Detecção de Mudanças Florestais em Séries Temporais Utilizando os Algoritmos Landtrendr: Estudo de Caso no Estado do Rio de Janeiro
DOI:
https://doi.org/10.11606/rdg.v37i0.153546Palavras-chave:
Sensoriamento Remoto, Vegetação, LandsatResumo
O entendimento de como os sistemas terrestres evoluem é importante na busca de estratégia que otimizem a utilização dos recursos naturais e minimizem os impactos ambientais. O monitoramento das mudanças da cobertura vegetal e do uso da terra, através de técnicas de sensoriamento remoto tem sido fundamental neste sentido. O objetivo principal deste artigo foi contribuir metodologicamente para o monitoramento dos sistemas terrestres através de técnicas de sensoriamento remoto, utilizando todo o acervo disponível de imagens Landsat, numa abordagem com base na trajetória espectral do pixel em séries temporais. Para tal, a detecção de mudanças baseada em trajetórias foi utilizada através do algoritmo LandTrendr, para detectar mudanças nas coberturas florestais do estado do Rio de Janeiro entre 1984 e 2016, identificando diferentes tipos de perturbações (desmatamentos e recuperações). Observou-se 58.969 ha de trajetórias de mudanças florestais no estado do Rio de Janeiro, destas 64% são perdas florestais e 36% regenerações. Este mapeamento alcançou 70% de exatidão global. No litoral, as supressões são antigas e mais abruptas enquanto que no interior são antigas, porém graduais, configurando uma constante degradação da paisagem. As recuperações florestais no estado são mais recorrentes na Região Turística dos Lagos. Foi desenvolvido um mapa síntese com as características das trajetórias. Apenas esta região tem tendências de recuperação florestal, enquanto que as regiões no interior do estado têm tendências de degradação e as próximas ao litoral tendências de estabilidade, com taxas de ganho e perda florestal muito parecidas.
Downloads
Os dados de download ainda não estão disponíveis.
Referências
BANSKOTA, A.; KAYASTHA, N.; FALKOWSKI, M. J.; WULDER, M. A.; FROESE, R. E.; WHITE, J. C. Forest Monitoring Using Landsat Time Series Data: A Review. Canadian Journal of Remote Sensing, v. 40 n. 5, pp.362-384, 2014.
CÂMARA, G.; MACIEL, A.; MAUS, N.; VINHAS, L.; SANCHEZ, A. Using dynamic geospatial ontologies to support information extraction from big Earth observation data sets. GIScience Conference, 2016.
CHEN, G.; HAY, G. J.; CARVALHO, L. M. T.; WULDER, M. A. Object based change detection. International Journal of Remote Sensing, v. 33, n. 14, pp. 4434-4457, 2012.
COHEN, W. B.; YANG, Z.; KENNEDY, R. E. (2010) Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync - Tools for calibration and validation. Remote Sensing of Environment, v. 114, pp. 2911-2924.
CRONEMBERGER, F. M. Paisagens da Serra do Mar: uma análise geoecológica da dinâmica da paisagem. Tese de Doutorado em Geografia, UFF. Niterói, RJ. 159 p, 2014.
CRUZ, C. B. M.; VICENS, R. S.; SEABRA, S.; REIS R. B.; FABER, O. A.; ARNAUT, P. K. E.; ARAÚJO, M. Classificação orientada a objetos no mapeamento dos remanescentes da cobertura vegetal do bioma Mata Atlântica, na escala 1:250.000. Anais do XIII Simpósio Brasileiro de Sensoriamento Remoto. Florianópolis, SC. INPE, pp. 5691-5698, 2007.
FERNANDES, P. J. F.; VICENS, R. S.; FURTADO, L. F. A. Modelo automático de normalização radiométrica de série multitemporal Landsat-5 usando pontos pseudoinvariantes, PIF. Revista Brasileira de Cartografia, v. 69, n. 02, pp. 241-251, 2017.
FERRAZ, D. P. G. B. Dinâmica espaço-temporal da produção de silvicultura no estado do Rio de Janeiro entre 1985 e 2014. Dissertação de Mestrado em Geografia, UFF. Niterói, RJ. 83 p, 2017.
FRAGAL, E. H. Reconstrução histórica de mudanças na cobertura florestal em várzeas do baixo Amazonas utilizando o algoritmo Landtrendr. Dissertação de Mestrado em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, SP. 126 p, 2015.
FRAGAL, E. H.; SILVA, T. S. F.; NOVO, E. M. L. M. Reconstructing historical forest cover change in the Lower Amazon floodplains using the LandTrendr algorithm. Acta Amazonica, v. 46, n. 1, pp. 13-24, 2016.
GRIFFITHS, P; KUEMMERLE, T; KENNEDY, R. E; ABRUDAN, I. V; KNORN, J; HOSTERT, P. Using annual time-series of Landsat images to assess the effects of forest restitution in post-socialist Romania. Remote Sensing of Enviroment, v. 118, pp. 199-214, 2012.
JENSEN, J. R. Sensoriamento Remoto do Ambiente. Uma Perspectiva em Recursos Terrestres. Ed. Parentese, São José dos Campos, SP. 598 p., 2009.
JIANYA, G.; HAIGANG, S.; GUORUI, M.; QIMING, Z. A Review of Multi-Temporal Remote Sensing Data Change Detection Algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7. Beijing, China, 2008.
KENNEDY, R. E.; ANDRÉFOUËT, S.; COHEN, W. B.; GÓMEZ, C.; GRIFFITHS, P.; HAIS, M.; HEALEY, S. P.; HELMER, E. H.; HOSTERT, P.; LYONS, M. B.; MEIGS, G. W.; PFLUGMACHER, D.; PHIN, S. R.; POWELL, S. L.; SCARTH, P.; SEN, S.; SCHROEDER, T. A.; SCHNEIDER, A.; SONNENSCHEIN, R.; VOGELMANN, J. E.; WULDER, M .A.; ZHU, Z. Bringing an ecological view of change to Landsat-based remote sensing. Frontiers in Ecology and Environment, v. 12 (6), pp. 339-346, 2014.
KENNEDY, R. E.; COHEN, W. B.; SCHROEDER, T. A. Trajectory-based change detection for automated characterization of forest disturbance dynamics. Remote Sensing of Environment, v. 110, pp. 370-386, 2007.
KENNEDY, R. E.; YANG, Z.; COHEN, W. B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. Remote Sensing of Environment, v. 114, pp. 2897-2910, 2010.
KENNEDY, R. E.; YANG, Z.; COHEN, W. B.; PFAFF, E.; BRAATEN, J.; NELSON, P. Spatial and temporal patterns of forest disturbance and regrowth within the area of the Northwest Forest. Remote Sensing of Environment, v. 122, pp. 117-133, 2012.
KENNEDY, R. E.; YANG, Z.; GORELICK, N.; BRAATEN, J.; CAVALCANTE, L.; COHEN, W. B.; HEALEY, S. Implementation of the LandTrendr Algorithm on Google Earth Engine. Remote Sensing, v. 10, n. 691, pp. 1-10, 2018.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, v. 33, pp.159-174, 1977.
LU, D.; LI, G.; MORAN, E. Current situation and needs of change detection techniques. International Journal of Image and Data Fusion, v. 5, n. 1, pp. 13-38, 2014.
LU, D.; MAUSEL, P.; BRONDIZIO, E.; MORAN, E. Change detection techniques. International Journal of Remote Sensing, v. 25 n. 12, pp. 2365-2407, 2004.
MAUS, N.; CÂMARA, G.; CARTAXO, R.; SANCHEZ, A.; RAMOS, M.; QUEIROZ, G. R. A Time-Weighted Dynamic Time Warping Method for Land-Use and Land-Cover Mapping. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 9, n. 8, pp. 3729-3739, 2016.
PONZONI; F. J.; SHIMABUKURO, Y .E. Sensoriamento Remoto no Estudo da Vegetação. Ed. Parêntese, São José dos Campos, SP, 2ª edição. 144 p., 2009.
SARAÇA, C. E. S.; RAHY, I. S; SANTOS, M. A.; COSTA, M. B.; ALENCAR, R. S.; PERES, W. R. A propósito de uma nova regionalização para o Estado do Rio de Janeiro; p. 33-40. In: BERGALLO, H. G.; FIDALGO; E .C .C.; ROCHA, C. F. D.; UZÊDA; M. C.; COSTA, M .B.; ALVES, M. A. S.; VAN SLUYS, M.; SANTOS, M. A.; COSTA, T. C. C.; COZZOLINO, A. C. R. (ed.). Estratégias e ações para a conservação da biodiversidade no Estado do Rio de Janeiro. Rio de Janeiro, Instituto Biomas, 2007.
SCHOTT, J. R.; Salvaggio, C.; Volchok, W. J. Radiometric scene normalization using pseudoinvariant features. Remote Sensing of Environment, v. 26, pp. 1-16, 1988.
VELOSO, H. P.; RANGEL FILHO, A. L. R.; LIMA, J. C. A. Classificação da vegetação brasileira, adaptada a um sistema universal. Rio de Janeiro: IBGE/DERNA. 123 p., 1991.
VICENS, R. S.; CRONEMBERGER, F. M.; CRUZ, C. B. M. (2009) Análise multi-resolução e modelagem do conhecimento na diferenciação de fisionomias de florestas em remanescentes de Mata Atlântica no Estado do RJ. Anais do XIV Simpósio Brasileiro de Sensoriamento Remoto. Natal, RN. INPE, pp. 4519-4526, 2009.
WECKMÜLLER, R. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. POSGEO, Tese de Doutorado em Geografia, UFF (disponível em: goo.gl/9KuJnK). Niterói, RJ. 123 p, 2018.
WECKMÜLLER, R.; VICENS, R. S. Método híbrido de detecção de mudanças: uma associação entre classificação baseada em objetos e baseada em pixels. Revista Brasileira de Cartografia, v. 68 n. 05, pp. 883-899, 2016.
WECKMÜLLER, R.; ZEBENDE, J. V. J.; VICENS, R. S. Escolha do melhor descritor para a detecção de trajetórias em florestas tropicais utilizando os algoritmos LandTrendr. Revista Continentes, v. 7 n. 13, pp. 68-84, 2018.
CÂMARA, G.; MACIEL, A.; MAUS, N.; VINHAS, L.; SANCHEZ, A. Using dynamic geospatial ontologies to support information extraction from big Earth observation data sets. GIScience Conference, 2016.
CHEN, G.; HAY, G. J.; CARVALHO, L. M. T.; WULDER, M. A. Object based change detection. International Journal of Remote Sensing, v. 33, n. 14, pp. 4434-4457, 2012.
COHEN, W. B.; YANG, Z.; KENNEDY, R. E. (2010) Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync - Tools for calibration and validation. Remote Sensing of Environment, v. 114, pp. 2911-2924.
CRONEMBERGER, F. M. Paisagens da Serra do Mar: uma análise geoecológica da dinâmica da paisagem. Tese de Doutorado em Geografia, UFF. Niterói, RJ. 159 p, 2014.
CRUZ, C. B. M.; VICENS, R. S.; SEABRA, S.; REIS R. B.; FABER, O. A.; ARNAUT, P. K. E.; ARAÚJO, M. Classificação orientada a objetos no mapeamento dos remanescentes da cobertura vegetal do bioma Mata Atlântica, na escala 1:250.000. Anais do XIII Simpósio Brasileiro de Sensoriamento Remoto. Florianópolis, SC. INPE, pp. 5691-5698, 2007.
FERNANDES, P. J. F.; VICENS, R. S.; FURTADO, L. F. A. Modelo automático de normalização radiométrica de série multitemporal Landsat-5 usando pontos pseudoinvariantes, PIF. Revista Brasileira de Cartografia, v. 69, n. 02, pp. 241-251, 2017.
FERRAZ, D. P. G. B. Dinâmica espaço-temporal da produção de silvicultura no estado do Rio de Janeiro entre 1985 e 2014. Dissertação de Mestrado em Geografia, UFF. Niterói, RJ. 83 p, 2017.
FRAGAL, E. H. Reconstrução histórica de mudanças na cobertura florestal em várzeas do baixo Amazonas utilizando o algoritmo Landtrendr. Dissertação de Mestrado em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, SP. 126 p, 2015.
FRAGAL, E. H.; SILVA, T. S. F.; NOVO, E. M. L. M. Reconstructing historical forest cover change in the Lower Amazon floodplains using the LandTrendr algorithm. Acta Amazonica, v. 46, n. 1, pp. 13-24, 2016.
GRIFFITHS, P; KUEMMERLE, T; KENNEDY, R. E; ABRUDAN, I. V; KNORN, J; HOSTERT, P. Using annual time-series of Landsat images to assess the effects of forest restitution in post-socialist Romania. Remote Sensing of Enviroment, v. 118, pp. 199-214, 2012.
JENSEN, J. R. Sensoriamento Remoto do Ambiente. Uma Perspectiva em Recursos Terrestres. Ed. Parentese, São José dos Campos, SP. 598 p., 2009.
JIANYA, G.; HAIGANG, S.; GUORUI, M.; QIMING, Z. A Review of Multi-Temporal Remote Sensing Data Change Detection Algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7. Beijing, China, 2008.
KENNEDY, R. E.; ANDRÉFOUËT, S.; COHEN, W. B.; GÓMEZ, C.; GRIFFITHS, P.; HAIS, M.; HEALEY, S. P.; HELMER, E. H.; HOSTERT, P.; LYONS, M. B.; MEIGS, G. W.; PFLUGMACHER, D.; PHIN, S. R.; POWELL, S. L.; SCARTH, P.; SEN, S.; SCHROEDER, T. A.; SCHNEIDER, A.; SONNENSCHEIN, R.; VOGELMANN, J. E.; WULDER, M .A.; ZHU, Z. Bringing an ecological view of change to Landsat-based remote sensing. Frontiers in Ecology and Environment, v. 12 (6), pp. 339-346, 2014.
KENNEDY, R. E.; COHEN, W. B.; SCHROEDER, T. A. Trajectory-based change detection for automated characterization of forest disturbance dynamics. Remote Sensing of Environment, v. 110, pp. 370-386, 2007.
KENNEDY, R. E.; YANG, Z.; COHEN, W. B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. Remote Sensing of Environment, v. 114, pp. 2897-2910, 2010.
KENNEDY, R. E.; YANG, Z.; COHEN, W. B.; PFAFF, E.; BRAATEN, J.; NELSON, P. Spatial and temporal patterns of forest disturbance and regrowth within the area of the Northwest Forest. Remote Sensing of Environment, v. 122, pp. 117-133, 2012.
KENNEDY, R. E.; YANG, Z.; GORELICK, N.; BRAATEN, J.; CAVALCANTE, L.; COHEN, W. B.; HEALEY, S. Implementation of the LandTrendr Algorithm on Google Earth Engine. Remote Sensing, v. 10, n. 691, pp. 1-10, 2018.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, v. 33, pp.159-174, 1977.
LU, D.; LI, G.; MORAN, E. Current situation and needs of change detection techniques. International Journal of Image and Data Fusion, v. 5, n. 1, pp. 13-38, 2014.
LU, D.; MAUSEL, P.; BRONDIZIO, E.; MORAN, E. Change detection techniques. International Journal of Remote Sensing, v. 25 n. 12, pp. 2365-2407, 2004.
MAUS, N.; CÂMARA, G.; CARTAXO, R.; SANCHEZ, A.; RAMOS, M.; QUEIROZ, G. R. A Time-Weighted Dynamic Time Warping Method for Land-Use and Land-Cover Mapping. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v. 9, n. 8, pp. 3729-3739, 2016.
PONZONI; F. J.; SHIMABUKURO, Y .E. Sensoriamento Remoto no Estudo da Vegetação. Ed. Parêntese, São José dos Campos, SP, 2ª edição. 144 p., 2009.
SARAÇA, C. E. S.; RAHY, I. S; SANTOS, M. A.; COSTA, M. B.; ALENCAR, R. S.; PERES, W. R. A propósito de uma nova regionalização para o Estado do Rio de Janeiro; p. 33-40. In: BERGALLO, H. G.; FIDALGO; E .C .C.; ROCHA, C. F. D.; UZÊDA; M. C.; COSTA, M .B.; ALVES, M. A. S.; VAN SLUYS, M.; SANTOS, M. A.; COSTA, T. C. C.; COZZOLINO, A. C. R. (ed.). Estratégias e ações para a conservação da biodiversidade no Estado do Rio de Janeiro. Rio de Janeiro, Instituto Biomas, 2007.
SCHOTT, J. R.; Salvaggio, C.; Volchok, W. J. Radiometric scene normalization using pseudoinvariant features. Remote Sensing of Environment, v. 26, pp. 1-16, 1988.
VELOSO, H. P.; RANGEL FILHO, A. L. R.; LIMA, J. C. A. Classificação da vegetação brasileira, adaptada a um sistema universal. Rio de Janeiro: IBGE/DERNA. 123 p., 1991.
VICENS, R. S.; CRONEMBERGER, F. M.; CRUZ, C. B. M. (2009) Análise multi-resolução e modelagem do conhecimento na diferenciação de fisionomias de florestas em remanescentes de Mata Atlântica no Estado do RJ. Anais do XIV Simpósio Brasileiro de Sensoriamento Remoto. Natal, RN. INPE, pp. 4519-4526, 2009.
WECKMÜLLER, R. Trajetórias evolutivas das coberturas florestais do estado do Rio de Janeiro utilizando os algoritmos LandTrendr. POSGEO, Tese de Doutorado em Geografia, UFF (disponível em: goo.gl/9KuJnK). Niterói, RJ. 123 p, 2018.
WECKMÜLLER, R.; VICENS, R. S. Método híbrido de detecção de mudanças: uma associação entre classificação baseada em objetos e baseada em pixels. Revista Brasileira de Cartografia, v. 68 n. 05, pp. 883-899, 2016.
WECKMÜLLER, R.; ZEBENDE, J. V. J.; VICENS, R. S. Escolha do melhor descritor para a detecção de trajetórias em florestas tropicais utilizando os algoritmos LandTrendr. Revista Continentes, v. 7 n. 13, pp. 68-84, 2018.
Downloads
Publicado
2019-07-03
Edição
Seção
Artigos
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution BY-NC-SA que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. A licença adotada enquadra-se no padrão CC-BY-NC-SA.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
Como Citar
Weckmüller, R., & Vicens, R. S. (2019). Detecção de Mudanças Florestais em Séries Temporais Utilizando os Algoritmos Landtrendr: Estudo de Caso no Estado do Rio de Janeiro. Revista Do Departamento De Geografia, 37, 44-57. https://doi.org/10.11606/rdg.v37i0.153546
