| 1. Identificação | |||||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | ||||||||||||
| Site | mtc-m21b.sid.inpe.br | ||||||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | ||||||||||||
| Identificador | 8JMKD3MGP3W34P/3MM3DAP | ||||||||||||
| Repositório | sid.inpe.br/mtc-m21b/2016/10.25.15.44 | ||||||||||||
| Última Atualização | 2017:08.24.17.32.58 (UTC) simone | ||||||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21b/2016/10.25.15.44.47 | ||||||||||||
| Última Atualização dos Metadados | 2018:07.31.16.06.04 (UTC) simone | ||||||||||||
| Chave Secundária | INPE-17797-TDI/2535 | ||||||||||||
| Chave de Citação | Pereira:2017:EsCaAP | ||||||||||||
| Título | Sensoriamento remoto LiDAR e óptico aplicados à estimativa de biomassa aérea de manguezais: estudo de caso na APA de Guapimirim, RJ  | ||||||||||||
| Título Alternativo | LiDAR and optic remote sensing applied to mangrove aboveground biomass estimates: study case APA de Guapimirim, RJ. | ||||||||||||
| Curso | SER-SRE-SPG-INPE-MCTI-GOV-BR | ||||||||||||
| Ano | 2017 | ||||||||||||
| Data | 2016-11-18 | ||||||||||||
| Data de Acesso | 25 abr. 2024 | ||||||||||||
| Tipo da Tese | Tese (Doutorado em Sensoriamento Remoto) | ||||||||||||
| Tipo Secundário | TDI | ||||||||||||
| Número de Páginas | 211 | ||||||||||||
| Número de Arquivos | 1 | ||||||||||||
| Tamanho | 6435 KiB | ||||||||||||
| 2. Contextualização | |||||||||||||
| Autor | Pereira, Francisca Rocha de Souza | ||||||||||||
| Banca | Kampel, Silvana Amaral (presidente) Kampel, Milton (orientador) Aragão, Luiz Eduardo Oliveira e Cruz de Valeriano, Dalton de Morisson Bentz, Cristina Maria Longo, Marcos | ||||||||||||
| Endereço de e-Mail | franrspereira@gmail.com | ||||||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | ||||||||||||
| Cidade | São José dos Campos | ||||||||||||
| Histórico (UTC) | 2016-10-25 15:48:35 :: franrspereira -> yolanda.souza@mcti.gov.br :: 2016-10-25 17:42:01 :: yolanda.souza@mcti.gov.br -> franrspereira :: 2016-10-26 15:52:57 :: franrspereira -> yolanda.souza@mcti.gov.br :: 2016-10-26 16:08:58 :: yolanda.souza@mcti.gov.br -> administrator :: 2016-11-17 16:13:14 :: administrator -> yolanda :: 2017-03-02 13:40:32 :: yolanda -> yolanda.souza@mcti.gov.br :: 2017-03-02 14:10:32 :: yolanda.souza@mcti.gov.br -> marcelo.pazos@inpe.br :: 2017-03-03 13:43:18 :: marcelo.pazos@inpe.br -> administrator :: -> 2016 2017-03-08 13:42:51 :: administrator :: 2016 -> 2017 2017-08-24 17:09:58 :: administrator -> yolanda :: 2017 2017-08-24 17:32:58 :: yolanda -> administrator :: 2017 2018-06-04 02:27:17 :: administrator -> yolanda :: 2017 2018-07-31 16:05:08 :: yolanda -> simone :: 2017 2018-07-31 16:06:04 :: simone -> :: 2017 | ||||||||||||
| 3. Conteúdo e estrutura | |||||||||||||
| É a matriz ou uma cópia? | é a matriz | ||||||||||||
| Estágio do Conteúdo | concluido | ||||||||||||
| Transferível | 1 | ||||||||||||
| Palavras-Chave | LiDAR imagem óptica de alta resolução análise textural estimativa de biomassa aérea manguezal high resolution optical image textural analysis biomass estimation mangrove | ||||||||||||
| Resumo | Os manguezais são ecossistemas costeiros que ocorrem na interface entre a terra e o mar tipicamente em regiões tropicais, apresentando espécies adaptadas à salinidade e inundações pelas marés. Os manguezais realizam funções ecológicas essenciais para a manutenção da vida terrestre e marinha e para o sustento de comunidades costeiras. São importantes transformadores de nutrientes em matéria orgânica e geradores de bens e serviços como a estabilização e proteção da linha de costa, controle da poluição, sequestro de carbono atmosférico e regulação do clima. Seu atual desflorestamento é preocupante tanto ambientalmente como socioeconomicamente e sua restauração e conservação são importantes não só para a regulação dos fluxos de carbono e controle das mudanças climáticas, mas também para a manutenção de seus valiosos serviços prestados à zona costeira. No presente trabalho uma área relativamente extensa ($\sim$58,2 km$^{2}$) de manguezal inserida na APA de Guapimirim na Baía de Guanabara, RJ foi estudada. O objetivo geral do estudo é averiguar o potencial uso de dados LiDAR aerotransportado de retorno discreto para estimar a biomassa acima do solo (AGB) do manguezal com distintos graus de alteração, e comparativamente, investigar o potencial uso de índices texturais derivados de imagem óptica de alta resolução WordView-2 para estimar a AGB e distinguir tipos de cobertura do manguezal. Foram extraídas 26 métricas descritivas da altura normalizada da nuvem de pontos LiDAR e os índices texturais \emph{Fourier-based textural ordination} (FOTO) e Grey-\emph{Level Co-occurrence Matrix} (GLCM) da imagem óptica pancromática. Foram testados os métodos de análise de regressão Random Forest, AutoPLS e PLS para estimativa da AGB. Foi demonstrado que o uso de dados LiDAR para estimativa de AGB de manguezal com distintos graus de alteração foi efetivo e superior aos resultados obtidos com uso dos índices texturais extraídos da imagem óptica. O modelo preditivo mais preciso da AGB utilizando dados LiDAR (M2a) apresentou R$^{2}$(CAL)=0,89, R$^{2}$(LOO)=0,80, RMSE(CAL)=11,20 t/ha, RMSE (LOO)= 14,80 t/ha e SER\% = 8,90. As variáveis preditoras que mais contribuíram na modelagem foram avg, min, max, d02, d03, d04, d05 e d08 demonstrando que informações de densidade de pontos relativos aos estratos estruturais da floresta são importantes variáveis para a estimativa de AGB de bosques de mangue com distintos graus de alteração, bem como para detecção de áreas mais alteradas ou mais preservadas. O padrão de variabilidade textural associado às características dos dosséis florestais com distintos graus de alteração mensuradas pelos índices FOTO e GLCM não apresentou forte relação com os valores de AGB. Porém, a classificação Random Forest baseada nos índices texturais apresentou bons resultados na discriminação de tipos de cobertura como áreas de não mangue, mangue alterado e mangue mais preservado. A presente tese demonstra a eficácia do uso de técnicas de sensoriamento remoto, em especial de dados LiDAR de retorno discreto para estimar e mapear a AGB com boa acurácia e para discriminar tipos de cobertura no manguezal. Os resultados aqui apresentados podem contribuir com as análises e caracterização estrutural do manguezal, quantificação e qualificação da AGB e estoques de carbono, bem como, contribuir com o monitoramento, formulação de políticas públicas de conservação e proteção deste ecossistema, auxiliando a sua gestão. ABSTRACT: Mangroves form important intertidal ecosystems that link terrestrial and marine systems typically in tropical and subtropical regions, presenting physiological and morphological adaptations to environmental stresses of high salinity and flooding by tides. Mangroves perform essential ecological functions for the maintenance of terrestrial and marine life and the livelihoods of coastal communities. They provide valuable ecological and economical ecosystem goods and services transforming nutrients in organic matter, contributing to coastal erosion protection, pollution control, atmospheric carbon sequestration and climate regulation, among many other factors. Nevertheless, mangroves have experienced a dramatic decline in area caused by overexploitation and conversion to other uses. Their restoration and conservation are important not only for the regulation of carbon fluxes and climate change control, but also to maintain their valuable services for the coastal zone. Remote sensing techniques offer a useful tool of estimating forest biomass contributing with the monitoring of land use and land cover dynamics and the effectiveness of environmental policies. In the present work a relatively large area ($\sim$58.2 km$^{2}$) of mangroves inserted in the Environmental Protection Area of Guapimirim, Guanabara Bay, RJ was studied. The main goal of this study is to investigate the potential use of discrete return LiDAR data to estimate the aboveground biomass (AGB) of a mangrove forest with different degrees of disturbance, and comparatively investigate the potential use of textural indices derived from a high resolution WorldView-2 image to estimate AGB and to distinguish types of mangrove coverage. Twenty-six descriptive LiDAR metrics were extracted from the normalized height of the LiDAR point cloud data together with the Fourier-based textural ordination (FOTO) and Grey-Level Co-occurrence Matrix (GLCM) textural indices from the panchromatic optical image. Random Forest, AutoPLS and PLS regression methods were tested to estimate AGB. The results obtained using LiDAR data for estimating AGB were effective and superior to the results obtained using the textural indices. The most accurate predictive model of AGB using LiDAR data (M2a) presented R$^{2}$(CAL) = 0.89, R$^{2}$(LOO) = 0.80, RMSE(CAL) = 11.20 t/ha, RMSE(LOO) = 14.80 t/ha and RSE\% = 8.90\%. The most important predictor variables for the M2a model were avg, min, max, d02, d03, d04, d05 and d08 demonstrating that point density relative to the forest structural strata are important variables for the AGB estimation in mangrove forests with different degrees of disturbance as well as for detecting more altered or preserved areas. The textural variability pattern associated with the canopy characteristics with different degrees of disturbance measured by FOTO and GLCM indices showed weak relationships with AGB values. However, the Random Forest classification based on the textural indices showed good results on the discrimination of different types of coverage such as non-mangrove, altered and preserved mangroves. This thesis demonstrates the effectiveness use of remote sensing techniques, particularly discrete return LiDAR data to accurately estimate and map the AGB and to discriminate types of mangrove coverage. The results presented here can contribute to the analysis and structural characterization of mangroves, its AGB and carbon stocks quantification and qualification, also contributing with the monitoring and formulation of public policies for the conservation and protection of this ecosystem. | ||||||||||||
| Área | SRE | ||||||||||||
| Arranjo | Fonds > Produção pgr ATUAIS > SER > Sensoriamento remoto LiDAR... | ||||||||||||
| Conteúdo da Pasta doc | acessar | ||||||||||||
| Conteúdo da Pasta source |
| ||||||||||||
| Conteúdo da Pasta agreement |
| ||||||||||||
| 4. Condições de acesso e uso | |||||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34P/3MM3DAP | ||||||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34P/3MM3DAP | ||||||||||||
| Idioma | pt | ||||||||||||
| Arquivo Alvo | publicacao.pdf | ||||||||||||
| Grupo de Usuários | franrspereira marcelo.pazos@inpe.br simone yolanda.souza@mcti.gov.br | ||||||||||||
| Grupo de Leitores | administrator franrspereira marcelo.pazos@inpe.br yolanda yolanda.souza@mcti.gov.br | ||||||||||||
| Visibilidade | shown | ||||||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | ||||||||||||
| Detentor da Cópia | SID/SCD | ||||||||||||
| Permissão de Leitura | allow from all | ||||||||||||
| Permissão de Atualização | não transferida | ||||||||||||
| 5. Fontes relacionadas | |||||||||||||
| Repositório Espelho | sid.inpe.br/mtc-m21b/2013/09.26.14.25.22 | ||||||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S | ||||||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.18.22.34 3 | ||||||||||||
| Divulgação | BNDEPOSITOLEGAL | ||||||||||||
| Acervo Hospedeiro | sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 | ||||||||||||
| 6. Notas | |||||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel 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 | ||||||||||||