Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/13504
Tipo: Tese
Data do documento: 31-Mar-2020
Autor(es): DINIZ, Cesar Guerreiro
Primeiro(a) Orientador(a): SOUZA FILHO, Pedro Walfir Martins e
Título: Três décadas de mudanças na planície costeira brasileira: O status dos manguezais, da aquicultura e salicultura a partir de séries temporais Landsat e técnicas de aprendizado de máquina
Citar como: DINIZ, Cesar Guerreiro. Três décadas de mudanças na planície costeira brasileira: o status dos manguezais, da aquicultura e salicultura a partir de séries temporais Landsat e técnicas de aprendizado de máquina. Orientador: Pedro Walfir Martins e Souza Filho. 2021. 92 f. Tese (Doutorado em Geologia e Geoquímica) - Instituto de Geociências, Universidade Federal do Pará, Belém, 2021. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/13504. Acesso em:.
Resumo: Desde a década de 80, o mapeamento de uso e cobertura da terra (LULC) tornou-se uma tarefa científica comum. No entanto, a identificação sistemática e contínua de qualquer uso ou cobertura terrestre, seja em escala global ou regional, exige grande capacidade de armazenamento e processamento. Esta tese apresenta dois fluxos de processamento de dados orbitais, gerenciados por computação em nuvem para avaliar: 1) a extensão anual dos manguezais brasileiros de 1985 a 2018, em conjunto com a criação e avaliação de um novo índice espectral, o Índice Modular de Reconhecimento de Manguezais (MMRI), que foi projetado especificamente para melhor discriminar as florestas de manguezal da vegetação circundante; e 2) a situação anual da aquicultura e da salicultura nas planícies costeiras do Brasil, de 1985 a 2019. No que se refere ao item 1, a cobertura do manguezal apresentou dois períodos de ocupação distintas, 1985-1998 e 1999-2018. O primeiro período mostra uma tendência ascendente, que parece estar mais relacionada à distribuição temporalmente desigual dos dados Landsat do que à regeneração dos manguezais brasileiros. No segundo período, foi registrada uma tendência de perda de área de manguezal, atingindo até 2% das florestas de manguezal. Em uma escala regional, ~ 80% da cobertura de manguezais do Brasil está localizada na Amazônia, nos estados do Maranhão, Pará e Amapá. Em termos de persistência, ~ 75% dos manguezais brasileiros permaneceram inalterados por duas décadas ou mais, em especial na Amazônia. Já no que tange o item 2, faz-se importante lembrar que a aquicultura e a produção de sal, são dois dos mais clássicos usos da terra costeiros em todo o mundo. No Brasil não é diferente, ambos os usos compõem atividade econômica relevante na Zona Costeira Brasileira (BCZ). No entanto, a discriminação automática de tais atividades, dissociando-as de coberturas ou usos outros, igualmente relacionados a presença de água em superfície, não é uma tarefa fácil. Espectralmente falando, água é água e, a menos que apresente uma alta concentração de compostos opticamente ativos, pouco se consegue fazer para dissociar uma variedade de alvos aquosos. Nesse sentido, Redes Neurais Convolucionais (CNN) têm a vantagem de prever o rótulo de determinado pixel, fornecendo como entrada uma região/local (patches ou chips) no entorno desse pixel. Juntas, a natureza convolucional das CNN, bem como a utilização de mecanismos de segmentação semântica, fornecem ao classificador U-Net, um tipo de CNN, a capacidade de acessar o “domínio do contexto” ao em vez de apenas valores de pixel isolados. Apoiados no domínio do contexto, em detrimento ao domínio puramente espectral, os resultados obtidos nesta tese mostram que as aquiculturas/salinas ocupavam ~356 km² em 1985 e ~544 km² em 2019, refletindo uma expansão de 52% (~188 km²), um aumento de 1,5x em 35 anos de ocupação da BCZ. De 1997 a 2015, a área aquícola cresceu por um fator de ~1.7x, saltando de 349 km² para 583 km², 67% de expansão. Regionalmente, em 2019, o setor Nordeste concentra 93% das superfícies aquícolas/salineiras da BCZ, 6% situa-se no Sudeste e 1% no Sul. Curiosamente, apesar de apresentar extensas zonas costeiras e condições adequadas para o desenvolvimento de diferentes produtos aquícolas, a Amazônia não apresenta sinais relevantes de infraestrutura aquícola/salineira ao longo das 3 décadas analisadas.
Abstract: Since the 1980s, land-use and land-cover (LULC) mapping has become a common scientific task. However, the systematic and continuous identification of any terrestrial use or cover, whether on a global or regional scale, demands large storage and processing capacities. This thesis presents two cloud computing pipelines to analyze: 1) the annual status of Brazilian mangroves from 1985 to 2018, along with a new spectral index, the Modular Mangrove Recognition Index (MMRI), which has been specifically designed to better discriminate mangrove forests from the surrounding vegetation, and 2) the annual status of the aquaculture and salt-culture over the Brazilian coastal plains. The mangrove cover showed two distinct occupation periods, 1985-1998 and 1999-2018. The first period shows an upward trend, which seems to be related more to the uneven distribution of Landsat data than to the regeneration of Brazilian mangroves. In the second period, a mangrove loss trend was registered, reaching up to 2% of the mangrove forest. On a regional scale, ~80% of Brazil's mangrove cover is located in the Amazon, Maranhao, Para, Amapa states. In terms of persistence, ~75% of the Brazilian mangroves remained unchanged for two decades or more, especially in the Brazilian Amazon. As for item 2, aquaculture and salt-culture are two of the most classical coastal land-uses worldwide. It isn't different in Brazil, where both land-uses are related to relevant economic activities in the Brazilian Coastal Zone (BCZ). However, to automatically discriminate such activities from other water-related covers/uses is not an easy task. Spectrally speaking, water is water and, unless it presents a high concentration of optically active compounds, not much can be done to dissociate a variety of water-related targets. In this sense, convolutional neural networks (CNN) have the advantage of predicting a given pixel's label by providing as input a local region (named patches or chips) around that pixel. Both the convolutional nature and the semantic segmentation capability allow the U-Net classifier, a type of CNN, to access the "context domain" instead of solely isolated pixel values. Backed by the context domain, the results obtained show that the BCZ aquaculture/saline ponds occupied ~356 km² in 1985 and ~544 km² in 2019, reflecting an area expansion of 52% (~185 km²), a rise of 1.5x in 35 years. From 1997 to 2015, the saline/aquaculture area grew by a factor of ~ 1.7, jumping from 349 km2 to 583 km2, a 67% increase. In 2019, the northeast sector concentrated 93% of the coastal aquaculture/salt-culture surface, 6% in Southeast and 1% in South. Interestingly, despite presenting extensive coastal zones and suitable conditions for developing different aquaculture products, the Amazon coast shows no relevant aquaculture infrastructure sign.
Palavras-chave: Manguezais
Aquicultura
Salicultura
Zona Costeira
Aprendizado de Máquina
Random Forest
U-Net
Landsat
Séries Temporais
Mangroves
Aquaculture
Salt-culture
Coastal Zone
Machine Learning
Random Forest
Landsat
Time Series
Área de Concentração: GEOLOGIA
Linha de Pesquisa: GEOLOGIA MARINHA E COSTEIRA
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Geociências
Programa: Programa de Pós-Graduação em Geologia e Geoquímica
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Fonte: 1 CD-ROM
Aparece nas coleções:Teses em Geologia e Geoquímica (Doutorado) - PPGG/IG

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_TresDecadasMudancas.pdf17 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons