Your browser doesn't support javascript.
loading
Show: 20 | 50 | 100
Results 1 - 2 de 2
Filter
Add more filters










Publication year range
1.
Acta amaz ; 46(3): 291-302, 2016. ilus, map, tab, graf
Article in English | LILACS, VETINDEX | ID: biblio-1455309

ABSTRACT

Understanding spatial patterns of land use and land cover is essential for studies addressing biodiversity, climate change and environmental modeling as well as for the design and monitoring of land use policies. The aim of this study was to create a detailed map of land use land cover of the deforested areas of the Brazilian Legal Amazon up to 2008. Deforestation data from and uses were mapped with Landsat-5/TM images analysed with techniques, such as linear spectral mixture model, threshold slicing and visual interpretation, aided by temporal information extracted from NDVI MODIS time series. The result is a high spatial resolution of land use and land cover map of the entire Brazilian Legal Amazon for the year 2008 and corresponding calculation of area occupied by different land use classes. The results showed that the four classes of Pasture covered 62% of the deforested areas of the Brazilian Legal Amazon, followed by Secondary Vegetation with 21%. The area occupied by Annual Agriculture covered less than 5% of deforested areas; the remaining areas were distributed among six other land use classes. The maps generated from this project - called TerraClass - are available at INPE's web site (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).


Entender o padrão espacial do uso e cobertura da terra é essencial para estudos de biodiversidade, mudanças climáticas e modelagem ambiental, bem como para concepção e acompanhamento de políticas direcionadas ao uso da terra. O objetivo deste estudo foi criar um mapa detalhado do uso e cobertura da terra para a porção desflorestada da Amazônia Legal Brasileira, até 2008. Dados de desflorestamento e uso foram mapeados usando imagens Landsat-5/TM analisadas com técnicas como modelo linear de mistura espectral, fatiamento e interpretação visual, auxiliados por informações temporais de NDVI extraídas de série temporal de dados MODIS. O resultado deste estudo é um mapa de uso e cobertura da terra com alta resolução espacial para toda Amazônia Legal Brasileira, para o ano de 2008, e os respectivos percentuais da área ocupada por diferentes classes de uso da terra. O resultado mostrou que, quatro classes de pastagens cobrem 62% da área desflorestada da Amazônia Legal Brasileira, seguida pela vegetação secundária com 21%. A área ocupada pela agricultura anual cobriu menos de 5% das áreas desflorestadas; as áreas restantes estavam distribuídas em outras seis classes de uso da terra. Os mapas gerados por este projeto, chamado TerraClass, estão disponíveis no site do INPE (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).


Subject(s)
Conservation of Natural Resources/analysis , Amazonian Ecosystem/analysis , Geographic Mapping , Remote Sensing Technology , Topography
2.
Acta amaz ; 40(2): 289-302, 2010. mapas, tab
Article in Portuguese | LILACS, VETINDEX | ID: lil-555553

ABSTRACT

A vegetação secundária tem funções relevantes para os ecossistemas, tais como a fixação de carbono atmosférico, a manutenção da biodiversidade, o estabelecimento da conectividade entre remanescentes florestais, manutenção dos regime hidrológico e a recuperação da fertilidade do solo. O objetivo deste trabalho é, através de uma abordagem amostral, estimar a área ocupada por vegetação secundária na Amazônia Legal Brasileira (AML) em 2006. A amostragem se baseia em uma abordagem estratificada pelo grau de desflorestamento das cenas LANDSAT-TM que recobrem a AML. Foram selecionadas 26 cenas para o ano de 2006, distribuídas em sete estratos conforme o percentual de desflorestamento, nas quais foram mapeadas as áreas de vegetação secundária a partir de técnicas de classificação de imagens. Foi desenvolvido um modelo multivariado de regressão para estimar a área de vegetação secundária utilizando como variáveis independentes a área de desflorestamento, a área de hidrografia, a estrutura agrária, e área das unidades de conservação. A análise de regressão encontrou um R2 ajustado de 0,84 , e coeficientes positivos para a proporção de hidrografia na imagem (2,055) e para a estrutura agrária (0,197), e coeficientes negativos para o grau de desflorestamento na imagem (-0,232) e para a proporção de Unidades de Conservação na imagem (-0,262). O modelo de regressão estimou uma área de 131.873 km² de vegetação secundária para o ano de 2006. Aplicando uma simulação Monte Carlo foi estimada uma incerteza de aproximadamente 12.445 km² para a área.


Secondary vegetation has many relevant functions to the ecosystems such as atmospheric carbon fixation , maintenance of biodiversity, establishment of connectivity among forest remnants, maintenance of hydrological regime, and restoration of soil fertility. The objective of this work is to estimate the area occupied by secondary vegetation in the Brazilian Legal Amazon (BLA) for 2006 using a sampling scheme. The sampling is based on a stratified approach according to the degree of deforestation observed in the 229 TM-Landsat scenes that cover the BLA. Thus, 26 scenes were selected for 2006 and distributed into seven strata, according to their degree of deforestation, in which secondary vegetation areas were mapped. A regression model was constructed to estimate secondary vegetation area in the remaining images using deforestation area, hydrographic area, agrarian structure , and area of conservation units, as independent variables. The regression analysis found an adjusted R2 of 0.84 and positive coefficients for the proportion of hydrography in the image (2.055) and for the agrarian structure (0.197), while negative coefficients for the degree of deforestation in the image (-0.232) as well as for the proportion of Conservation Unity(-0.262). Using the multivariate regression model, an area of 131,873 km² of secondary vegetation was estimated for the year of 2006. Applying a Monte Carlo simulation we estimated an uncertainty of approximately 12,445 km² .


Subject(s)
Forests , Biodiversity , Remote Sensing Technology , Brazil , Models, Statistical , Amazonian Ecosystem
SELECTION OF CITATIONS
SEARCH DETAIL
...