Close
Metadata

Identity statement area
Reference TypeThesis or Dissertation (Thesis)
Sitemtc-m21c.sid.inpe.br
Holder Codeisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identifier8JMKD3MGP3W34R/3REBD95
Repositorysid.inpe.br/mtc-m21c/2018/07.10.17.20
Last Update2018:10.09.13.53.13 (UTC) simone
Metadatasid.inpe.br/mtc-m21c/2018/07.10.17.20.38
Metadata Last Update2020:12.07.21.11.59 (UTC) administrator
Secondary KeyINPE-18091-TDI/2797
Citation KeySantos:2018:EsBiFl
TitleEstimativa de biomassa florestal no estado do Mato Grosso a partir de dados do Lidar e Landsat
Alternate TitleForest biomass estimative in Mato Grosso state from Lidar and Landsat data
CourseSER-SRE-SESPG-INPE-MCTIC-GOV-BR
Year2018
Date2018-07-25
Access Date2022, Jan. 22
Thesis TypeDissertação (Mestrado em Sensoriamento Remoto)
Secondary TypeTDI
Number of Pages115
Number of Files1
Size3610 KiB
Context area
AuthorSantos, Erone Ghizoni dos
CommitteeEscada, Maria Isabel Sobral (presidente)
Shimabukuro, Yosio Edemir (orientador)
Aragão, Luiz Eduardo Oliveira e Cruz
Gonçalves, Fabio Guimarães
e-Mail Addresseronegsantos@gmail.com
UniversityInstituto Nacional de Pesquisas Espaciais (INPE)
CitySão José dos Campos
History (UTC)2018-07-10 17:43:13 :: eronegsantos@gmail.com -> pubtc@inpe.br ::
2018-07-24 17:08:08 :: pubtc@inpe.br -> eronegsantos@gmail.com ::
2018-09-03 17:38:55 :: eronegsantos@gmail.com -> administrator ::
2018-09-24 18:46:27 :: administrator -> pubtc@inpe.br ::
2018-09-24 18:47:22 :: pubtc@inpe.br -> administrator ::
2018-10-09 13:48:35 :: administrator -> simone ::
2018-10-09 13:53:13 :: simone :: -> 2018
2018-10-09 13:53:42 :: simone -> administrator :: 2018
2018-10-10 20:35:34 :: administrator -> simone :: 2018
2018-10-11 18:46:42 :: simone -> administrator :: 2018
2020-12-07 21:11:59 :: administrator -> simone :: 2018
Content and structure area
Is the master or a copy?is the master
Content Stagecompleted
Transferable1
KeywordsAmazônia
biomassa
floresta degradada
LiDAR
sensoriamento remoto
Amazon
biomass
degraded forest
lidar
remote sensing
AbstractA Floresta Amazônica brasileira tem passado por um intenso processo de desmatamento (corte raso) e degradação florestal, que afeta de forma direta os estoques de carbono deste ecossistema. Os processos de degradação podem ser causados por distúrbios naturais e/ou antrópicos, e podem variar em extensão, severidade, qualidade, origem e frequência. Enquanto o desmatamento causa efeitos colaterais diretos na floresta Amazônica, os efeitos derivados da degradação florestal ocorrem de maneira mais gradual, afetando de maneira persistente as condições estruturais e de serviços ecossistêmicos. No ecossistema Amazônico as estimativas de emissões de carbono ainda divergem na literatura. Isto ocorre principalmente pela limitação da disponibilidade de dados sobre a estrutura florestal. Uma alternativa para aquisição de dados estruturais da floresta é a utilização de tecnologias Light Detection and Ranging (LiDAR). Neste sentido, a integração entre dados de sensoriamento remoto orbitais com LiDAR pode providenciar novas abordagens para geração de informações sobre a distribuição de áreas degradadas na Amazônia, bem como, o desenvolvimento de novos métodos e modelos que permitam acessar informações sobre modificações estruturais da floresta (p. ex. biomassa) em áreas degradadas. O objetivo geral deste trabalho foi realizar a integração de dados de sensoriamento remoto orbital (Landsat) e LiDAR multitemporais para geração de mapas de biomassa aérea viva e total em áreas degradadas da Floresta Amazônica no estado do Mato Grosso para os anos 2000 e 2017. Além disto, foi realizada uma comparação com mapas de biomassa atualmente disponíveis na literatura. Para quantificar a biomassa nesta área, testou-se como variáveis independentes, índices de vegetação, razões entre bandas, dados de textura (Grey Level Co-occurrence Matrix GLCM) e imagens frações derivadas do Modelo Linear de Mistura Espectral (MLME). Os resultados mostraram que a integração dos dados permite boas estimativas de biomassa em áreas de florestas degradadas. O estoque de biomassa para o ano de 2017 do bioma Amazônia no estado do Mato Grosso, apresentou 4,41 Tg com média de 155,12 Mg/ha ± 44,91 Mg/ha. Entre os 17 anos, as maiores modificações foram encontradas na classe de 0 a 50 Mg/ha, sendo que, nesta classe é onde estão as áreas afetadas pelo desmatamento (biomassa = 0 Mg/ha). A integração entre dados LiDAR com imagens Landsat proporcionou a elaboração de modelos genéricos que permitem a aplicação em diferentes datas. Além disso, consegue explicar cerca de 47% da variação da biomassa total na região analisada. ABSTRACT: The Brazilian Amazonian Forest has undergone an intense process of deforestation (forest clearing) and forest degradation, which directly affects the carbon stocks of this ecosystem. The degradation processes may be caused by natural and/or anthropogenic disturbances, and may vary in extent, severity, quality, origin and frequency. While deforestation causes direct effects in the Amazon rainforest, the effects of forest degradation occur gradually, affecting persistently the structural conditions and ecosystem services. In the Amazon ecosystem, estimates of carbon emissions still diverge in the literature. This is mainly due to the limited availability of data on the forest structure. An alternative for the acquisition of forest structural data is the use of Light Detection and Ranging (LiDAR) technologies. In this sense, the integration of orbital remote sensing data with LiDAR can provide new approaches for the generation of information on the distribution of degraded areas in the Amazon, as well as the development of new methods and models that allow access to information on structural modifications of the forest (e.g. biomass) in degraded areas. The main objective of this work was to integrate multitemporal orbital remote sensing (Landsat) and LiDAR data for the generation of live and total aerial biomass maps in degraded areas of the Amazon Forest in the state of Mato Grosso for the years 2000 and 2017. In addition, a comparison was made with biomass maps currently available in the literature. To quantify the biomass in this area, independent variables as vegetation indices, inter-band ratios, texture data (Gray Level Co-occurrence Matrix (GLCM) and images derived from the Linear Spectral Mixture Model (LSMM) were tested as independent variables. The results showed that data integration allows good estimates of biomass in degraded forest areas. The biomass stock for the year 2017 of the Amazon biome in the state of Mato Grosso, presenting 4.41 Tg with a mean of 155.12 Mg/ha ± 44.91 Mg/ha. Among the 17 years, the greatest changes were found in the class from 0 to 50 Mg/ha, and in this class are the areas affected by deforestation (biomass = 0 Mg/ha). The integration of LiDAR data with Landsat images provided the elaboration of generic models that allow the application in different dates. In addition, it can explain about 47% of the total biomass variation in the analyzed region.
AreaSRE
ArrangementEstimativa de biomassa...
doc Directory Contentaccess
source Directory Content
001-20.pdf 09/10/2018 10:53 415.2 KiB 
@4primeirasPaginas (1).pdf 09/10/2018 10:53 162.8 KiB 
Dissertação_Erone_final_pós-banca.pdf 09/10/2018 10:53 3.0 MiB
agreement Directory Content
autorizacao.pdf 09/10/2018 10:53 1005.0 KiB 
Conditions of access and use area
data URLhttp://urlib.net/ibi/8JMKD3MGP3W34R/3REBD95
zipped data URLhttp://urlib.net/zip/8JMKD3MGP3W34R/3REBD95
Languagept
Target Filepublicacao.pdf
User Grouperonegsantos@gmail.com
gabinete@inpe.br
pubtc@inpe.br
Reader Groupadministrator
eronegsantos@gmail.com
gabinete@inpe.br
pubtc@inpe.br
yolanda.souza@mcti.gov.br
Visibilityshown
Copyright Licenseurlib.net/www/2012/11.12.15.10
Read Permissionallow from all
Update Permissionnot transferred
Allied materials area
Mirror Repositoryurlib.net/www/2017/11.22.19.04.03
Next Higher Units8JMKD3MGPCW/3F3NU5S
DisseminationBNDEPOSITOLEGAL
Host Collectionurlib.net/www/2017/11.22.19.04
Notes area
Empty Fieldsacademicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype
Description control area
e-Mail (login)simone
update 

Close