Avaliação do desmatamento em Itaiópolis, Estado de Santa Catarina, Brasil, usando imagens RapidEye

Lucas Vincent Lopes de Barros

Resumo
Através de imagens do satélite RapidEye, disponibilizadas pelo Ministério do Meio Ambiente, efetuou-se a classificação supervisionada para avaliar o progresso do desmatamento no Município de Itaiópolis, no Estado de Santa Catarina, Brasil, entre 2011 e 2013. A classificação foi pautada em seis classes de cobertura do solo, florestas nativas, florestas exóticas, lavouras, corpos hídricos, capoeirinhas e solo exposto. Como verdades terrestres, foram utilizados casos de perícia criminal atendidos pelo Instituto Geral de Perícias de Santa Catarina (IGP-SC) no período compreendido pela série, totalizando 27 casos de apuração de danos à flora. A série temporal obtida teve acurácia global variando de 54,46% (2013) a 65,83% (2012) e coeficientes Kappa entre 0,415 e 0,520, considerados de bom desempenho. De 2011 para 2013, 23,71% da cobertura florestal nativa foi suprimida no município. As áreas correspondentes foram convertidas em lavouras ou cultivo de espécies exóticas (Pinus elliottii e Eucalyptus globulus). Conclui-se que o uso de imagens do satélite RapidEye para avaliação da progressão do desmatamento é adequado e pode ser replicado para outras regiões.

Palavras-chave
Classificação supervisionada de imagens; Desmatamento; Perícias criminais ambientais.

Abstract
Assessment of deforestation in Itaiopolis, Santa Catarina State, Brazil, using RapidEye images. Using images from the RapidEye satellite, provided by the Brazilian Ministry of the Environment, a supervised classification was carried out to evaluate the progress of deforestation in the Municipality of Itaiópolis, in the State of Santa Catarina, Brazil, between 2011 and 2013. The classification was based on six classes of soil cover: native forests, exotic forests, crops, water bodies, initial vegetation and exposed soil. As terrestrial truths, cases of environmental forensics attended by the General Institute of Forensics of Santa Catarina (IGP-SC) during the period covered by the series were used, totaling 27 cases of damage to flora. The time series obtained had global accuracy ranging from 54.46% (2013) to 65.83% (2012) and Kappa coefficients between 0.415 and 0.520, considered to be of good performance. From 2011 to 2013, 23.71% of the native forest cover was eliminated in the municipality. The corresponding areas were converted into crops or cultivation of exotics (Pinus elliottii and Eucalyptus globulus). It is concluded that the use of images from the RapidEye satellite to assess the progress of deforestation is adequate and can be replicated to other regions.

Keywords
Supervised image classification; Deflorestation; Environmental forensics.

DOI
10.21438/rbgas(2021)081923

Texto completo
PDF

Referências
Baldassini, P.; Paruelo, J. M. Deforestation and current management practices reduce soil organic carbon in the semi-arid Chaco, Argentina. Agricultural Systems, v. 178, 102749, 2020. https://doi.org/10.1016/j.agsy.2019.102749<

Black Bridge. Imágenes satelitales: Especificaciones Técnicas. Berlim: Black Bridge, 2015.

Brasil. Lei n^o 9.605, de 12 de fevereiro de 1998. Dispõe sobre as sanções penais e administrativas derivadas de condutas e atividades lesivas ao meio ambiente, e dá outras providôncias. Disponível <http://www.planalto.gov.br/ccivil_03/leis/l9605.htm>. Acesso em: 13 nov. 2020.

Congedo, L. Semi-automatic classification plugin documentation. Release 4.8.0.1. 29 out. 2015. Disponível em: <https://buildmedia.readthedocs.org/media/pdf/semiautomaticclassificationmanual-v4/latest/semiautomaticclassificationmanual-v4.pdf>. Acesso em: 13 nov. 2020.

Foley, J. A.; Asner, G. P.; Costa, M. H.; Coe, M. T.; DeFries, R.; Gibbs, H. K.; Howard, E. A.; Olson, S.; Patz, J.; Ramankutty, N.; Snyder, P. Amazonia revealed: Forest degradation and loss of ecosystem goods and services in the Amazon Basin. Frontiers in Ecology and Environment, v. 5, n. 1, p. 25-32, 2007. https://doi.org/10.1890/1540-9295(2007)5[25:ARFDAL]2.0.CO;2

Galvão, L. S.; Breunig, F. M.; Santos, J. R.; Teles, T. S.; Gaida, W.; Moura, Y. M. Uso de imagens RapidEye no estudo das variações sazonais de índices de vegetação no Parque Estadual do Turvo (PET). Anais do Simpósio Brasileiro de Sensoriamento Remoto, João Pessoa, p. 1145-1152, 2015.

Jensen, J. R.; Epiphanio, J. C. N. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, 2009.

Landis, R.; Koch, G. G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n. 1, p. 159-174, 1977. https://doi.org/10.2307/2529310

MMA - Ministério do Meio Ambiente. Geocatálogo. 2020. Disponível em: <http://geocatalogo.mma.gov.br/index.jsp>. Acesso em: 13 nov. 2020.

Santa Catarina. Constituição do Estado de Santa Catarina de 1989. Disponível em: <http://leis.alesc.sc.gov.br/html/constituicao_estadual_1989.html>. Acesso em: 13 nov. 2020.

Silva, L. R.; Sano, E. E. Análise das imagens do satélite RapidEye para discriminação da cobertura vegetal do bioma Cerrado. Revista Brasileira de Cartografia, v. 68, n. 7, p. 1269-1283, 2016.

Smith, P.; House, J. I.; Bustamante, M.; Sobocká, J.; Harper, R.; Pan, G.; West, P. C.; Clark, J. M.; Adhya, T.; Rumpel, C.; Paustian, K.; Kuikman, P.; Cotrufo, M. F.; Elliott, J. A.; McDowell, R.; Griffiths, R. I.; Asakawa, S.; Bondeau, A.; Jain, A. K.; Meersmans, J.; Pugh, T. A. M. Global change pressures on soils from land use and management. Global Change Biology, v. 22, n. 3, p. 1008-1028, 2016. https://doi.org/10.1111/gcb.13068

SOS Mata Atlântica. Atlas dos remanescentes florestais da Mata Atlântica. São Paulo: Fundação SOS Mata Atlântica, 2014.

Wanderley, R. L. N.; Domingues, L. M.; Joly, C. A.; Rocha, H. R. Relationship between land surface temperature and fraction of anthropized area in the Atlantic Forest Region, Brazil. PLoS ONE, v. 14, n. 12, e0225443, 2019. https://doi.org/10.1371/journal.pone.0225443

Zeraatpisheh, M.; Bakhshandeh, E.; Hosseini, M.; Alavi, S. M. Assessing the effects of deforestation and intensive agriculture on the soil quality through digital soil mapping. Geoderma, v. 363, p. 114-139, 2020. https://doi.org/10.1016/j.geoderma.2019.114139


 

ISSN 2359-1412