Banca de DEFESA: IAGO MENDES DE OLIVEIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: IAGO MENDES DE OLIVEIRA
DATA: 29/06/2022
HORA: 14:00
LOCAL: Defesa remota via Google Meet
TÍTULO:

MAPEAMENTO DA BIOMASSA ACIMA DO SOLO NA BACIA DO RIO GRANDE UTILIZANDO DADOS DE SENSORIAMENTO REMOTO E APRENDIZADO DE MÁQUINA

PALAVRAS-CHAVES:

Biomassa acima do solo, Rio Grande, Sensoriamento remoto

PÁGINAS: 55
GRANDE ÁREA: Ciências Agrárias
ÁREA: Recursos Florestais e Engenharia Florestal
RESUMO:

A biomassa acima do solo (BAS) é um dos reservatórios de carbono mais dinâmicos do ecossistema terrestre, mas pouco se sabe sobre sua distribuição espacial. Atualmente, os métodos mais precisos para a quantificação da BAS são caros, demorados e limitados à pequenas áreas. Neste cenário, o sensoriamento remoto (SR) aparece como uma ferramenta promissora, fornecendo cobertura espacial e temporal suficiente para o monitoramento contínuo e de baixo custo da BAS em grandes áreas. O objetivo deste trabalho foi realizar o mapeamento da BAS na bacia do Rio Grande, Minas Gerais, a partir de dados multisensores de SR, como informações das bandas B2-5 (reflectância de superfície) e B10 (temperatura de superfície) dos sensores OLI e TIRS do satélite Landsat 8 (L8), dados de radar de abertura sintética (SAR) do Sentinel-1A (S1) e dados do modelo digital de elevação SRTM. Nós também utilizamos dados derivados destes, como cinco índices de vegetação (NDVI, SAVI, DVI, ARVI e EVI) e 18 medidas de textura derivadas da matriz de coocorrência de níveis de cinza (GLCM), usando uma janela de 3x3 pixels. Para realizar a modelagem e o mapeamento da BAS, foi utilizado o algoritmo de aprendizado de máquina Random Forest (RF). Utilizou-se o método de validação cruzada aninhada (VCA) e a métrica Root Mean Square Error (RMSE) para medir o desempenho do modelo, que apresentou o valor de 48,79 Mg.ha-1 (44,22%). A otimização dos hiperparâmetros mtry (22), sample.fraction (0,22) e min.node.size (10) foi realizada utilizando o método da busca aleatória. Os resultados encontrados reforçaram a importância do uso de dados de diferentes sensores e domínios (espectral e espacial) na modelagem da BAS. O índice de vegetação ARVI foi a variável mais importante para o modelo. No entanto, a variável não conseguiu captar a alteração da BAS em áreas de vegetação mais densa, com valores de BAS próximos a 114 Mg.ha-1. A elevação e as medidas de textura dissimilarity e sum entropy, associadas à polarização VH (S1) e ao índice de vegetação DVI (L8), foram essenciais para mitigar o efeito da saturação dos dados.

MEMBROS DA BANCA:
Externo ao Programa - SERGIO HENRIQUE GODINHO SILVA - DCS/ESAL (Suplente)
Interno - MARCELA DE CASTRO NUNES SANTOS TERRA - UFLA (Membro)
Externo à Instituição - INACIO THOMAZ BUENO - UFLA (Membro)
Presidente - FAUSTO WEIMAR ACERBI JUNIOR (Membro)