@InCollection{ShimabukuroDuArSaMoDu:2020:MaDeDe,
author = "Shimabukuro, Yosio Edemir and Dutra, Andeise Cerqueira and Arai,
Eg{\'{\i}}dio and Santos, Erone Ghizoni dos Santos and Moura,
Yhasmin Mendes de and Duarte, Valdete",
title = "Mapeamento do desmatamento e degrada{\c{c}}{\~a}o florestal no
estado do mato grosso, amaz{\^o}nia brasileira, utilizando
imagens fra{\c{c}}{\~a}o derivadas das imagens oli do
landsat-8",
booktitle = "A produ{\c{c}}{\~a}o do conhecimento na engenharia florestal",
publisher = "Atena",
year = "2020",
editor = "Felsemburgh, C. A.",
pages = "24--38",
keywords = "Imagens Fra{\c{c}}{\~a}o, Degrada{\c{c}}{\~a}o Florestal,
{\'A}reas Queimadas, Corte Seletivo, Regi{\~a}o Amaz{\^o}nica,
Fraction Images, Forest Degradation, Burned Areas, Selective
Logging, Amazon Region.",
abstract = "Desmatamento {\'e} a substitui{\c{c}}{\~a}o da floresta por
outra cobertura da terra enquanto que a degrada{\c{c}}{\~a}o
{\'e} uma modifica{\c{c}}{\~a}o da cobertura florestal a longo
prazo. Na Amaz{\^o}nia brasileira a degrada{\c{c}}{\~a}o
florestal {\'e} causada principalmente pelas atividades de
explora{\c{c}}{\~a}o seletiva da madeira e queimadas
descontroladas, e a sua contribui{\c{c}}{\~a}o para o
c{\'a}lculo da emiss{\~a}o de carbono continua a ser um desafio.
A discrimina{\c{c}}{\~a}o entre {\'a}reas afetadas por corte
seletivo e fogo {\'e} importante para o programa do REDD+
(Redu{\c{c}}{\~a}o de Emiss{\~o}es por Desmatamento e
Degrada{\c{c}}{\~a}o Florestal) da UNFCCC
(Conven{\c{c}}{\~a}oquadro das Na{\c{c}}{\~o}es Unidas sobre
Mudan{\c{c}}as Clim{\'a}ticas). Neste contexto, este trabalho
apresenta um procedimento semi-automatizado para mapeamento do
desmatamento e da degrada{\c{c}}{\~a}o florestal na
Amaz{\^o}nia brasileira utilizando imagens fra{\c{c}}{\~a}o
derivadas do Modelo Linear de Mistura Espectral (MLME). Imagens do
sensor OLI (Operational Land Imager) a bordo do sat{\'e}lite
Landsat-8 referentes ao ano de 2015 e cobrindo o estado do Mato
Grosso na Amaz{\^o}nia brasileira foram utilizadas no m{\'e}todo
proposto. Primeiramente, a abordagem consiste em mapear {\'a}reas
de desmatamento e as {\'a}reas de florestas degradadas pelo fogo
utilizando segmenta{\c{c}}{\~a}o das imagens fra{\c{c}}{\~a}o.
Em seguida, as {\'a}reas degradadas por explora{\c{c}}{\~a}o
seletiva da madeira s{\~a}o mapeadas usando um classificador
baseado em pixel. Os resultados mostraram que 1.685,75km2 ,
7.830,66km2 e 6.959,93km2 foram as {\'a}reas classificadas como
desmatadas, degradadas por corte seletivo e degradadas pelo fogo,
respectivamente, no Mato Grosso em 2015. Conclui-se que a
resolu{\c{c}}{\~a}o espacial das imagens desempenha um papel
importante para o mapeamento de {\'a}reas de corte seletivo da
madeira, j{\'a} que o tamanho dos p{\'a}tios e carreadores
utilizados para o arraste das {\'a}rvores cortadas s{\~a}o
menores do que a resolu{\c{c}}{\~a}o espacial das imagens OLI.
ABSTRACT: Deforestation is the replacement of the forest by
another land cover while degradation is a long-term modification
of forest cover. In the Brazilian Amazon, forest degradation is
mainly caused by the activities of selective logging and
uncontrolled fire, and its contribution to the calculation of
carbon emissions remains a challenge. Discrimination between areas
affected by selective logging and burning is important for the
UNFCCC REDD+ (Reduction of Emissions from Deforestation and Forest
Degradation) program. This work presents a semi-automated
procedure for mapping deforestation and forest degradation in the
Brazilian Amazon using fraction images derived from the Linear
Spectral Mixture Model (LSMM). Landsat-8 OLI (Operational Land
Imager) images, onboard Landsat-8 satellite, acquired in 2015
covering the state of Mato Grosso in the Brazilian Amazon were
used in the proposed method. First, the approach mapped areas of
deforestation and areas degraded by fires using segmentation of
the fraction images. Then, the areas degraded by selective logging
were mapped using a pixel-based classifier. The results showed
that 1,685.75km2 , 7,830.66km2 and 6,959.93km2 were classified as
deforested areas, areas degraded by selective logging and areas
degraded by fire, respectively, in Mato Grosso in 2015. It is
concluded that the spatial resolution plays an important role for
mapping areas of selective logging, since the size of the stocking
plots and exploration roads used for dragging the logged trees are
smaller than the spatial resolution of the OLI images.",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Universidade de Helsinque} and
{Royal Society Newton International Fellow} and {Instituto
Nacional de Pesquisas Espaciais (INPE)}",
doi = "10.22533/at.ed.0062026103",
url = "http://dx.doi.org/10.22533/at.ed.0062026103",
isbn = "9786557065006",
label = "lattes: 1913003589198061 1 ShimabukuroDuArSaMoDu:2020:MADEDE",
language = "pt",
targetfile = "shimabukuro_mapeamento.pdf",
url = "https://www.atenaeditora.com.br/post-ebook/3600",
urlaccessdate = "09 maio 2024"
}