Printer Friendly

Discrimination of phytophysiognomies in central Amazon using vegetation indices of images with Moderate spatial resolution/Discriminacao de fitofisionomias na Amazonia central por meio de indices de vegetacao de imagens com resolucao espacial moderada.

1. INTRODUCAO

Conhecer a distribuicao das distintas coberturas vegetais e suas variacoes fenologicas sao aspectos cruciais para a compreensao e avaliacao dos componentes de um ecossistema. Estes aspectos sao necessarios para o planejamento de uma politica eficiente em unidades de conservacao.

A importancia do clima na estrutura e funcao da vegetacao e amplamente conhecida (Walter, 1973; Box, 1981). A distribuicao espacial, a estrutura horizontal e a distribuicao vertical da vegetacao natural sao determinadas pela interacao de fatores ambientais abioticos e bioticos, tais como o clima, solo, geomorfologia e fauna associada a estes ambientes. Estas interacoes permitem, tambem, que a cobertura vegetal tenha um papel importante nos sistemas climaticos devido as trocas de energia, agua e gases com a atmosfera e tambem como fonte de producao e sequestro de gases no ciclo biogeoquimico (Sellers et al., 1997). Segundo Shukla et al. (1990), o equilibrio dinamico existente entre vegetacao e clima regional pode ser alterado se um dos seus componentes variar.

As oscilacoes em uma populacao vegetal ocorrem, por vezes, sazonalmente e com determinada periodicidade em funcao de fatores bioticos e abioticos. Ocorrem, tambem individualmente, ao nivel de comunidade e populacao. Ha, assim, certa mudanca fenologica sobre as caracteristicas vegetais. A dinamica da vegetacao natural e agricola e uma variavel importante nos modelos regionais e globais destinados ao entendimento da variabilidade interanual de ecossistemas terrestres, quando se estudam as trocas de carbono e interacoes biosferaclima (Zhang et al., 2003).

Segundo Potter et al. (2007), a capacidade da floresta de sequestrar carbono vem se tornando um assunto de importancia central para os empreendedores rurais e para a classe politica. Areas florestadas, que constantemente geram um incremento de carbono devido ao crescimento em producao do ecossistema, sao potencialmente importantes para as atuais e futuras emissoes de C[O.sub.2] industriais. Reciprocamente, areas que nao sequestram o carbono da atmosfera, como locais onde ocorre a conversao da cobertura vegetal original em pastagens e culturas agricolas, podem contribuir para o aumento do nivel de C[O.sub.2] na atmosfera e constituem importantes fontes emissoras globais. No entanto, com metodos rapidos ja disponiveis, e possivel entender e quantificar os fatores que controlam a produtividade da floresta.

O Sensoriamento Remoto proporciona observacao, analise e estudos de areas extensas de uso/cobertura em uma visao sinotica e a custos financeiros e de tempo menos onerosos. Entretanto, a identificacao e discriminacao de alguns tipos de vegetacao estao condicionadas a escala de estudo e resolucao espacial dos dados de Sensoriamento Remoto utilizados. Em alguns casos, os tipos de vegetacao (bem como alguns tipos de uso) necessitam de dados de resolucao espacial maior e observacoes de campo, devido as caracteristicas e porte do dossel, estratificacao dos componentes do tipo de vegetacao em estudo, etc. (MMA/PROBIO, 2006).

A eficacia da utilizacao de dados de sensoriamento remoto para a quantificacao de biomassa vegetal depende da capacidade de relacionar medidas de reflectancia as propriedades dos alvos, sendo necessario o conhecimento do comportamento espectral, bem como fatores que o influenciam, inclusive para a selecao de bandas a serem trabalhadas (Maciel, 2002).

As imagens de satelites proporcionam uma visao sinoptica e multitemporal de extensas areas da superficie terrestre. Registram os ambientes e suas transformacoes, destacam os impactos causados por fenomenos naturais e pela acao do homem por meio do seu uso e ocupacao do espaco. Os ambientes construidos ou transformados pela acao do homem ocupam a maior parte dos continentes. O aspecto multitemporal dessas imagens permite acompanhar as transformacoes do espaco ao longo do tempo (Florenzano, 2002).

Mapas globais e regionais da cobertura da terra sao necessarios para auxiliar as pesquisas em sistemas terrestres, como a modelagem de geossistemas e o monitoramento de queimadas, entre outros. Para atender a crescente necessidade de espacializar as comunidades vegetais, para sua posterior utilizacao em modelos climaticos e avaliacao dos impactos antropicos e/ou naturais, dados de sensoriamento remoto orbital tem sido utilizados (Coura, 2006).

O monitoramento da superficie terrestre em escala regional ou mesmo global e de suma relevancia em diversas areas de pesquisa. Em particular, e considerando-se as problematicas atuais como as mudancas climaticas globais, e importante avaliar a possibilidade de imagens de resolucao espacial moderada e frequencia quase diaria, como aquelas disponibilizadas pelo sensor MODIS, em relacao a capacidade de monitorar sistematicamente areas de floresta tropical, como os distintos geossistemas existentes na Floresta Amazonica.

Desde o inicio dos anos 80, dados de sensores com baixa resolucao espacial sao utilizados para o monitoramento global, como por exemplo, a serie de satelites National Oceanic and Atmospheric Administration (NOAA). Inicialmente, o objetivo principal dos satelites NOAA era a previsao das condicoes do tempo e outros propositos meteorologicos. Contudo, apos a implementacao de uma nova geracao de satelites, dotados dos sensores Advanced Very High Resolution Radiometer (AVHRR), ocorreu uma grande motivacao aos estudos da dinamica do clima global e mapeamentos da superficie oceanica e da vegetacao terrestre (Jensen, 2000).

No Brasil, o primeiro grande levantamento sistematico da cobertura vegetal remonta a decada de 1970, quando, com o intuito de se conhecer principalmente a cartografia, a vegetacao, a geologia e a natureza dos solos da Amazonia e Nordeste brasileiros, teve inicio o Projeto RADAM. Utilizando imagens de Radar, e outros documentos disponiveis, tais como imagens de satelite Landsat e fotografias aereas, o projeto foi fundamental para o pais e ate hoje e a principal referencia para algumas regioes onde o levantamento e sistematizacao de informacoes cartograficas e mais dificil de se obter (Allevato, 1979).

Diversos estudos (Potter, 2002; Potter et al. 2007) tem demonstrado a utilidade das informacoes regionais derivadas de satelites para o entendimento das teleconexoes entre o clima global e os processos que respondem pelo funcionamento dos ecossistemas amazonicos. O termo teleconexao e utilizado em estudos meteorologicos para descrever variacoes simultaneas no clima e em processos a ele relacionados em regioes muito distantes entre si.

A obtencao de dados da superficie terrestre de forma continua e regular possibilita um monitoramento sistematico de biomas como a Amazonia Legal, podendo ser exemplificado por programas de monitoramento como o SIAD (Sistema Integrado de Alerta de Desmatamentos) (Ferreira et al., 2007) e PRODES DIGITAL (Duarte et al., 2003).

Neste contexto de monitoramento e caracterizacao da cobertura vegetal, entre os sensores orbitais atualmente em uso pela comunidade cientifica, destaca-se o MODIS (MODerate resolution Imaging Spectroradiometer), concebido para fornecer informacoes sobre a biosfera terrestre com cobertura global a cada dois dias e resolucoes espaciais variando de 250m a 1000m (Justice et al., 1998). Uma caracteristica importante em relacao ao MODIS e o fato dos dados serem disponibilizados prontos para o uso, i.e., georreferenciados e corrigidos para efeitos atmosfericos, na forma de produtos diferentes, entre os quais se destacam aqueles para aplicacoes em ecologia terrestre. (Ferreira et al., 2006).

As imagens MODIS e seus produtos tem sido utilizados em trabalhos para o estudo da fenologia da cobertura vegetal (Ferreira Junior et al., 2003; Ferreira Junior & Huete, 2004; Freitas & Shimabukuro, 2008), monitoramento da dinamica espaco-temporal de biomas (Adami et al., 2008) e para a deteccao das mudancas ocorridas no uso e na cobertura do solo (Galford et al., 2008; Hayes et al., 2008; Epiphanio et al., 2010).

Dentre os produtos do sensor MODIS, encontra-se o Produto MOD13Q1, que inclui o indice de vegetacao da diferenca normalizada (NDVI) e o indice de vegetacao realcado (EVI), mais sensivel as variacoes na atividade fotossintetica e estrutura do dossel vegetal, ao mesmo tempo em que e mais resistente a contaminacao atmosferica e menos suscetivel a saturacao (Huete, 2006).

Este artigo tem por objetivo principal avaliar o uso dos indices de vegetacao MODIS para a discriminacao e monitoramento das tipologias florestais encontradas nas Reservas de Desenvolvimento Sustentavel Mamiraua (RDSM) e Amana (RDSA).

Como objetivos especificos, pretende-se: i) determinar o potencial de imagens de resolucao moderada para discriminar tipologias florestais; ii) avaliar o comportamento fitofisionomico da vegetacao no que diz respeito a sazonalidade anual, em ambientes de Floresta de Terra Firme, Floresta de Varzea, Floresta Secundaria e Campinarana; iii) verificar a existencia de "endmembers" florestais, que sirvam tanto para determinar diferentes fitofisionomias, quanto para definirem referencias consistentes relativas a deteccao de areas desmatadas.

2. MATERIAIS E METODOS

2.1. Caracterizacao da Area em Estudo

As Reservas de Desenvolvimento Sustentavel Amana e Mamiraua (Figura 1), juntamente com o Parque Nacional de Jau, formam um corredor ecologico com mais de 5.766.000 ha, o qual representa a maior area protegida de floresta tropical no mundo.

[FIGURE 1 OMITTED]

A Reserva de Desenvolvimento Sustentavel Mamiraua (RDSM), com uma area de 1.124.000 ha, foi a primeira Unidade de Conservacao desta categoria implantada no Brasil (Decreto Estadual no. 12.836 de 09 de marco de 1990). Inserida em um geossistema de varzea e localizada na confluencia dos rios Solimoes e Japura, a Reserva encontra-se proxima a cidade de Tefe, sendo coberta por florestas e outras formacoes vegetais sazonalmente alagadas. Mamiraua e a maior unidade de conservacao em areas alagadas do Brasil e a unica do pais em area de varzea.

Ja a Reserva de Desenvolvimento Sustentavel Amana (RDSA) e uma unidade de conservacao que hospeda uma vasta biodiversidade, abrangendo florestas de varzea e terra firme. Segundo Ayres (1992), a area compreende florestas de terra firme (origem remonta a Era Terciaria) e florestas alagadas ou de varzea (surgidas no Pleistoceno e Holoceno).

A biodiversidade das reservas e fortemente determinada pelas influencias dos tipos de agua, que apresentam uma vasta gama de tipos de habitats nos lagos e nos igarapes. Os principais ecossistemas da Amazonia compreendem a terra firme, as matas de igapo e as matas de varzea e trechos de campinarana em locais de dificil acesso.

2.2. Base de Dados Utilizada

Tendo em vista a sazonalidade do clima local e suas provaveis influencias sobre a vegetacao, neste estudo foram considerados duas series temporais completas do produto MOD13Q1 (colecao 4), obtidas a partir do sensor Terra--MODIS, para os anos de 2004 e 2005. Ao todo, foram utilizadas 46 imagens NDVI e EVI (i.e. 23 composites de 16 dias para 2004 e 2005, respectivamente) relativas ao tile h11v09, acompanhadas dos respectivos metadados (Quality Assurance Images).

Para apoiar o trabalho, na coleta das amostras para analise dos indices de vegetacao, foram utilizados os mapas e cartas: (i) Cartas da Cobertura Vegetal do Bioma Amazonico/PROBIO,--Escala 1:250.000 (2006); (ii) Base cartografica integrada digital do Brasil ao milionesimo do IBGE,--Escala 1:1.000.000 (2004); (iii) Base cartografica do SIPAM --Escala 1: 250.000 (2004).

2.3. Processamento dos Dados MODIS

A RDSM se diferencia da sua vizinha, a RDSA, por localizar-se em uma area de abundancia de agua. Dessa forma, foi observado o comportamento da vegetacao em ambas as reservas com os indices de vegetacao EVI e NDVI, ao longo de dois anos consecutivos, verificando-se como foram afetadas as coberturas vegetais de areas com Floresta de Varzea, Floresta de Terra Firme, Campinarana e Floresta Secundaria.

As classes definidas para o estudo sao caracterizadas no Quadro 1.

Os dados originais das 46 imagens composites, correspondentes aos indices de Vegetacao NDVI e EVI (e metadados), originalmente na projecao Integerized Sinusoidal (ISIN) e formato HDF (Hierarchical Data Format), foram convertidos para o formato GEO-TIFF e para a projecao UTM/WSG84, com base no programa MRT- MODIS Reprojection Tool.

Conforme Ferreira (2006), com base nos bitfields 4, 6, 7, 10 e 14 dos metadados (QA images), as 46 imagens relativas as duas series temporais completas foram filtradas para nuvens, sombras e aerossois.

As fases desenvolvidas neste estudo, compreendendo os metodos e analises realizadas podem ser observadas na Figura 2.

[FIGURE 2 OMITTED]

Apos a filtragem, foi possivel a aquisicao de endmembers "temporais" (membros finais temporais) para a analise do comportamento radiometricosazonal de cada uma das classes de vegetacao.

Assim, para cada fitofisionomia foram amostrados de 10 a 11 poligonos representados por uma matriz de 3x3 pixels, espacialmente bem distribuidos ao longo da imagem que compreende as RDS Mamiraua e Amana.

Assim, para cada fitofisionomia foram amostrados de 10 a 11 poligonos representados por uma matriz de 3x3 pixels, espacialmente bem distribuidos ao longo da imagem que compreende as RDS Mamiraua e Amana.

Objetivando uma selecao mais rigorosa dos dados, do total de amostras NDVI e EVI para cada classe (i.e. 90 ou 109 pixels), e tendo por base os valores de media e desvio padrao, foram eliminadas todas as observacoes com valores acima ou abaixo de 1 desvio padrao.

Da mesma forma, para cada um dos 23 composites, optou-se pela selecao dos valores maximos dos indices em cada classe, eliminando-se, assim, eventuais valores espurios persistentes a filtragem dos dados (ex. pixels adjacentes a nuvens residuais). Finalmente, tendo por base uma distribuicao equilibrada de valores em 2004 e 2005, as duas series temporais foram combinadas, de tal forma que para cada amostra e para cada composite foi selecionado o maior valor NDVI ou EVI.

Quanto ao potencial de discriminacao das tipologias florestais consideradas neste estudo, este foi avaliado atraves de uma analise de discriminante baseada na Distancia de Mahalanobis (Schowengerdt, 1997), calculada conforme a expressao 1:

[D.sup.2] = ([X.sub.i] - [X.sub.j])'.[[summation].sup.-1] ([X.sub.i] - [X.sub.j]) (1)

onde

[[summation].sup.-1] e o inverso da matriz de co-variancia residual de

X,

[X.sub.i] e o vetor referente a parcela i,

[X.sub.j] e o vetor referente a parcela j,

([X.sub.i] - [X.sub.j])' e o vetor transposto da diferenca entre [X.sub.i] e

[X.sub.j]e

[D.sup.2] tem a caracteristica de ser invariante para qualquer transformacao linear nao-singular.

3. RESULTADOS E DISCUSSOES

O indice EVI dos anos 2004 e 2005, indica que o ano de 2004 apresenta valores ligeiramente mais elevados, com predominancia de pixels abaixo da linha de referencia 1:1 (Figura 3). Contudo, nao ha uma tendencia temporal aparente. O indice NDVI mostra que ha uma distribuicao equilibrada de valores entre 2004 e 2005, com valores mais elevados ocorrendo aleatoriamente (Figura 3).

Atraves da combinacao dos dados dos anos de 2004 e 2005, foi possivel gerar perfis NDVI (Figura 4) e EVI (Figura 5) radiometricamente mais precisos e acurados, bem como, mais consistentes quanto ao comportamento sazonal de cada fitofisionomia. Comparando-se os perfis NDVI com aqueles obtidos para o EVI, observa-se claramente a menor separabilidade das classes vegetacionais ao longo dos meses do ano, tanto pela pequena variacao nos valores NDVI para uma mesma classe ao longo do ano, quanto em funcao da maior confusao entre as classes.

[FIGURE 3 OMITTED]

[FIGURE 4 OMITTED]

[FIGURE 5 OMITTED]

E interessante observar, principalmente em relacao ao EVI, que a Floresta Secundaria apresenta maior separabilidade em relacao as demais fitofisionomias ao longo das 23 composicoes de imagens (2004/2005). Uma possivel explicacao pode estar relacionada a menor complexidade estrutural existente nesta fitofisionomia (por se tratar de uma floresta em regeneracao), alem do predominio de folhagem mais nova, ou seja, fotossinteticamente mais ativa.

Em relacao aos valores NDVI, para todas as fitofisionomias, estes variaram de 0,8 a 0,98, sendo que a fitofisionomia de Floresta Secundaria apresentou, em geral, os valores mais altos.

Em relacao aos perfis temporais EVI, observase que as fitofisionomias de Floresta de Varzea e Campinarana seguem um padrao bastante semelhante, devido as duas se encontrarem em areas alagadas, conforme observado em campanha de campo. De acordo com os valores EVI, ambas registraram os menores valores de biomassa durante quase todo o periodo. Os menores valores EVI para as quatro fitofisionomias foram verificados nos meses de abril e maio, juntamente com os maiores niveis pluviometricos de acordo com estimativas existentes para a area.

Para a classe de Floresta de Terra Firme, caracterizada por possuir um dossel alto, elevada biomassa e sub-bosque denso com varios estratos, o indice EVI apresentou variacao de 0,54 a 0,7, enquanto o NDVI variou de 0,87 a 0,98. Esta fisionomia ocupa uma posicao intermediaria em relacao as outras, podendo ser justificada por possuir grande parte de suas especies no estagio climax.

O EVI, por ser mais sensivel a pequenas variacoes de biomassa em areas de floresta, demonstrou maior correlacao com os parametros biofisicos da vegetacao considerando a interpretacao que pode ser realizada na Figura 5.

Nos primeiros cinco meses dos anos de 2004/2005, que sao compativeis com a estacao chuvosa (entre os dias 1 ate 145), verificou-se uma maior variacao na amplitude dos valores do indice EVI para as quatro fitofisionomias.

O comportamento sazonal dos tipos de fitofisionomias demonstra, assim, que a variacao da atividade fotossintetica e fitomassa foliar possuem alta correlacao com a variacao da precipitacao. Observa-se que o comportamento das fitofisionomias tende a se estabilizar na epoca seca (a partir de meados de junho).

Por outro lado, e interessante observar que os valores EVI e NDVI, para as quatro fitofisionomias investigadas, nao variam de forma significativa durante a estacao seca. Esta aparente "estabilidade" dos indices de vegetacao pode ser explicada pela disponibilidade hidrica durante todo o ano, tanto em funcao da proximidade dos cursos hidricos, quanto pela profundidade das raizes, as quais chegam ate o lencol freatico. Segundo Huete et al. (2006), esta disponibilidade hidrica das areas de floresta propicia uma estabilidade na atividade fotossintetica, e consequente producao de fitomassa foliar, mesmo durante a epoca seca.

Os dados combinados de NDVI 2004/2005 atingiram niveis de concordancia muito baixos para tres das quatro classes, classificando corretamente somente 29% do total dos pixels considerados (Tabela 1).

Segundo Ponzoni (2001), as limitacoes de uso principalmente relacionado ao NDVI, reside no fenomeno de interacao entre a radiacao eletromagnetica e a vegetacao. Tanto na regiao do visivel, quanto na do infravermelho proximo, a reflectancia exibe um carater assintotico em face do aumento continuo de um parametro biofisico da vegetacao (por exemplo o Indice de Area Foliar), o que caracteriza os pontos de saturacao. Sendo assim, as relacoes entre valores de reflectancia na regiao do visivel e do infravermelho proximo, passam a nao apresentar relacoes coerentes com os parametros biofisicos de interesse gerando baixos valores de NDVI para as fitofisionomias analisadas.

Para os valores NDVI, a maior confusao ocorreram respectivamente entre as classes vegetacionais da Floresta Secundaria, Floresta de Terra Firme e Floresta de Varzea, sendo que para a Varzea o erro da classificacao foi 100%. A porcentagem de exatidao na classificacao da fitofisionomia de Campinarana, que chegou a 70%, teve grande contribuicao para elevar a acuracia total da classificacao.

Na discriminacao das fitofisionomias, a maior capacidade do EVI em separar estas classes e confirmada atraves da matriz de confusao (Tabela 2), que mostram os resultados das analises de discriminantes baseadas na Distancia de Mahalanobis. Observa-se que os dados combinados de EVI 2004/2005 classificam corretamente 76% dos pixels.

Para o indice EVI, a classe de Campinarana tambem demonstrou grande porcentagem de acerto na classificacao, chegando a 90%, seguida da Floresta Secundaria (80%), Floresta de Terra Firme (73%) e Floresta de Varzea (64%). Segundo os intervalos de eficiencia estabelecidos por Landis e Koch (1977), esta classificacao possui o conceito de "Muito Boa", provando o alto potencial deste indice para a identificacao e discriminacao de tipologias florestais em ambientes tropicais.

Huete et al. (2002) argumentaram que o EVI foi desenvolvido para realcar o sinal da vegetacao com melhorias na sensibilidade em regioes de biomassas elevadas e onde existem influencias da resposta do sinal dos elementos do fundo de cena. O seu ponto de saturacao e retardado, pois a sua sensibilidade e maior com o aumento da biomassa. E importante ressaltar que a essencia do EVI esta relacionada ao conceito de resistencia a atmosfera, utilizando o comprimento de onda da faixa do azul.

4. CONSIDERACOES FINAIS

A partir deste estudo, foi possivel determinar: a) a sensibilidade dos indices de vegetacao as caracteristicas estruturais e fisionomicas da Floresta Tropical, demonstrando assim, o grande potencial de imagens de resolucao moderada (ex. MODIS) e algoritmos (ex. indice de vegetacao realcado--EVI) para o monitoramento da cobertura vegetal Amazonica; b) a existencia de "endmembers" temporais para as distintas classes florestais, os quais poderao vir a ser importantes referencias para trabalhos futuros envolvendo a dinamica de geossistemas tropicais, bem como a sua modificacao antropica.

O EVI, comparativamente ao NDVI, mostrou maior sensibilidade quanto a deteccao de mudancas sazonais entre as varias formacoes de Floresta Tropical estudadas, bem como na discriminacao destas formacoes a partir da analise das respectivas series temporais.

5. AGRADECIMENTOS

O primeiro autor agradece a Fundacao de Amparo a Pesquisa do Estado de Sao Paulo (FAPESP) pela concessao da bolsa de doutorado, vinculada ao processo 04/06071-8. Os autores tambem reconhecem o apoio do Programa FEPIM 2004 financiado pelo Instituto de Desenvolvimento Sustentavel Mamiraua--Projeto No. 063-2004.

6. REFERENCIAS BIBLIOGRAFICAS

Adami, M.; Freitas, R.M. De; Padovani, C. R.; Shimabukuro, Y. E.; Moreira, M. A. 2008. Estudo da dinamica espaco-temporal do bioma Pantanal por meio de imagens MODIS. Pesquisa Agropecuaria Brasileira, v. 43, p. 1371-1378.

Allevato, S. R. 1979. Memoria central do projeto Radambrasil. Revista Brasileira de Cartografia, Rio de Janeiro, n. 25, p. 31-36.

Ayres, J. M.; Lima-Ayres, D. M.; Bodmer, R. & Polshek, P. M. 1992. Projeto Mamiraua. Proposal for the preparation of a management plan for the Estacao Ecologica do Lago Mamiraua, Amazonas, Brazil. Manuscrito nao-publicado.

Box, O. 1981. Macroclimate and plant forms: an introduction to predictive modelling in phytogeography, Junk, The Hague.

Coura, S. M. C. 2006. Mapeamento de vegetacao do estado de Minas Gerais utilizando dados MODIS, Sao Jose dos Campos: INPE, 129p.

Duarte, V.; Shimabukuro, Y. E. & Aulicino, L. C. M. 2003. Metodologia para padronizar e atualizar o banco de dados do Projeto "PRODES Digital". In: Simposio Brasileiro de Sensoriamento Remoto, 11., Belo Horizonte, MG. Anais ... Sao Jose dos Campos: INPE, p. 2705-2712, Disponivel em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2002/11.17.15.45/d oc/19_314.pdf>. Acesso em: abril/2012.

Epiphanio, R. D. V.; Formaggio, A. R.; Rudorff, B. F. T.; Maeda, E. E.; Luiz, A. J. B. 2010. Estimating soybean crop areas using spectral-temporal surfaces derived from MODIS images in Mato Grosso, Brazil. Pesquisa Agropecuaria Brasileira, v. 45, p. 72-80.

Ferreira, L. A.; Teotia, H. S.; Costa Filho, J. F.; Santos, J. R. 2001. Levantamento e classificacao da vegetacao nativa do municipio de Patos, atraves de sensoriamento remoto e geoprocessamento. Anais X SBSR, Foz do Iguacu, INPE, p. 1609-1616.

Ferreira, N. C.; Ferreira, L.G.; Huete, A. R; Ferreira, M. E. 2007. An operational deforestation mapping system using MODIS data and spatial context analysis. International Journal of Remote Sensing, Reino Unido, v. 28(1), p. 47-62.

Ferreira, M. E.; Ferreira, L. G.; Huete, A. R.; Peccinini, A. A. 2006. Analise comparativa dos produtos MODIS Ecologia para o monitoramento biofisico ambiental do Bioma Cerrado, Revista Brasileira de Geofisica. 24(2): 251-260.

Ferreira, L. G.; Ferreira, N. C.; Ferreira, M. E. 2008. Sensoriamento remoto da vegetacao: evolucao e estado-da-arte. Acta Scientiarum. Biological Sciences, v. 30, n 4, p. 379-390.

Ferreira Junior, L. G.; Huete, A.R. 2004. Assessing the seasonal dynamics of the Brazilian Cerrado vegetation through the use of spectral vegetation indices. International Journal of Remote Sensing, v. 25, p. 1837-1860.

Ferreira Junior, L. G.; Yoshioka, H.; Huete, A. R.; Sano, E. E. 2003. Seasonal landscape and spectral vegetation index dynamics in the Brazilian Cerrado: an analysis within the Large Scale Biosphere Atmosphere experiment in Amazonia (LBA). Remote Sensing of Environment, v. 87, p. 534 550.

Freitas, R. M.; Shimabukuro, Y. E. 2008. Combining wavelets and linear spectral mixture model for MODIS satellite sensor timeseries analysis. Journal of Computational Interdisciplinary Sciences, v. 1, p. 33-38.

Florenzano, T. G. 2002 Imagens de satelite para estudos ambientais. Sao Paulo: Oficina de Textos. 97 p.

Galford, G. L.; Mustard, J. F.; Melillo, J.; Gendrin, A.; Cerri; C. C.; Cerri, C. E. P. 2008.Wavelet analysis of MODIS time series to detect expansion and intensification of row-crop agriculture in Brazil. Remote Sensing of Environment, v. 112, p. 576-587.

Huete, A. R.; Didan, K.; Shimabukuro, Y.; Ratana, P.; Saleska, S. R.; Hutyra, L. R.; Yang, W.; Nemani, R. R.; Myneni, R. 2006. Amazong rainforests green-up with sunlight in dry season. Geophysical Researc Lietters, v. 33.

Huete, A.R.; Didan, K.; Miura, T.; Rodriguez, E.P.; Gao, X. & Ferreira, L.G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, v. 83, p. 195-213.

IBGE. 1991. Manual Tecnico da Vegetacao Brasileira. Rio de Janeiro, IBGE. Manuais tecnicos em Geociencias no. 1, 91 pp.

Jensen, J. 2000. Remote Sensing of Environment: an earth resource perspective. New Jersey: Prentice Hall Upper Saddle River. 544p.

Justice, C. O.; Vermote, E.; Townshend, J. R. G.; Defries, R.; Roy, D. P.; Hall, D.K.; Salomonson, V. V.; Privette, J. L.; Riggs, G.; Strahler, A.; Lucht, W.; Mynemi, R.B.; Knyazikhin, Y.; Running, S. W.; Nemani, R. R.; Wan, Z.; Huete, A.R.; Van

Leeuwen, W.; Wolfe, R. E.; Giglio, L.; Muller, P. L.; Lewis, P.; Barnsley, M. J. 1998. The moderate resolution imaging spectroradiometer (MODIS): Land Remote Sensing for Global Research. IEEE Transactions on Geoscience and Remote Sensing, v. 36, n. 4, p. 1228-1249.

Kuchler, A. W. A 1988. Physiognomic and structural analysis of vegetation. In: Kuchler, A W.; Zonneveld, I. S. ed. Vegetation mapping. Dordrecht: Kluwer, p. 37-50.

Landis, J. R.; Koch, G. G. 1977. The measurements of observer agreement for categorical data. Biometrics, v. 33, p. 159-174.

Maciel, M. N. M. 2002. Estimativa de parametros estruturais de uma floresta primaria na Amazonia Oriental atraves de dados orbitais. Tese (Doutorado em Ciencias Florestais), Curitiba: UFPR.

MMA/PROBIO. 2006. Subprojeto 106/2004 do PROBIO "Uso e Cobertura da Terra na Floresta Amazonica", FUNCATE, Disponivel em: <http://sistemas.mma.gov.br/sigepro/pub/display_bibliografias.p hp?%20vId_Gerenciamento=1418&Destaque=7>, Acesso em junho/2012.

Potter, C. 2002. Understanding global teleconnections of climate to regional satellite observations for Amazon ecosystem processes. 2nd International LBA Scientific Conference Manaus, Amazonas, Brazil.

Potter, C.; Genovese, V.; Gross, P.; Boriah, S.; Steinbach, M.; Kumar, V. 2007. Revealing Land Cover Changein California With Satellite Data, EOS Transactions, American Geophysical Union, Vol. 88, Number 26.

Sellers, P. J.; Heiser, M. D.; Hall, F. G.; Verma, S.B.; Desjardins, R. L.; Schuepp, P. M.; Macpherson, J. I. 1997. The impact of using area-averaged land surface properties topography, vegetation condition, soil wetness--In calculations of intermediate scale (approximately 10 k[m.sup.2]) surfaceatmosphere heat and moisture fluxes. Journal of Hydrology, v. 190, 3-4, p. 269-301.

Schowengerdt, R. A. 1997. Remote Sensing: models and methods for image processing. San Diego: Academic Press, 2nd ed., 522 p.

Shukla, J., Nobre, C. & Sellers, P. 1990. Amazon deforestation and climate change, Science, v. 247, p. 1322-1325.

Walter, H. 1973. Vegetation of earth, in relation of climate and the ecophysiological conditions, English University Press, London.

Zhang, X.; Friedl, M. A.; Schaaf, C. B.; Strahler, A. H.; Hodges, J. C. F.; Gao, F.; Reed, B. C.; Huete, A. 2003. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment, v. 84, p. 471-475,

Gustavo Manzon Nunes

Professor Adjunto da Universidade Federal de Mato Grosso, UFMT-FENF, Cuiaba, MT

gustavomn@gmail.com

Carlos Roberto de Souza Filho

Professor Titular da Universidade Estadual de Campinas, UNICAMP-IGE, Campinas, SP

beto@ige.unicamp.br

Laerte Guimaraes Ferreira

Professor Associado da Universidade Federal de Goias, UFG-IESA, Goiania, GO

laerte@iesa.ufg.br
Tabela 1--Relacao de separabilidade das amostras
com base nos dados NDVI.

                 CLASSIFICACAO

Fitofis.   FS   FTF   FV   C    % Acerto

REFERENCIA

FS         4     1    4    1       40
FTF        2     1    6    2       9
FV         2     6    0    3       0
C          0     1    2    7       70
Total      8     9    12   13      29

Tabela 2--Relacao de separabilidade das amostras
com base nos dados EVI.

             CLASSIFICACAO

Fitofis.     FS   FTF   FV   C    % Acerto

REFERENCIA

FS           8     0    2    0       80
FTF          0     8    2    1       73
FV           0     3    7    1       64
C            0     0    1    9       90
Total        8    11    12   11      76

Quadro 1--Comparacao entre classes utilizadas neste estudo e a
Classificacao da Vegetacao Brasileira, definida conforme IBGE
(1991).

CLASSES UTILIZADAS NO ESTUDO     CLASSES DE VEGETACAO DO IBGE (1991)

Floresta de Terra Firme (FTF)    Dbe+Abp = Floresta Ombrofila
                                 Densa Terras Baixas Dossel
                                 Emergente + Floresta Ombrofila
                                 Aberta Terras Baixas com Palmeiras

Floresta de Varzea (FV)          Dae+Aap+Pahs = Floresta
                                 Ombrofila Densa Aluvial Dossel
                                 Emergente + Floresta Ombrofila
                                 Aberta Aluvial com Palmeiras +
                                 Formacao Pioneiras com influencia
                                 fluvial e/ou lacustre--herbacea
                                 sem palmeiras

Campinarana (C)                  LOc/Lds+Dbe = Contato
                                 Campinarana/Floresta Ombrofila--
                                 encrave/Campinarana Florestada
                                 sem Palmeiras + Floresta Ombrofila
                                 Densa Terras Baixas Dossel
                                 Emergente

Floresta Secundaria (FS)         Vss+Acc.D = Vegetacao Secundaria
                                 sem Palmeiras + Culturas Ciclicas,
                                 Floresta Ombrofila Densa
COPYRIGHT 2012 Universidade Federal de Goias
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2012 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Nunes, Gustavo Manzon; de Souza Filho, Carlos Roberto; Ferreira, Laerte Guimaraes
Publication:Revista Geografica Academica
Date:Jan 1, 2012
Words:4734
Previous Article:Wind energy in Rio Grande do Sul--statistical distribution of wind velocity in the central area of the state/Potencial eolico no Rio Grande do...
Next Article:Evaluation of techniques for classification SAR-R99B images for mapping deforestation/Avaliacao de tecnicas de classificacao de imagens SAR-R99B para...

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters |