Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/35905
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | MENEZES, Rômulo Simões Cezar | - |
dc.contributor.author | NASCIMENTO, Diego Marcelino do | - |
dc.date.accessioned | 2020-01-06T19:04:48Z | - |
dc.date.available | 2020-01-06T19:04:48Z | - |
dc.date.issued | 2019-08-08 | - |
dc.identifier.citation | NASCIMENTO, Diego Marcelino do. Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano. 2019. Tese (Doutorado em Tecnologias Energéticas e Nucleares) – Universidade Federal de Pernambuco, Recife, 2019. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/35905 | - |
dc.description.abstract | A estimativa da biomassa representa um desafio em áreas de difícil acesso ou em grandes extensões. É evidente a necessidade de estudos capazes de descrever a variabilidade natural e os impactos causados por mudanças no uso da terra. No entanto, a contabilização da biomassa em detalhe dentro de uma região altamente variável requer uma grande quantidade de dados que devem ser processados com agilidade. Para isso, é necessário sistematizar dados sobre as variáveis resposta e contabilizar dos saldos ao longo do tempo e gerar dados espacialmente explícitos sobre o uso da terra e suas mudanças. Os dados disponíveis não permitem estimativas sólidas a respeito da biomassa nesses ecossistemas e dificultam as estimativas ao longo do tempo na região semiárido de Pernambuco. Portanto, foi desenvolvido um sistema de estimativa de biomassa vegetal através de sensores remotos para a região semiárida pernambucana. Foram criados modelos de estimativas de biomassa através de análise de regressão linear múltipla usando dados de campo (variável dependente) e índices de vegetação e bandas isoladas das imagens (variável independentes) do sensor OLI do satélite Landsat 8. Os modelos tiveram até quatro variáveis independentes e foram aplicados em três diferentes usos da terra (caatinga densa, caatinga aberta e pastagem). Foi desenvolvido uma rotina para o processamento em nuvem, usando a plataforma Google Earth Engine, para a estimativa de biomassa usando os modelos mais ajustados para os diferentes usos da terra em toda região semiárida pernambucana no ano de 2017. Os índices CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI e as bandas 2 e 5 foram os melhores preditores para a criação das estimativas de biomassa total em caatinga aberta, caatinga densa e pastagem. Os modelos para estimativa de biomassa total nos três diferentes usos da terra formam significativos e tiveram boa aderência aos dados coletados em campo. A estimativa da biomassa nas áreas de caatinga densa teve valor médio de 32,60 Mg ha⁻¹ e desvio padrão de 9,3 Mg ha⁻¹; caatinga aberta teve média de 11,45 Mg ha⁻¹ e desvio padrão (19,63 Mg ha⁻¹) e as áreas de pastagens tiveram a biomassa média estimada em 4,18 Mg ha⁻¹ e desvio padrão de 2,23 Mg ha⁻¹. Todo processamento foi aplicado em plataforma de computação de alto desempenho que forneceu estimativas de forma rápida, confiável e dinâmica, no tempo e espaço geográfico. | pt_BR |
dc.description.sponsorship | CAPES | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia de energia | pt_BR |
dc.subject | Fitomassa | pt_BR |
dc.subject | Javascript | pt_BR |
dc.subject | Sensoriamento remoto | pt_BR |
dc.subject | Landsat 8 | pt_BR |
dc.title | Desenvolvimento de um sistema de estimativa de biomassa vegetal através de sensores remotos para o semiárido pernambucano | pt_BR |
dc.type | doctoralThesis | pt_BR |
dc.contributor.advisor-co | SALES, Aldo Torres | - |
dc.contributor.authorLattes | http://lattes.cnpq.br/9611122921962144 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | doutorado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/7765730420070015 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear | pt_BR |
dc.description.abstractx | Estimating biomass poses a challenge in hard-to-reach areas or large areas. The need for studies capable of describing the natural variability and impacts caused by changes in land use is evident. However, detailed biomass accounting within a highly variable region requires a large amount of data to be processed with agility. This requires systematizing data on response variables and accounting for balances over time and generating spatially explicit data on land use and its changes. The available data do not allow solid estimates of biomass in these ecosystems and make it difficult to estimate over time in the semi-arid region of Pernambuco. Therefore, a plant biomass estimation system was developed through remote sensors for the semiarid region of Pernambuco. Biomass estimation models were created through multiple linear regression analysis using field data (dependent variable) and vegetation indices and isolated bands of the Landsat 8 satellite OLI sensor images. The models had up to four independent variables. and were applied in three different land uses (dense caatinga, open caatinga and pasture). A routine for cloud processing using the Google Earth Engine platform was developed to estimate biomass using the most appropriate models for different land uses in the whole semiarid region of Pernambuco in 2017. The CVI, EVI, GLI, MSAVI, MTVI2, TVIb, VARI indices and bands 2 and 5 were the best predictors for the creation of total biomass estimates in open caatinga, dense caatinga and pasture. The models for estimating total biomass in the three different land uses are significant and have good adherence to field data. The biomass estimated in the dense caatinga areas had an average value of 32.60 Mg ha⁻¹ and a standard deviation of 9.3 Mg ha⁻¹; open caatinga had an average of 11.45 Mg ha⁻¹ and standard deviation (19.63 Mg ha⁻¹) and pasture areas had an estimated average biomass of 4.18 Mg ha⁻¹ and standard deviation of 2.23 Mg ha⁻¹. All processing was applied to a high-performance computing platform that provided fast, reliable and dynamic estimates of time and geographic space. | pt_BR |
dc.contributor.advisor-coLattes | http://lattes.cnpq.br/9563136339839657 | pt_BR |
Aparece nas coleções: | Teses de Doutorado - Tecnologias Energéticas e Nucleares |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TESE Diego Marcelino do Nascimento.pdf | 1,96 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons