Você está aqui: Página Inicial > Notícias OBT INPE > Artigo na Remote Sensing utiliza imagens de radar para diferenciar estágios sucessionais, degradação e uso da terra na Flona de Tapajós.

Notícias

Artigo na Remote Sensing utiliza imagens de radar para diferenciar estágios sucessionais, degradação e uso da terra na Flona de Tapajós.

O artigo intitulado "Discriminating Forest Successional Stages, Forest Degradation, and Land use in Central Amazon Using ALOS/PALSAR-2 Full-Polarimetric Data" foi publicado essa semana no períodico Remote Sensing. Os autores foram Natalia Wiederkher – pós-graduanda da PGSER, Fabio Furlan Gama, José Cláudio Mura e João Roberto dos Santos - pesquisadores da OBT/INPE...
publicado: 28/10/2020 14h37 última modificação: 28/10/2020 15h02

O artigo intitulado "Discriminating Forest Successional Stages, Forest Degradation, and Land use in Central Amazon Using ALOS/PALSAR-2 Full-Polarimetric Data" foi publicado essa semana no períodico Remote Sensing. Os autores foram Natalia Wiederkher – pós-graduanda da PGSER, Fabio Furlan Gama, José Cláudio Mura e João Roberto dos Santos - pesquisadores da OBT/INPE, além de  Paulo B. N. Castro, da Universidade Federal de Ouro Preto, Veraldo Liesenberg, da Universidade Estadual de Santa Catarina, Edson E. Sano, da EMBRAPA e também Polyanna C. Bispo e Heiko Balzter, das instituições estrangeiras, respectivamente, Universidade de Manchester e Universidade de Leicester (Reino Unido).
Os autores apresentaram o resumo abaixo:
O artigo "Discriminando estágios de sucessão florestal, degradação florestal e uso da terra na Amazônia Central usando dados polarimétricos completos ALOS / PALSAR-2" investigou o potencial de imagens completamente polarizadas (HH, VV, HV e VH) do ALOS/PALSAR-2 para diferenciar estágios de floresta sucessional, degradação florestal e classes de uso da terra na Floresta Nacional do Tapajós, no Pará, nos anos de 2015 e 2016. Diversos teoremas de decomposição de alvos e índices biofísicos foram utilizados no processo de classificação supervisionada dos algoritmos Random Forest e Support Vector Machine. As classes Floresta Primária, Floresta Degradada principalmente por fogo, pasto limpo, pasto sujo e solo exposto/pousio exibiram os melhores resultados de classificação com acurácias do usuário e do produtor acima de 70% e F1-score acima de 0.80 para ambos os anos analisados. Exatidão global de classificação de 76,9 % 83,3% e índice Kappa de 0,70 e 0,80 para 2015 e 2016, respectivamente.

Local do Estudo: Flona Tapajós
Figura: Local do Estudo na Floresta Nacional de Tapajós, Pará.

 

Mapas de Classificação do Estudo de 2015 e 2016


Figura: Mapas de classificação de uso, cobertura do solo e degradação florestal da área de estudo de 2015 (a) e 2016 (b), derivado da decomposição polarimétrica de Yamaguchi (YH).


O artigo está disponível em: https://www.mdpi.com/2072-4292/12/21/3512