Dengsheng Lu Emilio Moran

Mateus Batistella

Luis Sadeck Carla Azevedo Sadeck

O LBA tem um dos seus focos de pesquisa no estudo de florestas sucessionais secundárias em grandes regiões / sub-regiões da bacia amazônica.

Devido ao seu rápido crescimento e aumento da extensão da área, as florestas sucessionais desempenhar um papel importante no orçamento global de carbono.

Além disso, elas têm funções ecológicas significativas nos ecossistemas amazônicos e paisagens que afetam a fertilidade do solo, a estrutura e composição da vegetação, da fauna e dispersão.

A heterogeneidade da estrutura da vegetação é um problema importante, como é a limitação de resolução espacial, isto é, em que um único pixel de Landsat TM frequentemente contém mais do que uma classe de cobertura da terra.

Dificuldades de Classificação

Classificação Tradicional

Imagem Georeferenciada

Coleta de Amostras

Algoritmo de classificação

Imagem Classificada

Classificadores tradicionais geralmente desenvolvem uma assinatura, combinando os espectros de todos os pixels dentro de um conjunto de treinamento a partir de um determinado recurso.

Breves características de florestas tropicais sucessionais

Estágio inicial de sucessão secundária (SS1): Estas espécies têm um ciclo de vida curto, alta taxa de crescimento e alta reprodutiva alocação de recursos. Sucessão secundária intermediária (SS2): As árvores jovens já estão presentes, mas mudas (SS1) ainda têm uma densidade mais elevada. Sucessão secundária avançada (SS3): O aspecto geral deste tipo de vegetação em termos de camadas dossel é semelhante a uma floresta. No entanto, as árvores não são tão alta ou espessa.

Análise de estatura média estande e área basal (DAP); discriminador significativo para SS1, SS2 e SS3

Contribuição de mudas e árvores ao total de área basal do pousio;

o fator discriminante central

Análise canônica discriminante (CDA) em medições de campo;

A proporção de biomassa que é um bom parâmetro biofísico;

DAP e altura são os mais adequados parâmetros para diferenciar as fases da SS, e biomassa acima do solo e DAP são mais adequados para a separação de floresta madura de estágios SS. Dados de sensoriamento remoto têm sido aplicados extensivamente para a classificação da vegetação e LULC.

Cuidado com a confusão!

Pastagem degradada

Floresta Madura

SS1

SS3

Outras técnicas de SR ou maior

quantidade de dados

A abordagem LMM é considerado como um instrumento de análise de imagem baseado em características físicas dos objetos dentro do pixel.

A abordagem MLME assume que o espectro medido por um sensor é uma combinação linear dos espectros de todos os componentes dentro de um pixel.

Para eliminar a mistura é preciso criar as imagens fração. A alta qualidade das imagens fração depende muito da seleção adequada de amostras.

Variedade de métodos: Biblioteca espectral Espectroradiômetro Medidas de campo Própria imagem Análise de componentes principais Pixel Purity Index (PPI) Seleção manual de pixel

0 1 Escala

Distante do alvo Próximo do alvo

SOLO SOMBRA VEGETAÇÃO

O trabalho de campo foi realizado durante as estações secas de 1999 e 2000; Classificação preliminar de imagens para áreas candidatas a serem pesquisadas; Aerolevantamento – tamanho, condição e acessibilidade para cada ponto; Observações de campo - estrutura de estágios regenerativos; Levantamento da vegetação - Cecropia sp., Vismia sp, Palmeiras, Gramínea, e Lianas Áreas demarcadas com GPS; Dados IKONOS também foram usados para identificar mais locais de teste para avaliação da acurácia de classificação; Pontos de GPS para suporte à classificação.

120

40

3

1m²

9m²

100m²

As plântulas foram definidas como arbustos com um DAP menor que 2,5 cm. Mudas foram definidas como árvores jovens com DAP de 2,5 cm a menos de 10 cm. As árvores foram definidas como plantas lenhosas com DAP superior ou igual a 10 cm. Altura do caule e DAP foram medidos para todas as árvores em área de 100 m². Altura e DAP foram medidos para todas as mudas em área de 9 m². Cobertura do solo estimativa e contagem dos indivíduos foram realizadas para produção de mudas e da vegetação herbácea em uma área de 1m².

A acurácia global é uma das medidas mais simples, sendo calculada pela soma do total dos pixels corretamente classificados dividida pelo número total de pixels da matriz de confusão. As acurácias das categorias individuais são calculadas através da acurácia do produtor que indica a probabilidade de um pixel de referência ter sido corretamente classificado e da acurácia do usuário que calcula a probabilidade de um pixel classificado no mapa representar a categoria no solo (Congalton, 1991).

O suporte do trabalho de campo é indispensável; Classificadores por pixel como MaxVER, não dão bons resultados para identificação de sucessão secundária; O Método de MLME é um método promissor na discriminação sucessão secundária e floresta madura; Uma exatidão de 78,2% foi alcançada, o que representa um aumento de precisão de cerca de 7,4% em relação ao MLC; As fracções sombra e GV são particularmente adequadas para discriminar sucessão e florestas maduras.