O artigo Monitoring deforestation and forest degradation using multitemporal fraction images derived from Landsat sensor data in the Brazilian Amazon publicado no periódico International Journal of Remote Sensing recebeu o prêmio de melhor trabalho de 2019. O prêmio Len Curtis Award da Taylor & Francis and The Remote Sensing and Photogrammetry Society foi entregue durante a conferência virtual RSPSoc 2020 (Sociedade de Sensoriamento Remoto e Fotogrametria da Inglaterra), e foi considerado o melhor artigo científico publicado na literatura aberta de sensoriamento remoto durante o ano de 2019.

O artigo foi liderado pelo pesquisador Yosio Shimabukuro, além de outros pesquisadores da OBT/INPE, Egídio Arai e Valdete Duarte, como também os pós-graduandos egressos da PGSER/INPE: Anderson Jorge, Erone Ghizoni dos Santos, Kaio A. C. Gasparini e Andeise Cerqueira Dutra. Abaixo é apresentado um resumo sobre o trabalho.

A definição de Desmatamento é a substituição da floresta por outro uso da terra, enquanto a degradação é uma redução da cobertura do dossel de longo prazo e / ou estoque florestal. A degradação florestal na Amazônia brasileira ocorre principalmente devido ao corte seletivo de florestas intactas / não manejadas e também em incêndios descontrolados.
A contribuição do desmatamento para a emissão de carbono já é conhecida, mas determinar a contribuição da degradação florestal continua sendo um desafio. A diferenciação da extração da madeira por incêndios, que produzem diferentes níveis de danos florestais é importante para a UNFCCC (Programa das Nações Unidas da Convenção-Quadro sobre Mudança do Clima) e REDD + (Programa de Redução de Emissões por Desmatamento e Degradação Florestal).
Este trabalho apresenta um procedimento semi-automatizado para monitoramento do desmatamento e degradação florestal na Amazônia brasileira usando imagens de fração derivadas de mistura espectral linear Modelo (LSMM). Parte de uma cena do Landsat/TM (órbita / ponto: 226/068), cobrindo parte do Estado de Mato Grosso na Amazônia brasileira, foi selecionada para desenvolver o método proposto.
Primeiro, a abordagem consistiu em mapear áreas desmatadas e mapeamento de floresta degradada por incêndios usando segmentação de imagens.
Em seguida, as áreas degradadas devido às atividades de extração seletiva foram mapeadas usando um classificador baseado em pixel. Os resultados mostraram que as imagens de vegetação, solo e fração de sombra permitiram que as áreas desmatadas fossem mapeadas, monitoradas e separadas em áreas florestais degradadas causadas por corte seletivo e por incêndios.
A comparação do Landsat/OLI e os resultados do RapidEye para o ano de 2013 mostraram uma precisão geral de 94%. Concluímos que a resolução espacial desempenha um importante função para mapeamento seletivo devido às suas características. Portanto, quando comparado aos dados Landsat, a atual disponibilidade de dados de maior resolução espacial e temporal, como fornecido pelo sensor do Sentinel-2, é esperado que se melhore a avaliação de desmatamento e degradação florestal, principalmente causados por corte seletivo. Esse trabalho facilitará a implementação de ações de proteção florestal.
O artigo está disponível em https://doi.org/10.1080/01431161.2019.1579943

Figura: (a) Imagem TM/Landsat (R5 G4 B3); (b) Fração Solo derivada da imagem TM/Landsat, destacando áreas de pouso e vias de escoamento; (c) Área de pouso e; (d) Vias de escoamento, como vistas em campo.