Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/11032
Title: LOCALIZAÇÃO DE ÁREAS SUSCEPTÍVEIS À DISERTIFICAÇÃO UTILIZANDO AUTÔMATOS CELULARES EM GILBUÉS-PI
metadata.dc.creator: BARBOSA, V. L. V. S.
Keywords: Série Temporal;Modelo de Simulação Dinâmica;Sensoriamento
Issue Date: 15-Feb-2019
Publisher: Universidade Federal do Espírito Santo
Citation: BARBOSA, V. L. V. S., LOCALIZAÇÃO DE ÁREAS SUSCEPTÍVEIS À DISERTIFICAÇÃO UTILIZANDO AUTÔMATOS CELULARES EM GILBUÉS-PI
Abstract: A desertificação atinge principalmente regiões hiperáridas, áridas, semiáridas e subúmidas secas, sendo consequência da combinação de um conjunto de ações antrópicas e de mudanças climáticas. Esse processo mostra-se como um desafio global, uma vez que acomete diretamente a segurança alimentar, implica migração em massa e conflitos por recursos hídricos, instigando crises humanitárias. O objetivo deste trabalho é propor um modelo formado pela combinação entre Autômatos Celulares, Sistemas de Informação Geográfica e Sensoriamento Remoto, apropriado para projetar o avanço da desertificação em áreas vulneráveis ao fenômeno e no entorno de áreas já desertificadas. O município de Gilbués, no Piauí, foi escolhido como área de estudo para teste do método, este local apresenta uma dinâmica acelerada de degradação e ser a maior área em processo de desertificação do Brasil. Para a elaboração do mapa de localização foram utilizados dados cartográficos do Instituto Brasileiro de Geografia e Estatística (IBGE). Para o uso e cobertura da terra utilizaram-se imagens de 2005 e 2010 do satélite LANDSAT 5, sensor TM, e de 2015, do LANDSAT 8, sensor OLI. Foram definidas sete classes de uso e cobertura do solo, que foram classificadas de forma supervisionada utilizando algoritmo Random Forest. As alterações de uso da terra entre os anos de 2005 e 2010 foram obtidas por meio da cadeia de Markov, assumindo uma matriz de transição estacionária. Os Autômatos Celulares utilizaram a cadeia de Markov como referência para realizar uma projeção de 2010 para 2015, adicionando a referência geográfica ao processo, que foi comparada com a verdade de campo representada pela imagem de referência real do satélite. A acurácia, tanto da classificação quanto da projeção, foi avaliada via Índice Kappa. A relação de suscetibilidade das classes de uso e cobertura do solo ao processo de desertificação foi definida por meio da mudança para a classe Duna. Já as projeções para 2020 e 2025 foram calculadas utilizando a matriz de transição de 2005 para 2010 como referência. De acordo com o valor obtido para o índice Kappa, a classificação temática foi excelente. O modelo proposto foi capaz de gerar uma predição considerada boa, mostrando que as dunas estão se expandindo para a região centro-sul do município, onde se concentra o solo exposto e a área urbana está presente. A análise dos resultados da cadeia de Markov indicou que as maiores probabilidades de transição entre as classes de uso e cobertura do solo estão relacionadas a uma classe permanecer inalterada. A projeção futura permitiu observar que a evolução das mudanças das classes está se estabilizando. As informações obtidas sobre o uso e cobertura da terra servem de subsídio para tomada de decisão de ação preventiva nas áreas em alerta. Palavras chave: Série Temporal, Modelo de Simulação Dinâmica, Sensoriamento Remoto.
URI: http://repositorio.ufes.br/handle/10/11032
Appears in Collections:PPGCF - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
tese_12825_Dissertação VANESSA 2019 - Final.pdf2.43 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.