Mapeamento da degradação ambiental no território indígena Apyterewa: aplicação do SAVI e kNN em imagens de satélite PlanetScope

Abstract

A Terra Indígena Apyterewa, situada no município de São Felix do Xingú, no estado do Pará, Brasil, tem sido submetida a degradações antropogênicas cada vez mais intensas. Neste contexto, o objetivo deste trabalho foi realizar um mapeamento de uso e cobertura na área Indígena Apyterewa, para identificar mudanças na paisagem, por meio do algoritmo classificador de imagem kNN, k-vizinho mais próximo, baseado em machine learning, e o SAVI, Soil-Adjusted Vegetation Index, num intervalo temporal entre 2018 a 2023. Como resultado, observou-se por meio do SAVI um aumento significativo no corte raso, também identificado como solo exposto após o desmatamento, de 1761,10%. Ademais, houve um expressivo crescimento na extração mineral, de 533,33%, e uma redução de 11,57% na vegetação arbórea nativa, acompanhada de um aumento de 80,11% na regeneração vegetal, o que, ao analisar as imagens RGB, indicou um incremento no corte raso. Pelo método kNN, também no período de 2018 a 2023, verificou-se um aumento de 2156,19% no corte raso e de 2390,24% na extração mineral, além de uma redução de 3,60% na vegetação arbórea nativa e uma diminuição de 33,26%, apontando para um aumento no corte raso. Devido à susceptibilidade do kNN ao overfitting, apesar do seu sucesso estatístico, ainda persistem muitos desafios na sua aplicação, como a determinação do valor de K, a escolha do vizinho mais próximo, a busca eficiente dos vizinhos e as regras de classificação, tornando o SAVI uma opção mais eficaz para o monitoramento de florestas densas. Em 2023, a área de estudo apresentou um volume de biomassa de 6468,16 m³/ha pelo método SAVI, considerando a vegetação arbórea e rasteira, enquanto o kNN registrou 8309,63 m³/ha. Em 2018, o SAVI indicou 8041,44 m³/ha, e o kNN, 8624,49 m³/ha. Quanto ao volume de degradação em 2023, o SAVI apresentou 217,36 m³/ha, e o kNN, 259,35 m³/ha. Para 2018, obteve-se 259,35 m³/ha para ambos os métodos. Sendo apenas descritivo, é de baixo custo, mas sua precisão depende da experiência e habilidade do operador, sendo a conversão dos padrões de vegetação descritos por essa classificação em índices de biomassa da vegetação lenhosa (IBVL), permitindo a utilização desses dados em equações e modelos que descrevem processos hidrológicos, erosivos, sedimentológicos, agroclimáticos e de impactos ambientais.