Detecção de mudanças na cobertura da terra através da implementação do algoritmo Change Vector Analysis (CVA) e series temporais do Índice de Vegetação por Diferença Normalizada (NDVI), no Parque Estadual do Cocó – Fortaleza/CE

• Ano de defesa: 2022
• Autor(a) principal: Mojica, Jack Endrick Pastrana
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Coberturas da terra; Sensoriamento remoto; Detecção de mudanças
• Link de acesso: http://www.repositorio.ufc.br/handle/riufc/69678

As ocorrências ambientais na Unidade de Conservação de Proteção Integral (UC) no Parque Estadual do Cocó(PEC), representam um problema constante que leva à degradação ambiental, esse estrago foi gerado inicialmente pela implementação das atividades e práticas de extração de salineira que foram desenvolvidas no passado e que progressivamente afetaram a funcionalidade do ecossistema, mesmo que, ao adensamento urbano na zona metropolitana de Fortaleza, o que gerou uma pressão constante sobre esta área. Por tanto o monitoramento espaço-temporal torna-se indispensável para assegurar a proteção e gestão ambiental, nesse sentido a utilização do sensoriamiento remoto auxilia na monitorização e seguimento dos fatores que incidem na transformação do parque. Este trabalho objetiva analisar o comportamento da saúde da vegetação nas condições ambientais entre o período 2015 - 2021 para identificar padrões de mudanças da cobertura, através de técnicas e métodos de detecção de remota. Para isso foram utilizados compostos mensais do Índice de Vegetação por Diferença Normalizada (NDVI) e o algoritmo Change Vector Analysis (CVA). A metodologia utilizou a plataforma de geoprocessamento Google Earth Engine (GEE) e a linguagem de programação Python como ferramenta para processar e manipular dados de sensoriamento remotos, bem como a utilização do software Qgis como auxilio no desenvolvimento dos procedimentos metodológicos. Os resultados deste estudo mapearam as alterações da cobertura da terra a partir dos componentes Magnitude e Direção da Mudança do CVA e a interpretação das trajetórias temporais NDVI. Foram identificadas 4 categorias de mudanças, áreas sem alteração, alagamento, recrescimento e degradação, nesta última categoria foi possível mapear o incêndio que atingiu em grande parte à vegetação dentro do PEC no ano 2021. Enquanto que, as séries temporais de NDVI diferenciaram a vegetação com maior desenvolvimento registando valores de 0.7 a 0.9 das áreas com pouco desenvolvimento com valores de 0.1 a 0.2. A fim de comparar e avaliar a melhor técnica foi aplicado o método de classificação supervisionada de distância mínima, baseado nas áreas de treinamento recolhidas em campo foi construída a matriz de erro e calculado o valor de concordância global dos mapas e o Índice Kappa. Se verificou a subestimação e superestimação dos resultados, sendo o método do CVA que obteve maior exatidão temática no mapa com 0.94, em relação ao método do NDVI com quase 0.84 % de correspondência nas categorias de mudanças no mapa.