology of forest degradation patterns proposed by Pinheiro 
                         (2015) for 1 km2 cells, landscape metrics and data mining 
                         techniques. The classification performance, which had field data 
                         observation to support validation, presented a global accuracy and 
                         Kappa index of 96% and 91%, respectively. The results showed that, 
                         due to the gadget and continuous of forest degradation 
                         characteristics, the methodology applied in this study 
                         demonstrated to be adequate to be applied in temporal series. The 
                         approach using cells representing forest degradation patterns 
                         allowed to quantify Structural properties of elements associated 
                         with forest degradation within its boundaries, delimits a portion 
                         of area that can be observed over time. The proposed methodology 
                         makes it possible to generate spatial gradients of forest 
                         degradation intensity, from which information can be extracted to 
                         support the planning of policies and actions to control forest 
                         degradation.",
                  doi = "10.14393/rbcv70n1-45254",
                  url = "http://dx.doi.org/10.14393/rbcv70n1-45254",
                 issn = "0560-4613 and 1808-0936",
                label = "lattes: 9947670889009026 3 CapanemaPinhEscaSant:2018:EsCaRe",
             language = "pt",
        urlaccessdate = "27 abr. 2024"
}