Mapping of clearings in logging areas in the Amazon using remote sensing and machine learning technologies
DOI:
https://doi.org/10.51359/2238-6211.2025.263037Keywords:
geoprocessing, forest resources, forestry, sustainability, AmazonAbstract
Remote sensing is widely used to monitor tropical forests. In Brazil, the PRODES Project is a benchmark for controlling and monitoring deforestation, which used Landsat 5 images with medium spatial resolution (from 10 to 30 m). Over the years, other tools have been improved, generating better quality data in less time. Currently, monthly base maps of 64 tropical countries have high spatial resolution (1 to 5 m) and make it possible to map vegetation gaps. The aim of this study was to evaluate the efficiency of Planet images in quantifying clearings formed by logging. The area studied was an Annual Production Unit (UPA) in the Jamari National Forest, under a forest concession regime. The images were processed and then the Normalized Difference Vegetation Index (NDVI) and supervised classification using the probabilistic Gaussian mixture model were applied to identify clearings caused by logging. In addition to the satellite images, field damage survey data collected by the utility company was used. The classification of the images showed that 9.43% of the area of effective exploitation of the UPA had been cleared of canopy and the quantification of damage in the field showed 11.91%. It was not possible to classify clearings from skid trails and felling clearings with small canopies using the images. However, the study proved to be effective in monitoring clearings caused by roads and the felling of trees with large crowns. This highlights its importance in controlling and monitoring deforestation in the Amazon.
References
ALMEIDA, D. R. A. D., STARK, S. C., CHAZDON, R., NELSON, B. W., CÉSAR, R. G., MELI, P.; BRANCALION, P. H. S. The effectiveness of lidar remote sensing for monitoring forest cover attributes and landscape restoration. Forest Ecology and Management, v. 438, p. 34-43, 2019. https://doi.org/10.1016/j.foreco.2019.02.002.
ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVES, J. D. M. & SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische zeitschrift, 22(6), 711-728, 2013. https://doi.org/10.1127/0941-2948/2013/0507
ALVES, R. R.; JACOVINE, L. A. G.; NARDELLI, Á. M. B.; BASSO, V. M. & DA SILVA, F. L. Certificação florestal: Da floresta ao consumidor final. Digitaliza Conteudo, 2022.
ASSUNÇÃO, J.; GANDOUR, C.; ROCHA, R. DETER-ing deforestation in the Amazon: environmental monitoring and law enforcement. American Economic Journal: Applied Economics, v. 15, n. 2, p. 125-156, 2023. https://doi.org/10.1257/app.20200196.
BECK, H. E.; ZIMMERMANN, N. E.; McVICAR, T. R.; VERGOPOLAN, N.; BERG, A. & WOOD, E. F. Present and future Köppen-Geiger climate classification maps at 1-km resolution. Scientific data, v. 5, n. 1, p. 1-12, 2018. https://doi.org/10.1038/sdata.2018.214
COOPS N.C; HILKER T; WULDER M.A; ST-ONGE B; NEWNHAM G; SIGGINS A. Estimating canopy structure of Douglas-fir forest stands from discrete-return LIDAR. Trees - Structure and Function 2007; 21(3): 295-310. http://dx.doi.org/10.1007/s00468-006-0119-6.
BRASIL. Constituição Federal. Senado Federal. Brasília, DF, 1988.
D'OLIVEIRA, D'OLIVEIRA, M. V., REUTEBUCH, S. E., MCGAUGHEY, R. J., & ANDERSEN, H. E. Estimating forest biomass and identifying low-intensity logging areas using airborne scanning lidar in Antimary State Forest, Acre State, Western Brazilian Amazon. Remote Sensing of Environment, v. 124, p. 479-491, 2012. https://doi.org/10.1016/j.rse.2012.05.014
DINIZ, C. G., DE ALMEIDA SOUZA, A. A., SANTOS, D. C., DIAS, M. C., DA LUZ, N. C., DE MORAES, D. R. V., ... & ADAMI, M. DETER-B: The new Amazon near real-time deforestation detection system. IEEE Journal of selected topics in applied earth observations and remote sensing, v. 8, n. 7, p. 3619-3628, 2015. https://doi.org/10.1109/JSTARS.2015.2437075.
FAGUNDES, S. T. S. Efeitos da exploração florestal a curto prazo na vegetação arbórea em unidade de produção na Flona do Jamari. Relatório final de iniciação científica – PIBIC/UNIR/CNPQ, CICLO 2017/2018, p. 35, 2018.
FAGUNDES, S. T. S., SCCOTI, M. S. V., LIMA, A. C. R., JUNIOR, J. F. B., & BIAZATTI, S. C. Monitoramento da floresta a curto prazo em área de concessão florestal na Amazônia Ocidental. Revista Ibero-Americana de Ciências Ambientais, v. 11, n. 5, p. 55-62, 2020. https://doi.org/10.6008/CBPC2179-6858.2020.005.0006.
FERREIRA GOMES, L., SEIXAS BRITES, R., JAHN LOCKS, C., & REZENDE DOS ANJOS, R. Estimativas das Alterações na Biomassa Florestal Utilizando LiDAR em Área de Manejo Florestal Sustentável na Amazônia Sul-Ocidental. Anuário do Instituto de Geociências, v. 43, n. 3, 2020. https://doi.org/10.11137/2020_3_260_268.
GAO, Y.; SKUTSCH, M.; PANEQUE-GÁLVEZ, J.; & GHILARDI, A. Remote sensing of forest degradation: a review. Environmental Research Letters, v. 15, n. 10, p. 103001, 2020. https://doi.org/10.1088/1748-9326/abaad7.
GOMES, L. F., BRITES, R. S., LOCKS, C. J., & DOS ANJOS, R. R. Estimativas das alterações na biomassa florestal utilizando LiDAR em área de manejo florestal sustentável na Amazônia Sul-Ocidental. Anuário do Instituto de Geociências, v. 43, n. 3, p. 260-268, 2020. http://doi.org/10.11137/2020_3_260_268.
GONZAGA, C. A. C; DE ASSIS FERNANDES, T.; BOLDRIN, J. L; CORREA, M. D. S. A; ROQUETTE, J.G; DA SILVA, N. M.; BARBOSA, D. S.; PESSI, D. D.; FILHO, A. C. P.; MIOTO, C. L.; & ANGEOLETTO, F. H.S. Sensoriamento remoto e monitoramento da manipulação florestal por entidades governamentais do Brasil. Pesquisa, Sociedade e Desenvolvimento, v. 11, n. 5, pág. e28811528323, 2022. https://doi.org/10.33448/rsd-v11i5.28323.
GONÇALVES, A. K.; DA SILVEIRA, G. R. P.; DE, Z. X.; CAMPOS, S. Métodos de classificação supervisionada de imagens de satélite aplicadas no mapeamento do uso do solo na bacia hidrográfica do Ribeirão Santo Antônio, São Manuel/SP. GEOSABERES: Revista de Estudos Geoeducacionais, v. 6, n. 1, p. 52-62, 2015.
GOETZ, S. J.; HANSEN, M.; HOUGHTON, R. A.; WALKER, W.; LAPORTE, N.; & BUSCH, J. Measurement and monitoring needs, capabilities and potential for addressing reduced emissions from deforestation and forest degradation under REDD+. Environmental Research Letters, v. 10, n. 12, p. 123001, 2015. https://doi.org/10.1088/1748-9326/10/12/123001.
IBGE, (2012). Manual técnico da vegetação brasileira. Rio de janeiro, IBGE.
INSTITUTO BRASILEIRO DO MEIO AMBIENTE E DOS RECURSOS NATURAIS RENOVÁVEIS - IBAMA. Norma de Execução nº 1, de 24 de abril de 2007. Disponível em: http://www.ibama.gov.br/sophia/cnia/legislacao/IBAMA/NE0001-240407.PDF. Acesso em: 20 de Abril de 2023. Brasília, DF, 2007.
INPE - Instituto Nacional de Pesquisas Espaciais. PRODES — Coordenação-Geral de Observação da Terra. Disponível em: http://www.obt.inpe.br/OBT/assuntos/programas/amazonia/prodes. Acesso em: 11 mar. 2024.
JUNIOR, N. S., CORTE, A. P., VASCONCELLOS, B., & SANQUETTA, C. R. Técnicas de sensoriamento remoto no âmbito do licenciamento de plano de manejo florestal madeireiro no estado de mato grosso. Enciclopédia biosfera, v. 14, n. 25, 2017. https://doi.org/10.18677/EnciBio_2017A97.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, p. 159-174, 1977. https://doi.org/10.2307/2529310.
LOCKS, C. J., & MATRICARDI, E. A. T. The estimation of selective logging impact in Amazon Forest using LIDAR data. Ciência Florestal, v. 29, p. 481-495, 2019. https://doi.org/10.5902/1980509826007
LIMA, R. A. Estrutura e regeneração de clareiras em Florestas Pluviais Tropicais. Brazilian Journal of Botany, v. 28, p. 651-670, 2005. https://doi.org/10.1590/S0100-84042005000400002
LIMA, T. A., BEUCHLE, R., LANGNER, A., GRECCHI, R. C., GRIESS, V. C., & ACHARD, F. Comparing Sentinel-2 MSI and Landsat 8 OLI imagery for monitoring selective logging in the Brazilian Amazon. Remote sensing, 11(8), 961, 2019. https://doi.org/10.3390/rs11080961.
MATRICARDI, E. A. T.; SKOLE, D. L.; COSTA, O. B.; PEDLOWSKI, M. A.; SAMEK, J. H.; & MIGUEL, E. P. Long-term forest degradation surpasses deforestation in the Brazilian Amazon. Science, v. 369, n. 6509, p. 1378-1382, 2020. 10.1126/science.abb3021
CHAVES, C. PPG7: duas décadas de apoio à proteção das florestas brasileiras. Ministério do Meio Ambiente e Mudança do Clima (MMA), 2009. Disponível em: https://www.gov.br/mma/pt-br/noticias/ppg7-duas-decadas-de-apoio-a-protecao-das-florestas-brasileiras. Acesso em: 18 de set. de 2023.
NERY, C. V. M.; BRAGA, F. L.; MOREIRA, A. A.; & FERNANDES, F. H. S. Aplicação do Novo Código Florestal na avaliação das Áreas de Preservação Permanente em topo de morro na sub-bacia do Rio Canoas no município de Montes Claros/MG. Revista Brasileira de Geografia Física, v. 6, n. 6, p. 1673-1688, 2013.
OLIVEIRA, E. K. B. DE, REZENDE, A. V., DE FREITAS, L. J. M., JÚNIOR, L. S. M., BARROS, Q. S., & DA COSTA, L. S. Monitoramento da estrutura e caracterização ecológica em floresta tropical manejada na Amazônia Brasileira. Revista Brasileira de Ciências Agrárias, v. 14, n. 4, p. 1-12, 2019. https://doi.org/10.5039/agraria.v14i4a6867
RODRIGUES, M. I.; SOUZA, Á. N. D.; JOAQUIM, M. S.; LUSTOSA JÚNIOR, I. M.; & PEREIRA, R. S. Concessão florestal na Amazônia brasileira. Ciência Florestal, v. 30, p. 1299-1308, 2020. https://doi.org/10.5902/1980509821658.
RONDÔNIA. Secretaria de Estado do Desenvolvimento Ambiental (SEDAM). Boletim Climatológico de Rondônia. SEDAM, Porto Velho, 2010.
ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the Great Plains with ERTS. NASA Spec. Publ, v. 351, n. 1, p. 309, 1974.
SCCON. Imagens PLANET. 2023. Disponível em: https://www.sccon.com.br/produtos/imagens-planet/. Acesso em: 18 de set. de 2023.
SCIKIT-LEARN. Scikit-learn 0.21.3 [Software de computador]. Zenodo, 2019.
SERVIÇO FLORESTAL BRASILEIRO – SFB. Contrato de concessão florestal decorrente da concorrência Nº 01/2018 Floresta Nacional do Jamari – RO, 2019.
SILVA, K. G. da. Concessão florestal: utilizando recursos de arrecadação para fortalecimento da política florestal e do desenvolvimento sustentável. Trabalho de Conclusão de Curso (Especialista em Gestão de Políticas Ambientais), Escola Nacional de Administração Pública – ENAP, Brasília – DF, 2020.
VENTURIERI, A.; SANTOS, J.R. dos. Técnicas de classificação de imagens para análise da cobertura vegetal. In: ASSAD, E. D.; SANO, E. E. (Org.). Sistemas de Informações Geográficas: Aplicações na Agricultura. 2. ed. Brasília: EMBRAPA. p. 351-371, 1998.
WANG, Y.; ZIV, G.; ADAMI, M.; MITCHARD, E.; BATTERMAN, S. A.; BUERMANN, W.; MARIMON, B. S.; JÚNIOR, B. H. M.; REIS, S. M.; & GALBRAITH, D. Mapeamento de florestas tropicais perturbadas usando imagens ópticas de satélite multidecenais de 30 m. Sensoriamento remoto do meio ambiente, v. 221, p. 474-488, 2019. https://doi.org/10.1016/j.rse.2018.11.028.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Gean Paulino Montagnolli, Carolaine Maia de Souza, Suelen Tainã Silva Fagundes, Jhony Vendruscolo, Marta Silvana Volpato Sccoti
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish in this journal agree to the following terms:
a) Authors retain copyright and grant the REVISTA DE GEOGRAFIA of the Federal University of Pernambuco the right of first publication, with the work simultaneously licensed under the Creative Commons Attribution 4.0 International License (CC BY). This license allows reusers to distribute, remix, adapt, and build upon the material in any medium or format, provided that attribution is given to the creator. The license permits commercial use.
b) Authors are authorized to enter into separate, additional contractual arrangements for the non-exclusive distribution of the version of the work published in this journal (e.g., posting it to an institutional repository or publishing it as a book chapter), with an acknowledgement of its initial publication in this journal.
c) Authors are permitted and encouraged to post and distribute their work online (e.g., in institutional repositories or on their personal website) at any point before or during the editorial process, as this can lead to productive exchanges, as well as increase the impact and citation of the published work.
d) The contents of the GEOGRAPHY JOURNAL are licensed under a Creative Commons Attribution 4.0 International License. CC BY - . This license allows reusers to distribute, remix, adapt, and build upon the material in any medium or format, provided that attribution is given to the creator. The license permits commercial use.
In the case of copyrighted material to be reproduced in the manuscript, full attribution must be provided in the text; a supporting document of authorization must be sent to the Editorial Committee as a supplementary document. It is the responsibility of the authors, not the GEOGRAPHY JOURNAL or the editors or reviewers, to indicate, in the article, the authorship of texts, data, figures, images and/or maps previously published elsewhere.
