Floresta e Ambiente
https://floram.org/journal/floram/article/doi/10.1590/2179-8087.064013
Floresta e Ambiente
Original Article Forest Management

Detecção da Infraestrutura para Exploração Florestal em Rondônia Utilizando Dados de Sensoriamento Remoto

Detection of Logging Infrastructure in the State of Rondônia Using Remotely Sensed Data

Pinagé, Ekena Rangel; Matricardi, Eraldo Aparecido Trondoli

Downloads: 0
Views: 220

Resumo

A infraestrutura para exploração florestal é fundamental nas atividades de exploração madeireira, mas responde por grande parte dos impactos ambientais dessa atividade. O presente estudo aplicou e testou cinco técnicas de processamento digital de imagens orbitais com três resoluções espaciais distintas para a detecção de estradas e pátios florestais construídos em áreas sob manejo florestal sustentável na Floresta Nacional do Jamari, estado de Rondônia. Os resultados mostraram que o NDVI e a Análise de componentes principais apresentaram a melhor acurácia global nas resoluções espaciais de 5 e 10 metros e na de 30 metros, respectivamente. De maneira geral, a acurácia do produtor para a classe de interesse não foi alta, alcançando no máximo 39,2%, e índice Kappa de 0,38. A baixa performance das técnicas de geoprocessamento utilizadas na detecção de florestas exploradas seletivamente está relacionada às alterações ocorridas no dossel da floresta manejada, pouco perceptíveis em imagens de satélite.

Palavras-chave

sensoriamento remoto, manejo florestal sustentável, processamento digital de imagens.

Abstract

Logging lands (forest roads and log decks) are an underlying issue during selective logging activities, but they are responsible for most impacts on the forest. This study aimed to apply and assess the performance of five geoprocessing techniques on remotely sensed data using three different spatial resolutions to detect logging lands under forest management at the Jamari National Forest, state of Rondônia, Brazil. The research results showed that Normalized Difference Vegetation Index (NDVI) and Principal Components Analysis (PCA) presented the best overall accuracy using spatial resolutions of 5 and 10 meters, and 30 meters, respectively. Generally, the overall accuracy and Kappa statistics for the selectively logged forest classifications were not good (39.2% or lower, and 0.38 or lower, respectively). The low performance of the geoprocessing techniques is related to the subtle changes on the forest canopy cover under selective logging activities.

Keywords

remote sensing, sustainable forest management, digital image processing.
588e228fe710ab87018b481d floram Articles
Links & Downloads

FLORAM

Share this page
Page Sections