Levantamentos sistemáticos da cobertura vegetal no Brasil, à escala de semidetalhe, incluem aqueles realizados no âmbito dos projetos Radam e Radambrasil, no período de 1971 a 1977, tendo por base imagens de radar aerotransportadas e, mais recentemente, os mapeamentos, com base em imagens Landsat 7 ETM + , dos remanescentes da cobertura vegetal nos biomas brasileiros (projeto MMA/PROBIO), concluídos em 2006. Nestes pouco mais de 30 anos, muitas mudanças ocorreram, tanto na cobertura vegetal do país quanto no sensoriamento remoto orbital. Neste artigo de revisão, apresentamos, do ponto de vista conceitual e tecnológico, a evolução e o estado-da-arte dos sistemas sensores e discutimos algumas das técnicas mais utilizadas para decodificar (ex. em parâmetros biofísicos etc.) e classificar a resposta espectral da vegetação. Da mesma forma, apresentamos as principais iniciativas, históricas ou em curso, voltadas ao monitoramento da cobertura vegetal dos biomas brasileiros. Palavras-chave: sensoriamento remoto da vegetação, sistemas sensores, monitoramento dos biomas brasileiros. ABSTRACT. Remote sensing of vegetation: evolution and state of the art. Systematic surveys of the vegetative cover in Brazil include the semi-detailed mappings conducted within the scope of the Radam and Radambrasil projects, between 1971 and 1977, based on side-looking airborne radar images, and more recently, the assessments, based on Landsat 7 ETM + imagery, of the remnant vegetation cover of the Brazilian biomes (MMA/PROBIO), finished in 2006. In a little more than 30 years, many changes have occurred, both in vegetation cover as well as in orbital remote sensing. In this review article, we discuss, from a conceptual and technological perspective, the evolution and the state of the art of imager sensors, as well as some of the enhancement techniques utilized for decoding (e.g., in biophysical parameters, etc.) and classifying the spectral response of vegetation. Likewise, we present the main current (pioneering) initiatives for land cover monitoring of the Brazilian biomes.
The main goal of this study, conducted in an area comprising 221 municipalities, in which 90% of the deforestation in the Legal Amazon takes place, was to understand the role of the agrarian structure in the conversion of forest into pasture and agriculture fields. Linear regression results indicate that 54%–62% of the variation in deforestation occurred between 1997 and 2004, respectively, and are explained as a function of changes in the amount of appropriated land in 1995. Likewise, up to 80% of the deforestation can be well explained by the variation in land concentration. In fact, strong spatial correlations were found between deforestation hotspots and land appropriation and land concentration. On the other hand, these critical areas have insufficient governance, particularly at the federal level. As the results of this study clearly demonstrate, strong governance and institutional integration, with emphasis on the territorial ordainment, are mandatory in order to reduce the rapid pace of deforestation in the Brazilian Amazon.
Fire is a significant agent of landscape transformation on Earth, and a dynamic and ephemeral process that is challenging to map. Difficulties include the seasonality of native vegetation in areas affected by fire, the high levels of spectral heterogeneity due to the spatial and temporal variability of the burned areas, distinct persistence of the fire signal, increase in cloud and smoke cover surrounding burned areas, and difficulty in detecting understory fire signals. To produce a large-scale time-series of burned area, a robust number of observations and a more efficient sampling strategy is needed. In order to overcome these challenges, we used a novel strategy based on a machine-learning algorithm to map monthly burned areas from 1985 to 2020 using Landsat-based annual quality mosaics retrieved from minimum NBR values. The annual mosaics integrated year-round observations of burned and unburned spectral data (i.e., RED, NIR, SWIR-1, and SWIR-2), and used them to train a Deep Neural Network model, which resulted in annual maps of areas burned by land use type for all six Brazilian biomes. The annual dataset was used to retrieve the frequency of the burned area, while the date on which the minimum NBR was captured in a year, was used to reconstruct 36 years of monthly burned area. Results of this effort indicated that 19.6% (1.6 million km2) of the Brazilian territory was burned from 1985 to 2020, with 61% of this area burned at least once. Most of the burning (83%) occurred between July and October. The Amazon and Cerrado, together, accounted for 85% of the area burned at least once in Brazil. Native vegetation was the land cover most affected by fire, representing 65% of the burned area, while the remaining 35% burned in areas dominated by anthropogenic land uses, mainly pasture. This novel dataset is crucial for understanding the spatial and long-term temporal dynamics of fire regimes that are fundamental for designing appropriate public policies for reducing and controlling fires in Brazil.
Artigo recebido em 03/10/2013 e aceito para publicação em 22/05/2014. RESUMO:A bacia hidrográfica do Rio Vermelho, situada no Estado de Goiás, possui uma elevada geodiversidade, com terrenos que vão do Arqueano ao Holocêno, e um proeminente registro tectônico impresso. Da mesma forma, ao longo de seu processo histórico de ocupação, tem sido impactada por variadas atividades de utilização do solo e do subsolo, o que acarretou tanto o empobrecimento da biodiversidade, quanto a modificação do seu aspecto físico, sendo expressiva a ocorrência de processos erosivos e acúmulos de sedimentos em razão da dinâmica de entrada e saída de energia e matéria do sistema natural. Neste trabalho, o qual teve por base a elaboração e análise do mapa de entropia do relevo para toda a área da bacia (~ 11.000 km 2 ), foi possível identificar áreas mais suscetíveis à atuação de processos morfogenéticos e, portanto, mais vulneráveis à ocupação, à exemplo das áreas próximas à foz da bacia, cujos valores de entropia são coerentes com a diversidade de usos e intervenções sobre o complexo sistema fluvial no entorno do canal principal do Rio Vermelho. Em que pese a necessidade de análises adicionais, à escalas de maior detalhe, nossos resultados demonstram o potencial da análise da entropia do relevo como ferramenta importante para identificar áreas com energia potencial disponível para realização de trabalho geomorfológico e, portanto, mais vulneráveis à ocupação (i.e. sujeitas a enchentes, inundações e deslizamentos de terras). Palavras-chave: Entropia do Relevo, Bioma Cerrado, Vulnerabilidade da Paisagem, Bacia Hidrográfica. ABSTRACT:The Rio Vermelho watershed, located in the Goiás State, shows a great geodiversity, with terrains ranging from the Arquean to the Holocene, in addition to a proeminent tectonic record. Likewise, throughout its occupation history, it has been impacted by a variety of surface and underground activities, which resulted in biodiversity impovereshment, as well as physical modifications, particularly progressive erosion processes and sediment accumulation, as a function of the dynamic incoming and outcoming of matter and energy from the natural system. In this work, based on the elaboration and analysis of an entropy map for the entire basin area (~ 11,000 km 2 ), it was possible to identify areas more susceptible to morphogenetic processes
Este trabalho teve como objetivo analisar a distribuição espacial dos alertas de desmatamentos para o bioma Cerrado no período de 2002 a 2009, com vistas ao entendimento dos processos de transformação em curso neste bioma. Para tanto, foram gerados alertas de desmatamento em relação ao mapeamento-base da vegetação do Cerrado (2002), tendo por base imagens do sensor MODIS (MOD13Q1). Estes alertas foram validados através de imagens Landsat - TM e CBERS CCD, bem como trabalhos de campo, os quais também permitiram identificar as principais fitofisionomias do Cerrado impactadas e o processo de uso da terra gerador dos desmatamentos. Através dos dados espacializados, foi possível constatar que 70% dos alertas de desmatamento no período em análise se concentraram em apenas 100 municípios e que no bioma há duas grandes frentes de expansão agropecuária, sendo uma no Oeste do estado da Bahia até o Sul do estado do Maranhão e outra no Sudeste do estado de Mato Grosso até o leste do estado de Mato Grosso do Sul. Tal expansão ocorre, principalmente, em áreas de vegetação densa e relevo plano, propícias ao avanço da agricultura mecanizada e, com menor intensidade, da pecuária extensiva. Este trabalho revelou a importância da fiscalização para a preservação ambiental a nível municipal e o potencial do monitoramento do Cerrado por sensoriamento remoto de resolução moderada.
Um tema tradicionalmente abordado pela economia refere-se aos critérios para definição do preço de terras agrícolas. No caso específico de Goiás, a discussão sobre o preço da terra assume particular importância, uma vez que é um dos fatores responsáveis pela expansão da Fronteira Agrícola, iniciada em meados da década de 1970. Tendo por base um modelo teórico-metodológico que explica a formação do preço da terra agrícola em Goiás, este trabalho analisa, a partir de métodos de Geoestatística aplicados aos vários tipos de ocupação, os padrões de distribuição espacial do preço da terra. Esta espacialização indicou elevada participação da variável "Localização" na definição do preço da terra, particularmente considerando-se a distância em relação aos principais mercados consumidores (ex. Goiânia) e agroindustriais (ex. Rio Verde) do Estado.Palavras-chave: preço da terra, fronteira agrícola, formação de preços.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.