Estudo da variabilidade de índices de vegetação utilizando análise de agrupamentos
DOI:
https://doi.org/10.29150/2237-2202.2021.250962Schlagworte:
Sensoriamento remoto, IAF, EVI2Abstract
Nas últimas décadas, a utilização das técnicas de sensoriamento vem contribuindo de forma significativa para a identificação de alterações que ocorrem na superfície terrestre. Levando-se em consideração a utilização dos produtos do sensor MODIS para o gerenciamento de bacias hidrográficas, o presente estudo tem como objetivo determinar os índices de vegetação IAF (índice de área foliar) e EVI2 (índice de vegetação melhorado) na bacia hidrográfica do rio Tapacurá, localizada no Estado de Pernambuco e, diante disso, realizar, de forma automática, o mapeamento do uso e cobertura da terra, com abordagem na mineração das séries pelo método de agrupamento. A técnica permite avaliar a dinâmica dos diferentes grupos de vegetação frente ao regime pluviométrico da bacia. Os índices de vegetação utilizados neste estudo foram obtidos a partir do produto de reflectância MOD09Q1 entre dois anos com regimes pluviométricos distintos: 2011 (ano chuvoso) e 2012 (ano seco). Foi realizada a mineração das séries temporais dos índices de EVI2 e IAF por meio da análise de agrupamento. Comparando a série para os dois anos, percebeu-se uma significativa diminuição dos índices de vegetação para o ano de 2012, cuja precipitação foi bem inferior ao ano anterior. Assim, conclui-se que a mineração das séries de IAF e EVI2 mostrou-se eficaz pelo método de agrupamento para o estudo da variabilidade que, para a área estudada, gerou grupos representativos de áreas de policultura e vegetação rasterira, cana-de-áçucar, áreas de transição de mata, mata, água e região urbana.Literaturhinweise
Allen, R.G.; Waters, R.; Trezza, R.; Tasumi, M.; Bastiaanssen, W., 2002. SEBAL - Surface Energy Balance Algorithms for Land: Idaho implementation: advance training and user manual. Moscow: Idaho Department of Water Resources, 98p.
Almeida, A. D.; Ribeiro, A.; Delgado, R. C.; Rody, Y. P.; Oliveira, A. D.; Leite, F. P., 2015. Índice de área foliar de Eucalyptus estimado por índices de vegetação utilizando imagens TM-Landsat 5. Floresta e Ambiente, v. 3, n. 22, p. 368-376.
Becerra, J. A. B.; Shimabukuro, Y. E.; Alvalá, R. D. S., 2009. Relação do padrão sazonal da vegetação com a precipitação na região de Cerrado da Amazônia Legal, usando índices espectrais de vegetação. Revista Brasileira de Meteorologia, v. 2, n. 24, p. 125-134.
Brum, F.; Mozzaquatro, P. M.; Zanatta, J. M., 2019. Estudo sobre os Algoritmos de clusterização hierarchical clusterer e simple K-Means aplicados no agrupamento de padrões similares. Revista da Universidade Vale do Rio Verde, v. 17, n. 1.
Coelho, V. H. R.; Montenegro, S.; Almeida, C. N.; Silva, B. B.; Oliveira, L. M.; Gusmão, A. C. V.; Freitas, E. S.; Montenegro, A. A., 2017. Alluvial groundwater recharge estimation in semi-arid environment using remotely sensed data. Journal of Hydrology, v. 548, p. 1-15.
COMPESA – Companhia Pernambucana de Saneamento. Disponível em: http://servicos.compesa.com.br/wp-content/uploads/2016/01/tapacura.pdf. Acesso em: 15/07/2019.
Cordeiro, A. P. A.; Berlato, M. A.; Fontana, D. C.; Melo, R. W.; Shimabukuro, Y. E.; Fior, C. S., 2017. Regiões homogêneas de vegetação utilizando a variabilidade do NDVI. Ciência Florestal, v27, n. 3, p. 883-896.
Danelichen, V. H. M.; Biudes, M. S.; Machado, N. G.; Velasque, M. C. S.; Silva, B. B.; Nogueira, J. S., 2016. Uso do sensoriamento remoto na estimativa do índice de área foliar em floresta tropical. Ciência e Natura,38, n.3, p. 1352-1360.
Durán, G. Y. B., 2014. Estudo da resposta espectral de alvos urbanos com espectroscopia de reflectância e imagens de alta resolução espacial. Dissertação de mestrado em Geografia e Geociências - Universidade Federal de Santa Maria, Santa Maria - RS.
Fan, Y. R., Huang, W., Huang, G. H., Li, Z., Li, Y. P., Wang, X. Q., Jin, L., 2015. A stepwise-cluster forecasting approach for monthly streamflows based on climate teleconnections. Stochastic environmental research and risk assessment, v. 29, n. 6, 9.1557-1569.
Formigoni, M. De H.; Xavier, A.C.; Lima, J.S. de S., 2011. Análise temporal da vegetação na região do Nordeste através de dados EVI do MODIS. Ciência Florestal, v.21, p.18.
Gurgel, H. C., 2000. Variabilidade espacial e temporal do NDVI sobre o Brasil e suas conexões com o clima. Dissertação (Mestrado em Sensoriamento Remoto) – Curso de Pós-graduação em Sensoriamento Remoto, Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
Gurgel, H. Da C.; Ferreira, N. J.; Luiz, A. J. B., 2001. Análise da variabilidade espacial e temporal do NDVI sobre o Brasil. In: Embrapa Meio Ambiente-Artigo. Anais... Simpósio Brasileiro de Sensoriamento Remoto, Belo Horizonte. INPE, p. 1-8.
Gurgel, Helen da C.; Ferreira, Nelson J.; Luiz, Alfredo J. B., 2003. Estudo da variabilidade do NDVI sobre o Brasil, utilizando-se a análise de agrupamentos. Rev. bras. eng. agríc. ambient., Campina Grande, v. 7, n. 1, p. 85-90.
Han, J.; Kamber, M.; Tung, A.K. H., 2001. Spatial clustering methods in data mining: a survey. In: Geographic Data Mining and Knowledge Discovery, Edited by H. J. Miller and J. Han, Taylor and Francis, p. 201-230.
Huete, A. R., 1988. A soil adjusted vegetation index (SAVI). Remote Sensing of Environment, v.25, n.3, p.295-309.
Jiang, Z.; Huete, A. R.; Didan, K.; Miura, T., 2008. Development of a two-band enhanced vegetation index without a blue band. Remote Sensing of Environment, p. 112, n. 10, p. 3833-3845.
Johann, J. A.; Vieira, J. R.; Lamparelli, R. A. C.; Duft, D. G. Agrupamento de perfis espectro-temporais do índice de vegetação EVI/Modis para culturas agrícolas de verão entre os anos-safra 2004/2005 e 2007/2008 no Estado do Paraná. Anais... XVI Simpósio Brasileiro de Sensoriamento Remoto – SBSR/INPE, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013.
Lin, J.; Williamson, S.; Borne, K.; Debarr, D., 2012. Pattern recognition in time series. Advances in Machine Learning and Data Mining for Astronomy, Citeseer, v. 1, p. 617–645.
Mondal, P., 2011. Quantifying surface gradients with a 2-band Enhanced Vegetation Index (EVI2). Ecological Indicators, v. 11, n. 3, p. 918-924.
Nunes, J. F.; Roig, H. L., 2015. Análise e mapeamento do uso e ocupação do solo da Bacia do Alto do Descoberto, DF/GO, por meio de classificação automática baseada em regras e lógica nebulosa. Revista árvore, v. 39, n. 1, p. 25-36.
Oliveira, L. M. M., 2012. Estimativa da evapotranspiração real por sensoriamento remoto na Bacia do Rio Tapacurá-PE. Tese de Doutorado em Engenharia Civil pela Universidade Federal de Pernambuco, Recife – PE, 136p.
Oliveira, L. M. M.; Montenegro, S. M. G. L.; Antonino, A. C. D.; Silva, B. B.; Machado, C. C. C.; Galvíncio, J. D., 2012. Análise quantitativa de parâmetros biofísicos de bacia hidrográfica obtidos por sensoriamento remoto. Pesquisa Agropecuária Brasileira, v. 47, n. 9, p.1209-1217.
Paiva, C. M.; França, G. B.; Liu, W. T. H.; Rotunno Filho, O. C., 2011. A comparison of experimental energy balance components data and SEBAL model results in Dourados, Brazil. International Journal of Remote Sensing, v. 32, p. 1731-1745.
Petitjean, F.; Kurtz, C.; Passat, N.; Gancarski, P., 2012. Spatio-temporal reasoning for the classification of satellite image time series. Pattern Recognition Letters, v. 33, n. 13, p. 1805–1815.
Pimentel, T. R. G., 2014. Classificação de padrões temporais de uso do solo e cobertura da terra em séries temporais de índice de vegetação utilizando um sistema neuro-difuso. Pós-Graduação em Computação Aplicada. Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
Rêgo, S. C. A.; Lima, P. P. S.; Lima, M. N. S.; Monteiro, T. R. R., 2012. Análise comparativa dos índices de vegetação NDVI e SAVI no município de São Domingos do Cariri-PB. Revista Geonorte,3, n. 5, p. 1217-1229.
Ribeiro, E. P.; Nóbrega, R. S.; Mota Filho, F. O.; Moreira, E. B., 2016. Estimativa dos índices de vegetação na detecção de mudanças ambientais na bacia hidrográfica do rio Pajeú. Geosul, v. 31, n. 62, p. 59-92.
Romani, L. A. S.; Gonçalves, R. R. V.; Amaral, B. F.; Chino, D. Y. T.; Zullo, J.; Traina, C.; Sousa, E. P. M.; Traina, A. J. M., 2011. Clustering analysis applied to NDVI/NOAA multitemporal images to improve the monitoring process of sugarcane crops. In 6th International Workshop on the Analysis of Multi-temporal Remote Sensing Images (Multi-Temp). IEEE - p. 33-36.
Rubin, J., 1963. Optimal Classification into Groups: An Approach for Solving the Taxonomy Problem. Theoretical Biology, v.15, p.103-144.
Santos, F. A. C.; Santos, C. A. C.; Silva, B. B.; Araújo, A. L.; Cunha, J. E. B. L., 2015. Desempenho de metodologias para estimativa do saldo de radiação a partir de imagens MODIS. Revista Brasileira de Meteorologia, 30(3), 295-306.
Silva, B. B. Da, Braga, A. C.; Braga, C. C., 2011. Balanço de radiação no perímetro irrigado São Gonçalo – PB mediante imagens orbitais. Revista Caatinga, v.24, n.3, p.145-152.
Souza, R. S.; Hisatugu, W. H.; Dores Rissino, S., 2019. Perfil das ocorrências pliciais da cidade de Itamaraju-BA utilizando técnicas de mineração de dados. Brazilian Journal of Production Engineering-BJPE, v. 5, n. 4, p. 66-81.
Taubenbock, H.; Esch, T.; Felbier, A.; Wiesner, M.; Roth, A.; Dech, S., 2012. Monitoring urbanization in mega cities from space. Remote sensing of Environment, 117, 162-176.
Vaduva, C.; Costachioiu, T.; Patrascu, C.; Gavat, I.; Lazarescu, V.; Datcu, M., 2013. A latent analysis of earth surface dynamic evolution using change map time series. Geoscience and Remote Sensing, IEEE Transactions, v. 51, n. 4, p. 2105-2118.
Zhang, X., 2015. Reconstruction of a complete global time series of daily vegetation index trajectory from long-term AVHRR data. Remote Sensing of Environment, v. 156, p. 457-472.
Zheng, Y.; Han, J.; Huang, Y.; Fassnacht, S. R.; Xie, S.; Lv, E.; Chen, M., 2018. Vegetation response to climate conditions based on NDVI simulations using stepwise cluster analysis for the Three-River Headwaters region of China. indicators, n. 92, p. 18-29.
Downloads
Veröffentlicht
Zitationsvorschlag
Ausgabe
Rubrik
Lizenz
Copyright (c) 2021 Journal of Hyperspectral Remote Sensing
Dieses Werk steht unter der Lizenz Creative Commons Namensnennung 4.0 International. Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
