Monitoramento ambiental por sensoriamento remoto: avaliação, automação e aplicação ao bioma caatinga utilizando séries históricas Landsat.

• Ano de defesa: 2018
• Autor(a) principal: CUNHA, John Elton de Brito Leite.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Tecnologia e Recursos Naturais - CTRN; PÓS-GRADUAÇÃO EM RECURSOS NATURAIS; UFCG
• Palavras-chave em Português: Monitoramento Ambiental; Sensoriamento Remoto; Bioma Caatinga; Séries Históricas Landsat; Gestão Ambiental; Evapotranspiração; LANDSAT Satellites; Imagens Landsat; Remote Sensing; Evapotranspiration; Caatinga Biome; Séries Temporais de Sensoriamento Remoto; Cobertura do Solo - Caatinga; Gestão Ambiental.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1555

O baixo monitoramento e altas pressões climáticas e antrópicas fazem do bioma Caatinga, semiárido brasileiro, um dos mais vulneráveis do mundo. Séries temporais de sensoriamento remoto são valiosas para analisar as LCC em áreas com alta sazonalidade, mas demandam muitos recursos computacionais. Estudos anteriores utilizam séries temporais superiores a 30 anos de índices de vegetação com baixa resolução espacial (1 a 8 km). No entanto, esta resolução espacial geralmente não permite identificar ações humanas (impactos) no meio ambiente. Nos últimos anos, houve melhorias na qualidade da imagem do Landsat (radiométrica e geométrica) e agora estão prontas para suportar o monitoramento e análise dos processos na superfície terrestre. O objetivo deste estudo é analisar, a partir de sensores de média resolução espadai, as alterações na cobertura do solo de origem antrópica numa área do bioma Caatinga. Para este fim, utilizou-se algoritmos para gerar índices de vegetação, albedo de superfície e evapotranspiração a partir de dados dos sensores a bordo dos satélites da família Landsat. Para aumentar a eficiência na geração dessas informações, os algoritmos foram conduzidos para operar com baixa demanda por dados de estações meteorológicas e sem intervenção humana durante o processamento. Além disso, um serviço de alto desempenho para processamento de dados orbitais é proposto. Os dados gerados por estes algoritmos foram testados com a informações de campo, demonstrando a possibilidade de utilizar os algoritmos em processos automáticos. As técnicas de computação em nuvem e paralelização utilizadas neste estudo foram eficientes na produção de séries temporais superiores a 30 anos de variáveis em média resolução espacial. A principal aplicação desenvolvida neste trabalho utilizou séries temporais do Landsat por um período de 31 anos em resolução temporal mensal, a fim de investigar os padrões espaciais e temporais da mudança de cobertura do solo em uma área de Caatinga, semiárido do estado da Paraíba, no Brasil. Um novo índice espectral - índice Surface Albedo (SAI) - é proposto para melhorar a observação da condição biofísica da vegetação. Os índices NDVI, EVI e SAI foram utilizados para avaliar o monitoramento das LCC impulsionadas por ações humanas em contraste a alteração induzida pelo clima. Séries temporais dos índices foram aplicados ao método TSS RESTREND para monitoramento das LCC. O método é empregado para remover as influências a curto prazo da precipitação na fisionomia da cobertura do solo, permitindo assim avaliar a capacidade dos índices utilizados para discriminar alterações nas regiões semiáridas. Google Earth, imagens RapidEye e observações in situ (a partir de outubro de 2017) foram usadas para observar condições de preservação/degradação ao longo do tempo. Os resultados mostram que o índice SAI é capaz de distinguir entre cobertura do solo "alterada" e "inalterada" com uma alta acurácia, 87%, para detectar corretamente o ano da LCC. Quando utilizado o índice SAI, o TSS RESTREND demonstrou-se adequado para detectar LCC na Caatinga, e seu melhor desempenho foi alcançado quando o evento de mudança ocorre na região central da série temporal (1990-2010), com algumas imprecisões em anos secos. O menor desempenho dos índices EVI e NDVI na detecção das LCC no bioma da Caatinga é explicado pela sua alta sensibilidade às variações da cobertura de folhas, como resultado de condições sazonais ou extremas de seca. O LCC afeta todo o sistema soloplanta-atmosfera, como remoção de biomassa e mudanças nas propriedades do solo, bem como no microclima, devido à exposição direta à radiação, precipitação e vento. A este respeito, a SAI é suposto ser mais sensível às alterações artificiais na superfície terrestre, devido à sua capacidade de capturar uma maior quantidade de feedback ambiental.