Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 22132
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Dimensões Ambientais: ODS15 |
| Setor | Departamento de Engenharia Florestal |
| Bolsa | CAPES |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CAPES |
| Primeiro autor | Igor Magalhães de Oliveira |
| Orientador | ALEXANDRE SIMOES LORENZON |
| Outros membros | ERNANI LOPES POSSATO, Rodrigo Vieira Leita |
| Título | Análise das fitofisionomias amazônicas utilizando dados LiDAR do GEDI e SAR do Sentinel-1 |
| Resumo | Diante das crescentes pressões antrópicas e dos impactos associados às mudanças climáticas, a caracterização das distintas fitofisionomias amazônicas são fundamentais para embasar estratégias de conservação, manejo florestal sustentável e iniciativas voltadas à valorização dos serviços ecossistêmicos, como os projetos de carbono. No entanto, a vasta extensão do bioma amazônico e às dificuldades logísticas de acesso representam um desafio para a realização do estudo em larga escala. Como alternativa, destaca-se o uso de ferramentas de sensoriamento remoto, que permitem a coleta de dados em áreas extensas e de difícil acesso, de forma eficiente e com menor custo operacional. Assim, este estudo avaliou a aplicabilidade dos sensores orbitais dos programas Global Ecosystem Dynamics Investigation (GEDI) e Sentinel-1 (Synthetic Aperture Radar – SAR) na discriminação das principais formações vegetais da Amazônia brasileira, considerando o desempenho individual de cada sensor e a influência da sazonalidade. Foram utilizados dados de percentis de altura, densidade de dossel e índice de área foliar do GEDI, bem como coeficientes de retroespalhamento e parâmetros polarimétricos do Sentinel-1. A amostragem foi realizada em células de 1 km², distribuídas por todo o bioma e abrangendo as nove fitofisionomias descritas pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Para avaliar a acurácia dos sensores, foram aplicados modelos de aprendizagem de máquina supervisionada (Random Forest, Support Vector Machine - SVM, Extreme Gradient Boosting - XGBoost e K-Nearest Neighbors - KNN) e não supervisionada (K-means, DBSCAN e Gaussian Mixture Models - GMM). O Sentinel-1 apresentou o melhor desempenho, com o Random Forest alcançando acurácia global de 85,6%, F1-Score de 0,8540 e índice de concordância de Cohen (Kappa) de 0,8376. O GEDI, embora com resultados inferiores (acurácia global de 69%; F1-Score de 0,6662; Kappa de 0,6161), destacou-se pela contribuição de métricas verticais que enriquecem a análise estrutural da vegetação. A classificação não supervisionada com K-means apresentou melhor desempenho para o Sentinel-1 (F1-Score de 0,521) em comparação ao GEDI (F1-Score de 0,307). Dados coletados no período seco (inverno amazônico) resultaram em classificações ligeiramente melhores em relação ao período chuvoso, sugerindo influência da sazonalidade na resposta dos sensores. Conclui-se que o Sentinel-1 é mais eficiente na discriminação das diferentes fitofisionomias amazônicas, especialmente quando aliado a algoritmos robustos de classificação. Os resultados reforçam o potencial do sensoriamento remoto orbital, especialmente de sensores ativos, no monitoramento da Amazônia e no suporte a ações de conservação, manejo sustentável e projetos de carbono. ativos para o monitoramento da Amazônia, contribuindo para ações de conservação, manejo sustentável e iniciativas de carbono. |
| Palavras-chave | Sensoriamento remoto, Uso e cobertura do solo, Aprendizagem de máquina |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|