Close
Metadata

%0 Thesis
%4 sid.inpe.br/mtc-m17@80/2007/05.18.13.11
%2 sid.inpe.br/mtc-m17@80/2007/05.18.13.11.19
%A Bispo, Polyanna da Conceição,
%T Dados geomorfométricos como subsídio ao mapeamento da vegetação
%D 2007
%E Shimabukuro, Yosio Edemir (presidente),
%E Valeriano, Márcio de Morisson (orientador),
%E Kuplich, Tatiana Mora (orientadora),
%E Rennó, Camilo Daleles,
%E Nelson, Bruce Walker,
%8 2007-03-19
%J Geomorphometric data as subsidy for vegetation mapping
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K vegetação, modelo digital de elevação, análises discriminantes, topografia, sensoriamento remoto, vegetation, digital elevation model, discriminant analysis, topography, remote sensing.
%X O presente trabalho buscou avaliar o potencial das variáveis geomorfométricas extraídas de dados SRTM (Shuttle Radar Topographic Mission) para identificação de tipos vegetacionais de quatro áreas testes que representaram alguns dos principais biomas brasileiros (Caatinga, Cerrado e Floresta Amazônica). As análises recaíram sobre planos de informação correspondentes às variáveis geomorfométricas e seu confronto com dados de mapeamento de vegetação existentes. Para isso foram utilizados dados SRTM e dados vegetacionais já publicados. As áreas diferiram em termos do potencial de utilização dos dados topográficos para o mapeamento da vegetação, de acordo com a variação das condições geomorfométricas e diferenciação de escala e detalhamento dos mapas de vegetação referência. As análises indicaram, em cada área de estudo, os grupos de classes que podem ser separados mais facilmente em contraste a outros grupos que ocorrem sob mesmas condições topográficas. As variáveis mais importantes na distinção entre os tipos vegetacionais foram a elevação, a curvatura horizontal e a curvatura vertical. Apesar de os dados geomorfométricos mostrarem potencial indicativo das classes de vegetação, estas puderam ser identificadas em um nível aquém do detalhamento temático da maioria dos mapas em função da co-ocorrência de classes com semelhantes estruturas vegetacionais. Assim, com base nas análises discriminantes foi possível se mapear a vegetação experimentalmente até o nível de subfisionomias. Os melhores resultados encontrados foram para a RPPNSA e para o PNCA, sendo bem mapeadas também as subfisionomias deste último. O PNB apresentou o pior resultado no nível de fitofisionomia, enquanto as subfisionomias testadas apresentaram resultados satisfatórios. Assim o procedimento empregado partindo-se das análises discriminantes com variáveis geomorfométricas pode subsidiar o mapeamento da vegetação. ABSTRACT: The potentials of geomorphometric variables derived from SRTM (Shuttle Radar Topographic Mission) for the mapping of vegetation types were investigated. Four published vegetation maps for study areas inside three Brazilian biomes (Amazonian forest, Savanna and Steppe) served as reference for testing the discriminatory potential of the geomorphometric variables. The study sites differed in the feasibility of applying topographic data to vegetation mapping according to the variation of geomorphometric conditions and vegetation reference mapping scale and detail level. The analysis indicated the vegetation class groups prone to classification in contrast to groups occurring in similar topographic conditions. The variables that presented strongest relationships with the vegetation classes were elevation, horizontal and vertical curvature. Although geomorphometric data had shown potential for discriminating vegetation classes, the achieved classification could not reach the thematic detail level of the reference maps due to co-occurrence of classes with similar vegetational structures. Based on discriminant analysis, it was possible to experimentally map to the sub-phytophysiognomic level. The best results were found for the RPPNSA and PNCA sites, and the sub-physiognomies of the latter. PNB site showed the worst results at the phytophysiognomy level, while its tested sub-physiognomies performed satisfactorily. It was found that discriminant analysis of geomorphometric data could subsidy vegetation mapping.
%P 128
%@language pt
%9 Dissertação (Mestrado em Sensoriamento Remoto)
%3 publicacao.pdf


Close