Please use this identifier to cite or link to this item: https://repositorio.inpa.gov.br/handle/1/4983
Title: Alteração da cobertura florestal e biomassa em área de manejo florestal no Estado do Acre integrando dados de campo e sensores remotos
Authors: Pantoja, Nara Vidal
metadata.dc.contributor.advisor: Higuchi, Niro
metadata.dc.contributor.co-advisor: D'Oliveira, Marcus Vinício Neves
Keywords: Manejo florestal
Landsat
Sensoriamento remoto
REDD+
Issue Date: 31-Aug-2018
Publisher: Instituto Nacional de Pesquisas da Amazônia – INPA
metadata.dc.publisher.program: Ciências de Florestas Tropicais - CFT
Abstract: Logging based on the principles of forest management in the Amazon region is a promising management strategy for biodiversity conservation and carbon sequestration. However, the control methods currently used are insufficient to monitor frequently and on a large scale the occurrence of areas for logging. An area of tropical forest under forest management was mapped in the Antimary State Forest in the state of Acre, Western Brazilian Amazon, to assess the potential for the detection of impacts produced by forest operations (roads and landings) using different levels of data acquisition: field, aerial and orbital. Within the Antimary State Forest, roads and landings were mapped in the field with GPS devices. The remote mapping of these structures was achieved using the nonphotosynthetic vegetation (NPV) fraction images obtained from the mixing model of the Landsat images from years 2009 to 2015 processed in the CLASlite program. RapidEye images from the years 2012 to 2015 were used to identify areas degraded by selectivelogging. Airborne LiDAR data were used to create a high-resolution canopy relative density model (RDM) and to identify the logged areas. The mapping of logging in the study area showed 398 ha and 1,428 ha using automatic classification and visual interpretation, respectively. The overall accuracy was estimated at 0.50 ± 0.060 for the classification of Landsat images and 0.788 ± 0.149 for the classification of the RapidEye images. The underestimated logged area according to the reference data was 4,537 ha using Landsat and 705 ha using RapidEye. The size of the landings affected the Landsat detection since it detected only 40% of the landings, while 98% of landing were detected by LiDAR. The mean area of detected logging ladings was 435 m2 while the mean area of those undetected was 302 m2, with a significant difference in detection being the function of the size of the patios (t = -4.0076, df = 38, p≤0.01). Monitoring of permanent plots showed differences in forest cover stocks before and after selective logging. These results emphasize the need for research related to forest management in order to understand the spatial variability of roads, landings and harvested tree gaps being detected by remote sensing. While GPS is more reliable for the mapping of forest infrastructure, LiDAR and Landsat data are effective in remotely quantifying the extent of exploitation impacts in tropical forests by subsidizing forest management and monitoring
metadata.dc.description.resumo: A exploração madeireira praticada a partir dos princípios do manejo florestal é uma estratégia de gestão promissora para a conservação da biodiversidade e sequestro de carbono na Amazônia. Entretanto, os métodos de controle atualmente utilizados são insuficientes para monitorar com frequência e em grande escala a ocorrência de áreas de exploração de madeira. Foi mapeada uma área de floresta tropical sob manejo florestal na Floresta Estadual do Antimary no estado do Acre para avaliar o potencial de detecção dos impactos produzidos por operações florestais (estradas e pátios) a partir de diferentes níveis de aquisição de dados: campo, aéreo e orbital. As estradas e pátios foram mapeados em campo com aparelhos de GPS. A imagem-fração Vegetação Não-Fotossintética (NPV) obtida do modelo de mistura das imagens Landsat dos anos 2009 a 2015 processadas no programa CLASlite foram utilizadas para mapear as estradas florestais e pátios instalados dentro da área explorada. Imagens RapidEye dos anos 2012 a 2015 também foram analisadas para identificar áreas alteradas por corte seletivo. Dados LiDAR aerotransportado foram utilizados para obter o modelo de densidade relativa de vegetação e identificar a área explorada. O mapeamento da exploração madeireira na área usando classificação automática e interpretação visual, mostrou, respectivamente, áreas com 398 ha e 1.428 ha. A exatidão global foi estimada em 0,50 ± 0,060 para a classificação de imagens Landsat e 0,788 ± 0,149 para a classificação das imagens RapidEye. A área de exploração madeireira subestimada de acordo com os dados de referência foi de 4.537 ha (Landsat) e 705 ha (RapidEye). O tamanho dos pátios influenciou a detecção pelo Landsat, pois foi possível detectar somente 40% dos pátios mapeados em campo, enquanto 98% dos pátios foram detectados pelo LiDAR. A média da área dos pátios detectados foi de 435 m2 enquanto que a dos pátios não detectados foi de 302 m2, havendo diferença significativa na detecção em função do tamanho dos pátios (t = -4,0076, df = 38, p≤0,01). O monitoramento das parcelas permanentes mostrou as diferenças de estoque de cobertura florestal antes e após a exploração. Estes resultados enfatizam a necessidade de pesquisas relacionadas ao manejo florestal para entender a variabilidade espacial das estradas e pátios até então detectadas por sensoriamento remoto. Enquanto o GPS é recomendado para mapear com maior confiabilidade a infraestrutura florestal, dados LiDAR e Landsat também são eficazes para quantificar remotamente a extensão dos impactos da exploração em florestas tropicais, subsidiando a gestão e o monitoramento florestal.
Appears in Collections:Doutorado - CFT

Files in This Item:
File Description SizeFormat 
Nara_Pantoja.pdf4,66 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons