03563nam a2200193 a 450000100080000000500110000800800410001910000250006024502290008526000160031430000110033050001890034152027220053065000120325265000270326465000250329165000160331665300370333221460942023-12-04       2022    bl uuuu  m   00u1 u    #d1 aALMEIDA, M. B. F. de  aMétodos de sensoriamento remoto orbital para o diagnóstico e monitoramento dos níveis de degradação de pastagens tropicaisbuma contribuição ao plano de agricultura de baixa emissão de carbono.h[electronic resource]  a2022.c2022  a160 f.  aTese (Doutorado em Meio Ambiente) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro. Orientadora: Margareth Simões, CNPS; Coorientador: Rodrigo Peçanha Demonte Ferraz, CNPS.  aA presente pesquisa científica objetivou avaliar diferentes métodos, índices de vegetação e texturas em contribuição ao desenvolvimento de uma metodologia de mapeamento e monitoramento dos diferentes níveis de degradação das pastagens, com base em técnicas de Sensoriamento Remoto e Processamento Digital de Imagens dos satélites Sentinel-2 e Sentinel-1, além de outros produtos satelitários. O estudo foi conduzido especificamente no município de Valença/RJ e arredores, no bioma da Mata Atlântica, onde foram obtidos pontos de campo georreferenciados com as suas respectivas classes atribuídas (N1, N2N3, N4), bem como na região do bioma Cerrado, onde os pontos de campo georreferenciados e os atributos associados foram obtidos por cortesia do LAPIG/MapBiomas. Este conjunto de dados foi classificado por um método de classificação supervisionada denominado random forest, que por sua vez, é um algoritmo de inteligência artificial e aprendizado de máquina que usa diferentes árvores de decisão para a rotulação dos pixels no processo de classificação. O processamento principal dos dados foi realizado no Google Earth Engine, porém o processamento auxiliar, que favoreceu sobremaneira o processamento principal, foi realizado no R. O índice de vegetação mais importante foi o NCI, no entanto, por si só, não garantiu uma acurácia satisfatória, sendo necessário adicionar outros produtos de sensoriamento remoto para este fim. Também objetivou-se estimar as proporções dos elementos presentes na composição das pastagens nos seus diferentes níveis de degradação (N1, N2N3 e N4), com base na Análise de Mistura Espectral (AME) e nas imagens-fração VNFA (Vegetação Não Fotossinteticamente Ativa), VFA (Vegetação Fotossinteticamente Ativa), SE (Solo Exposto) e Sombra advindas da AME tanto para a época úmida quanto para a época seca. Com base nestas imagens-fração foi possível realizar mais uma vez a classificação random forest dos diferentes níveis de degradação das pastagens de todo o bioma Cerrado. Para a estimativa das proporções VNFA, VFA, SE e Sombra foi necessário aplicar a Análise pró Componentes Principais (ACP) antes da AME com a finalidade de reduzir a correlação entre as bandas puras do Sentinel-2, ainda assim, só foi possível estimar as proporções na estação úmida. Os resultados obtidos com base nas metodologias propostas e no controle estatístico dos dados (acurácias) permitem deduzir que ambas são robustas, eficientes e eficazes na separabilidade dos diferentes níveis de degradação das pastagens (N1, N2N3 e N4) tanto da Mata Atlântica (município de Valença/RJ e arredores) quanto do bioma Cerrado.  aCerrado  aDegradação Ambiental  aSensoriamento Remoto  aVegetação  aProcessamento Digital de Imagens