Modelo Linear de Mistura Espectral: Análise das potencialidades do sensor WFI na detecção de corte seletivo

Nelton Luz; Nicole Magalhães; Jeremias Feitosa; Daniele Gonçalves; Breno Alves; Arlesson Souza; Alessandra Gomes; David Roberto Galbraith; Marcos Adami

doi:10.26848/rbgf.v18.6.p4647-4662

Autores

Nelton Luz Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0001-7233-0111
Nicole Magalhães Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0001-5626-4409
Jeremias Feitosa Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0002-5228-7408
Daniele Gonçalves Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0003-1982-9479
Breno Alves Instituto de Terras do Pará - ITERPA https://orcid.org/0000-0003-4500-821X
Arlesson Souza Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0001-6985-5654
Alessandra Gomes Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0001-8471-4905
David Roberto Galbraith University of Leeds, LEEDS, Inglaterra.
Marcos Adami Instituto Nacional de Pesquisas Espaciais - INPE https://orcid.org/0000-0003-4247-4477

DOI:

https://doi.org/10.26848/rbgf.v18.6.p4647-4662

Palavras-chave:

Floresta Amazônica, Imagens Satélites, Exploração Seletiva de Madeira, Sensoriamento Remoto.

Resumo

O objetivo do trabalho consistiu em analisar a Exploração Seletiva de Madeira (ESM) em uma região no Estado de Mato Grosso, utilizando imagens de satélites com diferentes resoluções espaciais, a fim de quantificar os polígonos detectados e consequentemente, realizar o cálculo de área (ha) para as clareiras resultantes dessa atividade, evidenciando a proporção de pixels de solo exposto obtidos para as cenas dos sensores OLI-Landsat-8, MSI-Sentinel-2, PAN5M-CBERS-4, MUX-CBERS-4 e WFI-CBERS-4. A metodologia consistiu no processamento digital de imagens, envolvendo a composição colorida e a aplicação do Modelo Linear de Mistura espectral (MLME). O ano selecionado para o estudo foi 2019, que de acordo com os dados apontados pelo INPE, houve elevada emissão de alertas de danos florestais e também a disponibilidade de imagens sem a cobertura de nuvens para a região analisada. Os resultados mostram que os polígonos registrados se distinguiram conforme cada sensor, apresentando área proporcional ao pixel, ou seja, aumentou à medida que a resolução espacial diminuiu. Os polígonos e áreas para a região de estudo na imagem PAN5M fusionada com a MUX foi de 2884 polígonos e representou área de 101,994 ha; Sentinel-2 foi de 2810 e 174,826 ha; MUX foi de 2125 e 295,0335 ha; Landsat-8 OLI foi de 2116 e 553,1613 ha e WFI foi de 856 e 1144,972 ha. Ainda que haja ampliação da área, o MLME possibilita um ganho nas detecções, em especial para imagens de média resolução espacial, em que pequenas clareiras parcialmente coberta por vegetação se tornam evidentes, pois ele realça regiões que estão perdendo a cobertura florestal, tornando a detecção possível de ESM em imagens com diferentes resoluções espaciais

Downloads

Não há dados estatísticos.

Biografia do Autor

Nelton Luz, Instituto Nacional de Pesquisas Espaciais - INPE

Doutorando em Ciências Ambientais (UFPA). Mestre em Gestão dos Recursos Naturais e Desenvolvimento Local na Amazônia (UFPA). Graduado em Ciências Biológica (UNEMAT). Trabalhou na Fundação de Apoio para Projetos de Pesquisa de Ciência e Tecnologia Espacial (FUNCATE), junto ao INPE-Coordenação Espacial da Amazônia, no cargo de Especialista em Geoprocessamento (PRODES PRETERITO, TERRACLASS, DETER-B E DETEX), pesquisador junto ao projeto DETER-Amazônia manipulando imagens de diferentes satélites, monitoramento do desmatamento na Amazônia e Cerrado, validação de dados espaciais in loco. Tem experiência na área de Geociências e Ecologia, com ênfase em Sensoriamento Remoto da Vegetação, Geoprocessamento, Estudo de Impacto Ambiental (EIA) e Identificação de Mamíferos Silvestres, atuando nos seguintes temas: monitoramento de florestas tropicais por imagens de satélites (sensores óticos e radar) e uso de DRONE, linguagem de programação, polarimetria, ecologia e conservação de fauna e flora, ensino de SIG aplicado a biologia da conservação, pesquisa e desenvolvimento socioambiental sustentável, monitoramento espacial de eventos climáticos extremos (blowdown) na Amazônia e e Cerrado.

Nicole Magalhães, Instituto Nacional de Pesquisas Espaciais - INPE

Possui Licenciatura em Geografia pelo Instituto Federal de Educação, Ciência e Tecnologia do Pará (IFPa, Campus Belém), Especialista em Piscicultura pela Universidade Federal Rural da Amazônia (UFRA), Mestra em Gestão de Recursos Naturais e Desenvolvimento Local na Amazônia, pelo Núcleo de Meio Ambiente na Universidade Federal do Pará (PPGEDAM/NUMA/UFPa). Realizou estágio na ANM (Agência Nacional de Mineração, Superintendência do Pará), possui experiência com publicação de títulos minerários e análise processual (Autorização de Pesquisa, Regime de Licenciamento, Permissão de Lavra Garimpeira e Concessão de Lavra) e análise de processos minerários em fase de Relatório Parcial e Relatório Final de Pesquisa, além de ter conhecimento superficial em análises de Concessões de Lavra para água mineral. Atuou no IDEFLOR-Bio - Instituto de Desenvolvimento Florestal do Estado do Pará, na Diretoria de Gestão e Monitoramento de Unidades de Conservação, realizando operações de fiscalização e suporte técnico. Atuou como pesquisadora no GPSA-Amazônias (Grupo de Pesquisa Sociedade-Ambiente nas Amazônias) vinculado ao Núcleo de Meio Ambiente da Universidade Federal do Pará (NUMA/UFPa) realizando atividades de pesquisa e extensão focadas no Desenvolvimento Rural, Uso do Território e Aproveitamento dos Recursos Naturais. Foi pesquisadora convidada no Laboratório de Negócios Sustentáveis com Pescado (LABNESP), da Universidade Federal do Pará - Campus Bragança, participando das atividades de pesquisa e extensão voltadas ao desenvolvimento da Pesca e Aquicultura no estado do Pará. Atualmente é Bolsista PCI-DC (CNPq) no Instituto Nacional de Pesquisas Espaciais (INPE), na Coordenação Espacial da Amazônia (COEAM) atuando no Projeto de Monitoramento de uso e cobertura da Terra de áreas desflorestadas da Amazônia Legal Brasileira - TerraClass. Tem experiência na área de Geografia, com ênfase em Análise Regional, atuando principalmente no seguinte tema: unidade de conservação; teoria; prática; território; ordenamento territorial; territorialidades; Piscicultura em tanques-rede; Recursos Pesqueiros; Uso e aproveitamento de recursos naturais; Geoprocessamento; Sensoriamento Remoto aplicado ao monitoramento do bioma Amazônia, com ênfase em áreas de não-floresta

Jeremias Feitosa, Instituto Nacional de Pesquisas Espaciais - INPE

Mestre em Geologia e geoquímica pela Universidade Federal do Pará (UFPa) - 2015. Bacharelado em Geologia-2011, na graduação atuou como membro do PET (Programa de Educação Tutorial - (2006-2007), também foi integrante do projeto de mapeamento da estrutura dômica de Monte Alegre-Pa (2007-2009), e no projeto de mapeamento das folhas Frecheirinha e Ipú no noroeste do Ceará (2009-2011). Mestrado foi concedido pelo Programa de pós-graduação em geologia e geoquímica da Universidade Federal do Pará (PPGG-UFPa) - 2015, em parceria com a CAPES. Profissionalmente atuou como membro de equipe técnica em análise de recursos hídricos e riscos ambientais na região metropolitana de Belém e outros municípios do estado do Pará. Trabalhou como geólogo na pesquisa de jazidas de minério de Ferro, nos municípios de Tartarugalzinho e Porto Grande, no estado do Amapá (2013-2014). Atua no COEAM/INPE com Sensoriamento Remoto aplicado, onde integrou, por três anos, o Projeto de Detecção de Desmatamento e Alteração na Cobertura Florestal em Tempo Quase Real - Deter-B (2014-2017), também atuou por um ano no Projeto de Qualificação do Desflorestamento na Amazônia Oriental Brasileira - Terraclass no Centro Regional da Amazônia- INPE/CRA (2018). Prestou serviços de consultoria na empresa SOLVED-Soluções em geoinformação no INPE (2019). Ainda em 2019 tornou-se membro do Projeto DETER INTENSO - INPE, por meio de parceria com o Centro de Inteligência Territorial - CIT e a Fundação Christiano Ottoni - FCO/UFMG (2019-2022). E também, atuou como auditor de dados ambientais no Projeto DETER AMAZÔNIA, através do MONITORAMENTO DOS BIOMAS BRASILEIROS POR SATÉLITE-CONSTRUÇÃO DE NOVAS CAPACIDADES, parceria INPE/CNPq até 10/2023. Desde 11-2023 Atua no Projeto DETER-AMZ como bolsista na modalidade Especialista Visitante- EV-1 (CNPq 422354/2023-6). MONITORAMENTO E AVISOS DE MUDANÇAS DE COBERTURA DA TERRA NOS BIOMAS BRASILEIROS - CAPACITAÇÃO E SEMIAUTOMATIZAÇÃO DO PROGRAMA BiomasBR.

Daniele Gonçalves, Instituto Nacional de Pesquisas Espaciais - INPE

Graduada em Engenharia Florestal pela Universidade Estadual do Amapá (UEAP). Especialista em Geoprocessamento e Georreferenciamento de Imóveis Rurais pela Universidade Federal Rural da Amazônia (UFRA), mestra em Biodiversidade Tropical (PPGBio) pela Universidade Federal do Amapá (UNIFAP). Sócia na Startup amapaense Inova Manejo. Atualmente é Bolsista do Programa de Capacitação Institucional - PCI do Instituto Nacional de Pesquisas Espaciais (INPE). Tem experiência na área de Geoprocessamento, Cartografia, Georreferenciamento, Sensoriamento remoto, Recursos Florestais, Bioeconomia, Comunidades Ribeirinhas e Manejo Florestal com ênfase em SIG e Geotecnologias.

Breno Alves, Instituto de Terras do Pará - ITERPA

Formação técnica em informática pelo Instituto Federal do Pará. Graduado em Engenharia Cartográfica e de Agrimensura na Universidade Federal Rural da Amazônia - UFRA. Estudante de pós graduação em Georreferenciamento de Imóveis Rurais na UFRA. Trabalhou como analista técnico no cartório de imóveis do 3 Ofício de Belém exercendo atividades de validação de documentação para regularização de imóveis, exercendo também a cartografia. Trabalha como Analista Fundiário no Instituto de Terras do Pará - ITERPA. Possui experiência profissional com o uso de sensoriamento remoto em plataformas online e em séries temporais, além de ferramentas em geoprocessamento. Elabora artigos em periódicos nacionais e trabalhos e participação em eventos acadêmicos no país.

Arlesson Souza, Instituto Nacional de Pesquisas Espaciais - INPE

Doutorando no programa de pós-graduação em Geografia na Universidade Federal do Pará (UFPA). Mestre em Ciências Ambientais pela Universidade do Estado do Pará (UEPA). Especialista em Geotecnologias: geoprocessamento e Sensoriamento Remoto pelo Instituto de Estudos Superiores da Amazônia (IESAM). Graduado em Geografia (bacharelado e licenciatura) pela Universidade Federal do Pará (UFPA). Tem experiência no monitoramento da cobertura florestal da floresta amazônica. Atua nas seguintes áreas: Sensoriamento Remoto, Cartografia, Geoprocessamento.

Alessandra Gomes, Instituto Nacional de Pesquisas Espaciais - INPE

Ph.D em Geociências pela Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP); Mestre em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE); e Graduada em Ecologia (UNESP). Atualmente é Tecnologista em Ciência e Tecnologia da Coordenação Espacial da Amazônia (COEAM), em Belém/Pará. Fui requisitada ao Centro Gestor e Operacional do Sistema de Proteção da Amazônia (Censipam) para integrar o Grupo de Integração para Proteção da Amazônia de agosto/2020 a janeiro/2021. Atuo basicamente em projetos de capacitação nacional e internacional em monitoramento de florestas (Projeto Capacitree) e em diferentes projetos nacionais e internacionais sobre o tema. Atualmente sou Membro do Capítulo Brasil da Sociedade Internacional de Geociências e Sensoriamento Remoto - (IGRSS - Brazil Chapter). Atua como representante do INPE em eventos e grupos nacionais e internacionais relacionados aos temas de Capacitação, Monitoramento da Amazônia por satélite, efeitos do Monitoramento Ambiental para definição de políticas públicas e áreas afins. Possui experiência e atuação na área administrativa e técnica, atuando nas áreas ambiental e de geociências, utilizando geotecnologias (geoprocessamento, cartografia, sensoriamento remoto e processamento digital de imagens óticas e de radar) no desenvolvimento de pesquisas e projetos.

David Roberto Galbraith, University of Leeds, LEEDS, Inglaterra.

ORCID: https://orcid.org/0000-0002-5555-4823

E-mail: david.robert.galbraith@gmail.com

Marcos Adami, Instituto Nacional de Pesquisas Espaciais - INPE

Pesquisador titular do Instituto Nacional de Pesquisas Espaciais, graduado em Ciências Econômicas pela Faculdade de Filosofia Ciências e Letras de Cornélio Procópio (1997), mestrado e doutorado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (2003 e 2010). Possui experiência em sistemas de informação geográfica e sensoriamento remoto com ênfase nos seguintes temas: análise de séries temporais, mudança de uso da terra, amostragem e estatísticas agrícolas.

Referências

Achard, F., Eva, H. D., Stibig, H.-J., Mayaux, P., Gallego, J., Richards, T., & Malingreau, J.-P. (2002). Determination of deforestation rates of the world’s humid tropical forests. Science, 297(5583), 999–1002. https://doi.org/10.1126/science.1070656. Acesso: 09 nov. 2023.

Asner, G. P. (2009). Automated mapping of tropical deforestation and forest degradation: CLASlite. Journal of Applied Remote Sensing, 3(1), 033543. https://doi.org/10.1117/1.3223675. Acesso: 12 dez. 2023.

Asner, G. P., Broadbent, E. N., Oliveira, P. J. C., Keller, M., Knapp, D. E., & Silva, J. N. M. (2006). Condition and fate of logged forests in the Brazilian Amazon. Proceedings of the National Academy of Sciences, 103(34), 12947–12950. https://doi.org/10.1073/pnas.0604093103. Acesso: 02 dez. 2023

Asner, G. P., Keller, M., Pereira, R., Jr., & Zweede, J. C. (2002). Remote sensing of selective logging in Amazonia. Remote Sensing of Environment, 80(3), 483–496. https://doi.org/10.1016/s0034-4257(01)00326-1. Acesso: 11 mai. 2024

Aubad, J., Aragón, P., Olalla-Tárraga, M. Á., & Rodríguez, M. Á. (2008). Illegal logging, landscape structure and the variation of tree species richness across North Andean forest remnants. Forest Ecology and Management, 255(5–6), 1892–1899. https://doi.org/10.1016/j.foreco.2007.12.0. Acesso: 12 dez. 2023.

Ayres, M., Jr, M. A., Ayres, D. L., & Santos, A. D. A. S. D. (2007, January 15). BIOESTAT – aplicações estatísticas nas áreas das Ciências Bio-Médicas. CNPq. https://www.researchgate.net/publication/263608962_BIOESTAT_-_aplicacoes_estatisticas_nas_areas_das_Ciencias_Bio-Medicas. Acesso: 12 dez. 2023.

Basuki, T. M., Skidmore, A. K., van Laake, P. E., van Duren, I., & Hussin, Y. A. (2012). The potential of spectral mixture analysis to improve the estimation accuracy of tropical forest biomass. Geocarto International, 27(4), 329–345. https://doi.org/10.1080/10106049.2011.634928. Acesso: 02 mar. 2025

Becker, B. (2000). Cenários de Curto Prazo para o Desenvolvimento da Amazônia. Cadernos IPPUR [online] 1. Disponível: https://ippur.com.br/wp-content/uploads/2016/05/CI_Ano_XIV_n1_jan-jul_2000.pdf. Acesso: 12 dez. 2023

Bensusan, N. (2015). Conservação da biodiversidade em áreas protegidas. Editora FGV. Acesso: 05 out. 2023

Blaschke, T., Lang, S., & Hay, G. (2008). Object-Based image analysis: Spatial concepts for knowledge-driven remote sensing applications. Springer Science & Business Media.

Borges, H. B. N.; Silveira, E. A.; Vendramin, L. N. (2014). Flora Arbórea de Mato Grosso: Tipologias vegetais e suas espécies. Cuiabá-MT: Entrelinhas [digital]. ISBN: 9788579920721. Disponível: https://www.agroicone.com.br/wp-content/uploads/2019/11/Flora_Arborea_de_Mato_Grosso.pdf. Acesso: 05 out. 2023

Brasil. Grupo de Trabalho Interministerial Plano BR-163 Sustentável, 2006. Plano de Desenvolvimento Regional Sustentável para a Área de Influência da Rodovia BR-163 (Cuiabá-Santarém). Brasília, 2006. Plano BR-163 Sustentável.

Diniz, C. G., Souza, A. A. de A., Santos, D. C., Dias, M. C., Luz, N. C. da, Moraes, D. R. V. de, Maia, J. S. A., Gomes, A. R., Narvaes, I. da S., Valeriano, D. M., Maurano, L. E. P., & Adami, M. (2015). DETER-B: The new amazon near real-time deforestation detection system. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(7), 3619–3628. https://doi.org/10.1109/jstars.2015.243707. Acesso: 05 out. 2023.

Ehlers, R. S. (2007). Análise de Séries Temporais. Departamento de Estatística, UFPR.

Fearnside, P. M. (2022). Fogo na Amazônia: Impactos ambientais e sociais (pp. 479–485). In C. W. N. Moura & G. H. Shimizu (Eds.), Botânica: Para que e para quem?: Desafios, avanços e perspectivas na sociedade contemporânea (p. 517). Sociedade Botânica do Brasil.

Figueiredo, E. O., d’Oliveira, M. V. N., Fearnside, P. M., & Papa, D. de A. (2014). Modelos para estimativa de volume de árvores individuais pela morfometria da copa obtida com lidar. CERNE, 20(4), 621–628. https://doi.org/10.1590/01047760201420041693. Acesso: 05 out. 2023.

Hethcoat, M. G., Carreiras, J. M. B., Bryant, R. G., Quegan, S., & Edwards, D. P. (2022). Combining Sentinel-1 and Landsat 8 Does Not Improve Classification Accuracy of Tropical Selective Logging. Remote Sensing, 14(1), 179. https://doi.org/10.3390/rs14010179.

Homma, Alfredo K. O., 2011. Madeira na Amazônia: extração, manejo ou reflorestamento?. Amazônia: Ciência & Desenvolvimento [online] 7. Disponível: https://ainfo.cnptia.embrapa.br/digital/bitstream/item/74185/1/HommaAmazonia.pdf. Acesso: 12 dez. 2023

Howard, J. A. (1991). Remote sensing of forest resources: Theory and application. Springer.

Huete, A., 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, 83(1–2), 195–213. https://doi.org/10.1016/s0034-4257(02)00096-2

IBGE. Instituto Brasileiro de Geografia e Estatística (2012). Manual técnico da vegetação brasileira. Rio de Janeiro.

INPE. Instituto Nacional de Pesquisas Espaciais (2019). Image Catalog. Basic Parameters: seasonal 2019. São José dos Campos.

INPE. Instituto Nacional de Pesquisas Espaciais (2019). Banco de dados PRODES 2019. São José dos Campos.

Kirby, K. R., Laurance, W. F., Albernaz, A. K., Schroth, G., Fearnside, P. M., Bergen, S., Venticinque, E. M., & da Costa, C. (2006). The future of deforestation in the Brazilian Amazon. Futures, 38(4), 432–453. https://doi.org/10.1016/j.futures.2005.07.011. Acesso: 05 out. 2023.

Lambin, E. F., Geist, H. J., & Lepers, E. (2003). Dynamics of land-use and land-cover change in tropical regions. Annual Review of Environment and Resources, 28(1), 205–241. https://doi.org/10.1146/annurev.energy.28.050302.105459. Acesso: 09 nov. 2023.

Lang, S.; Blaschke, T. (2009). Análise da Paisagem com SIG. Tradução Hermann Kux. São Paulo. Oficina de Textos.

Marengo, J. A., Liebmann, B., Kousky, V. E., Filizola, N. P., & Wainer, I. C. (2001). Onset and end of the rainy season in the Brazilian Amazon Basin. Journal of Climate, 14(5), 833–852. https://doi.org/10.1175/1520-0442(2001)014<0833:OAEOTR>2.0.CO;2

Matricardi, E. A. T., Skole, D. L., Cochrane, M. A., Qi, J., & Chomentowski, W. (2005). Monitoring selective logging in tropical evergreen forests using landsat: Multitemporal regional analyses in Mato Grosso, Brazil. Earth Interactions, 9(24), 1–24. https://doi.org/10.1175/ei142.1. Acesso: 05 out. 2023.

Matricardi, E. A. T., Skole, D. L., Pedlowski, M. A., Chomentowski, W., & Fernandes, L. C. (2010). Assessment of tropical forest degradation by selective logging and fire using Landsat imagery. Remote Sensing of Environment, 114(5), 1117–1129. https://doi.org/10.1016/j.rse.2010.01.001. Acesso: 05 out. 2023.

Moreira, M. A (2007). Fundamentos do sensoriamento remoto e metodologias de aplicação. Editora da UFV.

Morettin, P. A., & Bussab, W. O. (2024). Estatística básica (10ª ed., rev. e amp.). Editora Saraiva.

Myers, N. (1988). Tropical deforestation and remote sensing. Forest Ecology and Management, 23(2–3), 215–225. https://doi.org/10.1016/0378-1127(88)90083-7.

Nepstad, D. C., Verssimo, A., Alencar, A., Nobre, C., Lima, E., Lefebvre, P., Schlesinger, P., Potter, C., Moutinho, P., Mendoza, E., Cochrane, M., & Brooks, V. (1999). Large-scale impoverishment of Amazonian forests by logging and fire. Nature, 398(6727), 505–508. https://doi.org/10.1038/19066. Acesso: 05 out. 2023.

Nepstad, D. C., Moreira, A. G., & Alencar, A. A. (1999). A floresta em chamas: Origens, impactos e prevenção de fogo na Amazônia.

Oliveira, M. V. N. d’, Figueiredo, E. O., Papa, D. de A., & Pantoja, N. (2019). Obtaining information to subsidize annual production units definition in forest management plans through the combination of ground plots, LiDAR data and satellite images. http://www.alice.cnptia.embrapa.br/alice/handle/doc/1113336. Acesso: 27 fev. 2025

Papa, D. d. A., Figueiredo, E. O., Oliveira, M. V. N. d. (2015). Volumetria de árvores dominantes e co-dominantes a partir de dados LiDAR aerotransportado. https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1038722/1/25957.pdf. Acesso: 02 mar. 2025.

Peres, C. A., Barlow, J., & Laurance, W. F. (2006a). Detecting anthropogenic disturbance in tropical forests. Trends in Ecology & Evolution, 21(5), 227–229. https://doi.org/10.1016/j.tree.2006.03.007. Acesso: 05 out. 2023

Pettorelli, N., Vik, J. O., Mysterud, A., Gaillard, J.-M., Tucker, C. J., & Stenseth, N. Chr. (2005). Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9), 503–510. https://doi.org/10.1016/j.tree.2005.05.011

Ponzoni, F. J., Shimabukuro, Y. E., & Kuplich, T. M. (2012). Sensoriamento remoto da vegetação. Oficina de Textos.

Romero, F. M. B., Jacovine, L. A. G., Torres, C. M. M. E., Ribeiro, S. C., de Morais Junior, V. T. M., da Rocha, S. J. S. S., Romero, R. A. B., Gaspar, R. de O., Velasquez, S. I. S., Staudhammer, C. L., Ferreira Neto, J. A., Vidal, E., & Fearnside, P. M. (2021). Forest management with reduced-impact logging in Amazonia: Estimated aboveground volume and carbon in commercial tree species in managed forest in Brazil’s state of acre. Forests, 12(4), 481. https://doi.org/10.3390/f12040481. Acesso: 12 dez. 2023.

Russell, G.; Jarvis, P. G.; Monteith, J. L. (1988). Absorption of radiation by canopies and stand growth. In: Russell, G., Marshall, B., Jarvis, P.G. (Eds.), Plant Canopies: Their Growth, Form and Function. Cambridge University Press, Cambridge, UK.

Santos, J. R.; Krug, T.; Araujo, L. S. (2002). Corte de árvores vistas do espaço. Ciência Hoje [digital] 30. Disponível: https://cienciahoje.org.br/edicao/179/. Acesso: 05 out. 2023

Santos, H. G., et al. (2023). Proposta de atualização da 5ª edição do Sistema Brasileiro de Classificação de Solos. Embrapa Solos. ISSN 1517-2627.

Santos, R. P. dos, & Manzatto, A. G. (2024). Monitoramento fenológico em um fragmento de floresta de terra firme em Porto Velho (RO): Efeitos de borda e da fragmentação. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, 22(10), e7141. https://doi.org/10.55905/oelv22n10-090. Acesso: 28 fev. 2025

Shimabukuro, Y. E., Dutra, A. C., & Arai, E. (2020). Modelo Linear de Mistura Espectral: Conceitos Teóricos, Algoritmos e Aplicações em Estudos na Amazônia Legal. Revista Brasileira de Cartografia, 72, 1140–1169. https://doi.org/10.14393/rbcv72nespecial50anos-56559. Acesso: 12 dez. 2023

Shimabukuro, Y. E., & Smith, J. A. (1991). The least-squares mixing models to generate fraction images derived from remote sensing multispectral data. IEEE Transactions on Geoscience and Remote Sensing, 29(1), 16–20. https://doi.org/10.1109/36.103288. Acesso: 05 out. 2023.

Souza Barros, Q., Linhares Ferreira, E. J., Mafra Rodrigues, N. M., Barros de Oliveira, E. K., & de Mesquita Pinheiro, R. (2024). Análise Bibliométrica sobre a Aplicação do LiDAR Aerotransportado no Manejo de Impacto Reduzido na Amazônia. Revista Cereus, 16(1), 131–146. https://doi.org/10.18605/2175-7275/cereus.v16n1p131-146. Acesso: 26 fev. 2025

Souza, C. M., Jr., Roberts, D. A., & Cochrane, M. A. (2005). Combining spectral and spatial information to map canopy damage from selective logging and forest fires. Remote Sensing of Environment, 98(2–3), 329–343. https://doi.org/10.1016/j.rse.2005.07.013. Acesso: 05 out. 2023.

Souza, J. V. de, Matricardi, E. A. T., Pedlowski, M. A., Miguel, E. P., & Pereira, R. S. (2024). Avaliação espaço-temporal da exploração seletiva de madeiras no estado do Pará, Brasil. Ciência Florestal, 34(2), e71255. https://doi.org/10.5902/1980509871255. Acesso: 23 fev. 2025

Silva, V. P. da, & Orlanda, J. F. F. (2024). Evolução temporal do sensoriamento remoto no contexto da detecção de áreas degradadas na Amazônia: uma revisão sistemática. Revista Da Casa Da Geografia de Sobral (RCGS), 26(1), 169–182. https://doi.org/10.35701/rcgs.v26.922. Acesso em: 27 fev. 2025.

Stone, T. A., & Lefebvre, P. (1998). Using multi-temporal satellite data to evaluate selective logging in Para, Brazil. International Journal of Remote Sensing, 19(13), 2517–2526. https://doi.org/10.1080/014311698214604. Acesso: 09 mai. 2024.

Su, S.-C. (2001). Efficient intensity-hue-saturation-

based image fusion with saturation compensation. Optical Engineering, 40(5), 720. https://doi.org/10.1117/1.1355956. Acesso: 09 mai. 2024.

Wang, C., Qu, L., Yang, L., Liu, D., Morrissey, E., Miao, R., Liu, Z., Wang, Q., Fang, Y., & Bai, E. (2021). Large‐scale importance of microbial carbon use efficiency and necromass to soil organic carbon. Global Change Biology, 27(10), 2039–2048. https://doi.org/10.1111/gcb.15550. Acesso: 27 fev. 2025.