Classificação de Espécies de Mangue no Nordeste do Brasil com Base em Imagens Híbridas de Sensoriamento Remoto
DOI:
https://doi.org/10.11137/2017_1_135_149Palavras-chave:
LANDSAT-8, RADARSAT-2, mangue, condições estruturaisResumo
As imagens de satélites têm sido utilizadas para mapear, monitorar e quantificar a qualidade dos recursos naturais. O mapeamento detalhado da vegetação de mangue é uma demanda crescente por se tratar de um importante instrumento de gestão, manutenção e conhecimento do ecossistema manguezal frente às modificações provocadas pelas atuações antrópicas e/ou naturais. Este trabalho combinou dados multiespectrais da região do visível e infravermelho do satélite LANDSAT-8 com imagem da faixa espectral das micro-ondas do satélite RADARSAT-2 na segmentação e classificação de manguezais no Rio Grande do Norte, Nordeste do Brasil. A composição híbrida entre o sistema óptico e de micro-ondas mostraram excelente desempenho na identificação desta unidade geoambiental e permitiram maior realce das propriedades estruturais e florísticas das espécies de mangue. Os resultados permitiram delimitar a área geral de ocupação dos manguezais em aproximadamente 5.538 ha e revelaram a ocorrência de quatro principais condições estruturais de espécies: Rhizophora mangle (porte alto e adensamento convencional), Rhizophora mangle (porte baixo e adensado), Avicennia schaueriana e regiões de espécies mistas. R. mangle é a espécie de mangue mais abundante na área estudada, ocupando área de aproximadamente 3.513 ha, cerca de 63% de todo o manguezal da área estudada. Regiões mistas de espécies ocupam área de 1.142 ha, representando 21% do total. A. schaueriana ocupa área de 882 ha, cerca de 16% do total. Os resultados ainda mostraram que a diferença na reflectância das áreas de mangue ocupadas pelas espécies ocorrentes não se dá apenas influenciada pelo teor de clorofila das espécies, pela prevalecente condição ambiental, do solo e da água de fundo, mas principalmente pelo espaçamento das copas e densidade do dossel para cada espécie ocorrente. Este estudo buscou atender às expectativas de maior eficiência em levantamentos espaço-temporais com alta acurácia para o monitoramento da qualidade dos ecossistemas manguezais, altamente sensíveis às alterações ambientais e como subsídio à sua preservação.
Referências
Alongi, D.M. 2002. Present state and future of the world's mangrove forests. Environmental Conservation, 29(3): 331-349.
Aschbacher, J.; Tiangco, P.; Giri, C. P.; Ofren, R.S.; Paudyal, D.R. & Ang, Y.K. 1995. Comparison of different sensors and analysis techniques for tropical mangrove forest mapping. Proceedings of the International Conference IGARSS, p. 2109-2111.
Badola, R. & Hussain, S.A. 2005. Valuing ecosystem functions: an empirical study on the storm protection function of Bhitarkanika mangrove ecosystem, India. Environmental Conservation, 32(1): 85-92.
Barbier, E.B. 2006. Natural barriers to natural disasters: replanting mangroves after the tsunami. Frontiers in Ecology and the Environment, 4: 124-131.
Barbier, E.B.; Hacker, S.D.; Kennedy, C.; Koch, E.W.; Stier, A.C. & Silliman, B.R. 2011. The value of estuarine and coastal ecosystem services. Ecological Society of America, 81(2): 169-193.
Barros Pereira, B.R.; Amaro, V.E. & Valentim da Silva, D.J. 2011. Radar and optical hybrid images to improve geoenvironmental mapping in Rio Grande do Norte state, Brazil. WIT Transactions on Ecology and the Environment, 149: 111-122.
Blanco, P.D.; Metternicht, G.I. & Del Valle, H. F. 2009. Improving the discrimination of vegetation and landform patterns in sandy rangelands: a synergistic approach. International Journal of Remote Sensing, 10: 2579-2605.
Camargo, L.P.; Pellerin, J.R.G.M. & Panitz, I.M.N. 2000. Caracterização e classificação do manguezal do Rio Ratones, através de técnicas de sensoriamento remoto e do sistema geográfico de informações (SIG), Ilha de Santa Catarina, Brasil. International Conference Mangrove, Recife/PE. Anais, p. 1521-1530.
Chaves, M.S.; Vital, H.; Silveira, I.M. & Santos, D.A.S. 2006. Beach Morphodynamics of the Serra Oil Field (NE, Brazil). Journal of Coastal Research, 39: 594-597.
Chuvieco, E.; Riaño, D.; Aguado I. & Cocero D. 2002b. Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data: Applications in fire danger assessment. International Journal of Remote Sensing, 23(11): 2145 -- 2162.
Congalton R.G. 1991. A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment, 37: 35-46.
Costa B.C.P. & Amaro V.E. 2012. Identificação Fitofisionômica Através de Imagens Orbitais Híbridas do LANDSAT 5-TM e do RADARSAT-1 em Manguezais do Litoral Setentrional do Rio Grande do Norte. Revista de Geologia, 25: 115-127.
Dahdouh-Guebas, F. 2002. The use of remote sensing and GIS in the sustainable management of tropical coastal ecosystems. Environment, Development and Sustainability, 4: 93-112.
Everitt, J.H.; Yang, C.; Sriharan, S. & Judd, F.W. 2008. Using high resolution satellite imagery to map black mangrove on the Texas Gulf Coast. Journal of Coastal Research, 24: 1582-1586.
Ferreira, A. T. S.; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia Aplicada na Integração de Dados Topográficos e Batimétricos na Caracterização de Superfícies de Praia. RBC. Revista Brasileira de Cartografia, 66: 167-184.
Fonseca, L.M.G. 2000. Processamento digital de imagens. Instituto Nacional de Pesquisas Espaciais (INPE), 105 p.
Franco, C.G.M.; Amaro, V.E. & Souto, M.V.S. 2012. Prognóstico da erosão costeira no litoral sententrional no Rio Grande do Norte para os anos de 2020, 2030 e 2040. Revista de Geologia, 25: 37-37.
Giri, C. & Muhlhausen, J. 2008. Mangrove forest distributions and dynamics in Madagascar (1975-2005). Sensors, 8: 2104-2117.
Giri, C.; Ochieng, E; Tieszen, L.L.; Zhu, Z.; Singh, A.; Loveland, T.; Masek, J. & Duke, N. 2011. Status and distribution of mangrove forests of the world using earth observation satellite data. Global Ecology and Biogeography, 20: 154-159.
Giri, C.; Pengra, B.; Zhu, Z.; Singh, A. & Tieszen, L.L. 2007. Monitoring Mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from (1973 to 2000). Estuarine, Coastal and Shelf Science, 73: 91-100.
Gonçalves, F.D.;Souza Filho, P.W.; Paradella, W.R. & Miranda, F.P. 2009. Fusão de Dados Multisensor para a Identificação e o Mapeamento de Ambientes Flúvio-Estuarinos da Amazônia. Revista Brasileira de Geofísica, 27(1): 57-67.
Gowda, H.H.; Ganesha RAJ, K.; Padmavathy, A.S. & Manikian, B. 1995. Multidate satellite data for study of dynamic of coastal landforms of Uttara Kannada, South India. International Journal of Remote Sensing, 16: 2539-2553.
Grigio, A.M.; Souto, M.V.S.; Castro, A.F.; Amaro, V.E.; Vital, H. & Diodato, M.A. 2005. Method of analysis of the coastline evolution based in remote sensing and geographical information system products: Guamaré District Rio Grande do Norte - Northeast of Brazil. Journal of Coastal Research, 42: 412- 421.
Hamilton, L.S. & Murphy, D.H. 1988. Use and management of nipa palm (Nypa fruticans, Arecaeae): a review. Economic Botany, 42(2): 206-213.
Huang, H.; Legarsky, J. & Othman, M. 2007. Land-cover classification using RADARSAT and LANDSAT imagery for St. Louis, Missouri. Photogrammetric Engineering & Remote Sensing, 73(1): 37-43.
Kampel, M.; Amaral, S. & Soares, M.L.G. 2005. Imagens CCD/CBERS e TM/LANDSAT para análise multi-temporal de manguezais no nordeste brasileiro. Um estudo no litoral do Estado do Ceará. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO (SBSR), v 12, Goiânia. Anais, São José dos Campos/SP: INPE, p. 979- 986.
Kuenzer, C.; Bluemel, A.; Gebhardt, S.; Quoc, T.V. & Dech, S. 2011. Remote sensing of mangrove ecosystems: A review. Remote Sensing, 3(5): 878-928.
Mc Feeters, S.K. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 7: 1425-1432.
Mochel, F.R. & Ponzoni, F.J. 2007. Spectral characterization of mangrove leaves in the Brazilian Amazonian Coast: Turiaçu Bay, Maranhão State. Anais da Academia Brasileira de Ciências, 79 (4): 683-692.
Nascimento, M.C. 2009. A erosão costeira e sua influência sobre a atividade petrolífera: alternativas sustentáveis na mitigação de impactos ambientais. Dissertação de Mestrado (Mestrado em Geodinâmica e Geofísica). Departamento de Geologia, Programa de Pós- Graduação em Geodinâmica e Geofísica da UFRN, Natal. Dissertação de Mestrado, 229p.
Prost, M.T. 2001. Manguezais paraenses: recursos naturais, usos sociais e indicadores para a sustentabilidade. Relatório Final, FUNTEC Convênio 063/98 Belém/PA: CCTE/MPEG, p. 62.
Ramsey III, E.W.; Nelson, G.A. & Sapkota, S.K. 1998. Classifying coastal resources by integrating optical and radar imagery and color infrared photography. Mangroves and Salt Marshes, 2: 109-119.
Salem, M.E. & Mercer, D.E. 2012. The Economic Value of Mangroves: A Meta-Analysis. Sustainability, 4: 359-383.
Santos, A.L.S. ; Amaro, V.E. & Santos, M.S.T. 2014. Geodésia de precisão aplicada à análise da evolução morfodinâmica de curto prazo na Ilha Barreira do Corta Cachorro, litoral do Rio Grande do Norte, Nordeste do Brasil. Revista Brasileira de Geomorfologia, 15: 425-442.
Santos, M.S.T. & Amaro, V.E. 2013. Dinâmica sazonal de processos costeiros e estuarinos em sistema de praias arenosas e ilhas barreira no Nordeste do Brasil. Revista Brasileira de Geomorfologia, 14: 151-162.
Seto, K.C. & Fragkias, M. 2007. Mangrove conversion and aquaculture development in Vietnam: A remote sensing-based approach for evaluating the Ramsar Convention on Wetlands. Global Environmental Change, 17: 486-500.
Souto, M.V.S. 2009. Análise da Evolução Costeira do Litoral Setentrional do Estado do Rio Grande do Norte, Região Sob Influência da Indústria Petrolífera. Tese (Doutorado em Geofísica e Geodinâmica). Programa de Pós-graduação de Geofísica e Geodinâmica, Universidade Federal do Rio Grande do Norte, Natal-RN. Tese de Doutorado, 117-118p.
Souza Filho, P.W.M. 2005. Costa de manguezais de macromaré da Amazônia: cenários morfológicos, mapeamento e quantificação de áreas usando dados de sensores remotos. Revista Brasileira de Geofísica, 4: 427-435.
Souza Filho, P.W.M. & Paradella, W.R. 2002. Recognition of the main geobotanical features along the Bragança mangrove coast (Brazilian Amazon) fron Landsat TM and RADARSAT-1 data. Wetlands Ecology and Management, 10: 123-132.
Souza Filho, P.W.M. & Paradella, W.R. 2005. Use of RADARSAT-1 fine mode and LANDSAT-5 TM selective principal component analysis for geomorphological mapping in a macrotidal mangrove coast in the Amazon Region. Canadian Journal of Remote Sensing, 31 (3): 214-224.
UNEP-WCMC. 2006. In the front line: shoreline protection and other ecosystem services from mangroves and coral reefs. Cambridge, UK: UNEP-WCMC, p. 33.
Vaiphasa, C.; Skidmore, A.K. & De Boer, W.F. 2006. A post-classifier for mangrove mapping using ecological data. ISPRS Journal of Photogrammetry and Remote Sensing, 61: 1-10.
Valiela, I.,J.L. Bowen & York J.K., 2001. Mangrove Forests: One of the world threatened major tropical environments. BioScience, 51 (10): 807-815.
Wang, L. & Sousa, W.P. 2009. Distinguishing mangrove species with laboratory measurements of hyperspectral leaf reflectance. International Journal of Remote Sensing, 30: 1267-1281.
Downloads
Publicado
Edição
Seção
Licença
Os artigos publicados nesta revista se encontram sob a llicença Creative Commons — Atribuição 4.0 Internacional — CC BY 4.0, que permite o uso, distribuição e reprodução em qualquer meio, contanto que o trabalho original seja devidamente citado.
Exceto onde indicado de outra forma, o conteúdo deste site é licenciado sob uma licença 