%0 Book Section
%3 shimabukuro_mapeamento.pdf
%4 sid.inpe.br/plutao/2020/12.07.16.33
%A Shimabukuro, Yosio Edemir,
%A Dutra, Andeise Cerqueira,
%A Arai, Egídio,
%A Santos, Erone Ghizoni dos Santos,
%A Moura, Yhasmin Mendes de,
%A Duarte, Valdete,
%@secondarytype PRE LN
%B A produção do conhecimento na engenharia florestal
%D 2020
%E Felsemburgh, C. A.,
%F lattes: 1913003589198061 1 ShimabukuroDuArSaMoDu:2020:MADEDE
%I Atena
%K  Imagens Fração, Degradação Florestal, Áreas Queimadas, Corte Seletivo, Região Amazônica, Fraction Images, Forest Degradation, Burned Areas, Selective Logging, Amazon Region.
%P 24-38
%T Mapeamento do desmatamento e degradação florestal no estado do mato grosso, amazônia brasileira, utilizando imagens fração derivadas das imagens oli do landsat-8
%U https://www.atenaeditora.com.br/post-ebook/3600
%X Desmatamento é a substituição da floresta por outra cobertura da terra enquanto que a degradação é uma modificação da cobertura florestal a longo prazo. Na Amazônia brasileira a degradação florestal é causada principalmente pelas atividades de exploração seletiva da madeira e queimadas descontroladas, e a sua contribuição para o cálculo da emissão de carbono continua a ser um desafio. A discriminação entre áreas afetadas por corte seletivo e fogo é importante para o programa do REDD+ (Redução de Emissões por Desmatamento e Degradação Florestal) da UNFCCC (Convençãoquadro das Nações Unidas sobre Mudanças Climáticas). Neste contexto, este trabalho apresenta um procedimento semi-automatizado para mapeamento do desmatamento e da degradação florestal na Amazônia brasileira utilizando imagens fração derivadas do Modelo Linear de Mistura Espectral (MLME). Imagens do sensor OLI (Operational Land Imager) a bordo do satélite Landsat-8 referentes ao ano de 2015 e cobrindo o estado do Mato Grosso na Amazônia brasileira foram utilizadas no método proposto. Primeiramente, a abordagem consiste em mapear áreas de desmatamento e as áreas de florestas degradadas pelo fogo utilizando segmentação das imagens fração. Em seguida, as áreas degradadas por exploração seletiva da madeira são mapeadas usando um classificador baseado em pixel. Os resultados mostraram que 1.685,75km2 , 7.830,66km2  e 6.959,93km2 foram as áreas classificadas como desmatadas, degradadas por corte seletivo e degradadas pelo fogo, respectivamente, no Mato Grosso em 2015. Conclui-se que a resolução espacial das imagens desempenha um papel importante para o mapeamento de áreas de corte seletivo da madeira, já que o tamanho dos pátios e carreadores utilizados para o arraste das árvores cortadas são menores do que a resolução espacial das imagens OLI. ABSTRACT: Deforestation is the replacement of the forest by another land cover while degradation is a long-term modification of forest cover. In the Brazilian Amazon, forest degradation is mainly caused by the activities of selective logging and uncontrolled fire, and its contribution to the calculation of carbon emissions remains a challenge. Discrimination between areas affected by selective logging and burning is important for the UNFCCC REDD+ (Reduction of Emissions from Deforestation and Forest Degradation) program. This work presents a semi-automated procedure for mapping deforestation and forest degradation in the Brazilian Amazon using fraction images derived from the Linear Spectral Mixture Model (LSMM). Landsat-8 OLI (Operational Land Imager) images, onboard Landsat-8 satellite, acquired in 2015 covering the state of Mato Grosso in the Brazilian Amazon were used in the proposed method. First, the approach mapped areas of deforestation and areas degraded by fires using segmentation of the fraction images. Then, the areas degraded by selective logging were mapped using a pixel-based classifier. The results showed that 1,685.75km2 , 7,830.66km2  and 6,959.93km2  were classified as deforested areas, areas degraded by selective logging and areas degraded by fire, respectively, in Mato Grosso in 2015. It is concluded that the spatial resolution plays an important role for mapping areas of selective logging, since the size of the stocking plots and exploration roads used for dragging the logged trees are smaller than the spatial resolution of the OLI images.
%@area SRE
%@electronicmailaddress yosio.shimabukuro@inpe.br
%@electronicmailaddress andeise.dutra@inpe.br
%@electronicmailaddress egidio@dsr.inpe.br
%@electronicmailaddress
%@electronicmailaddress
%@electronicmailaddress valdete.duarte@inpe.br
%@group DIDSR-CGOBT-INPE-MCTIC-GOV-BR
%@group SER-SRE-SESPG-INPE-MCTIC-GOV-BR
%@group DIDSR-CGOBT-INPE-MCTIC-GOV-BR
%@group
%@group
%@group DIDSR-CGOBT-INPE-MCTIC-GOV-BR
%@isbn 9786557065006
%@usergroup lattes
%@resumeid 8JMKD3MGP5W/3C9JJCQ
%@resumeid
%@resumeid 8JMKD3MGP5W/3C9JGUP
%@resumeid
%@resumeid
%@resumeid 8JMKD3MGP5W/3C9JJAU
%@nexthigherunit 8JMKD3MGPCW/3ER446E
%@nexthigherunit 8JMKD3MGPCW/3F3NU5S
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Universidade de Helsinque
%@affiliation Royal Society Newton International Fellow
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@holdercode {isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}
%@doi 10.22533/at.ed.0062026103
%2 sid.inpe.br/plutao/2020/12.07.16.33.55