Avaliação da qualidade dos dados PRODES: estimativa e regionalização dos erros de mapeamento

• Ano de defesa: 2018
• Autor(a) principal: Luis Eduardo Pinheiro Maurano
• Orientador(a): Maria Isabel Sobral Escada, Camilo Daleles Rennó
• Banca de defesa: Thales Sehn Körting, Adriano Venturieri
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: The National Institute for Space Research (INPE) has carried out since 1998, in the scope of the Amazon Deforestation Satellite Monitoring (PRODES), the annual inventory of primary forest coverage through the mapping of clear cut deforestation in the legal Amazon. This mapping is done through the usage of the Landsat satellite images or through images of sensors with similar characteristics, which can calculate the annual deforestation rates in the Legal Amazon. The survey involves great territorial extension in which more than 5 million square kilometers are annually mapped. The information generated is used by the Brazilian government for assessment and public policy establishments concerning illegal deforestation. Even though the historic PRODES historical series is completing 30 years, there have been no studies conducted to assess and account for the errors and uncertainties found in the mapping of all extension of the Legal Amazon. The specialized literature recommends that the surveys performed with the use of remote sensing be always followed by measurements of accuracy and/or quality. However, the methods used to evaluate these measurements are often restricted to quantifying them in a global approach without reorganizing them or spatializing them. On mappings of a large territorial scale, having as an example the one executed by PRODES, informing quality global rates is important but cannot be sufficient if not accompanied by rates that provide some spatialization error models, considering the regional contexts and spatial attributes. This work developed a consistent methodology based on a regionalized statistical model to evaluate the data generated by PRODES for the year 2014. Based on a cells 50 x 50 km resolution map, landscape ecology metrics were extracted and using data mining techniques, a deforestation patterns map was created. Based on this map, around 1,800 points were randomly selected for validation process by three independent experts. A multivariate logistic regression model was developed and three independent variables associated to the landscape ecology metrics were selected to explain the event. Applying the model to the database, it was possible to spatialize the data in cells with a higher and lower probability of finding an error in the PRODES mapping, finding that 78% of the cells presented an estimated error of less than 1% while only 0.3% presented error estimated greater than 10%. The estimated error distribution by deforestation pattern also determined that the great majority of the cells present concentrated errors in the range less than 1% independent of the pattern. This errors regionalization approach using logistic regression model was adequate and the results obtained give to the mapping of the PRODES 2014 excellent quality level and they encourage their use to other similar mappings.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21c/2018/08.14.18.06

O Instituto Nacional de Pesquisas Espaciais (INPE), no âmbito do Projeto de Monitoramento do Desmatamento na Amazônia por Satélites (PRODES), realiza desde 1988, o inventário anual de perda de área de cobertura florestal primária, através do mapeamento do desmatamento por corte raso na Amazônia Legal. O levantamento envolve grande extensão territorial, em que mais de 5 milhões de km2 são mapeados anualmente, e as informações geradas são usadas pelo governo brasileiro para avaliação e estabelecimento de políticas públicas relativas ao controle do desmatamento. Apesar da série histórica do PRODES estar completando 30 anos, até hoje não se realizaram estudos para aferir e contabilizar os erros e incertezas encontrados no mapeamento para toda extensão da Amazônia Legal. A literatura especializada na área recomenda que levantamentos realizados com uso de dados de sensoriamento remoto venham sempre acompanhados de medidas de exatidão e/ou qualidade. Porém, os métodos utilizados para aferir estas medidas normalmente se restringem a quantificá-los de maneira global, sem regionalizálos, nem espacializá-los. Em mapeamentos de larga escala territorial, a exemplo do executado pelo PRODES, informar índices globais de qualidade é importante, mas pode não ser suficiente se os dados não vierem acompanhados de indicadores que forneçam algum modelo de espacialização dos erros, levando em consideração os contextos regionais. Este estudo desenvolveu uma metodologia baseada em um modelo estatístico regionalizado para avaliar os dados gerados pelo PRODES para o ano de 2014. Apoiado em um ambiente espaço celular, foram extraídas métricas de ecologia de paisagem e com auxílio de técnicas de mineração de dados foi gerado um mapa com padrões de desmatamento espacializado em células de 50 x 50 km. Com base no mapa obtido foram sorteados aproximadamente 1800 pontos aleatórios para validação independentes. Um modelo de regressão logística multivariado foi desenvolvido e tres variáveis independentes relacionadas as métricas foram selecionadas para estimar o erro no mapeamento. Aplicado o modelo a toda base de dados foi possível espacializar a área de estudo em células com maior e menor probabilidade de se encontrar erro no mapeamento do PRODES, onde se verificou que 73% das células apresentam erro estimado menor que 1% enquanto somente 0,4% apresentam erro estimado maior que 10%. A distribuição do erro estimado por padrão de desmatamento também determinou que a grande maioria das células apresentasse erro concentrados na faixa menor que 1% independente do padrão. Esta abordagem de regionalização de erros por modelo de regressão logística se mostrou adequada e os resultados obtidos conferem ao mapeamento do PRODES de 2014 excelente nível de qualidade e confiabilidade encorajando sua replicação para outros mapeamentos semelhantes.