Deteção remota na avaliação das alterações da cobertura do solo no Parque Nacional da Peneda-Gerês

Abstract

A aplicação de imagens de satélite em Deteção Remota, integrada com tecnologia de Sistemas de Informação Geográfica (SIG), tem-se mostrado fundamental na análise e caracterização da cobertura do solo e das suas alterações. O estudo de caso aqui apresentado, deteção remota na avaliação das alterações da cobertura do solo no Parque Nacional da Peneda-Gerês (PNPG), utiliza um conjunto multitemporal de imagens do satélite Landsat 8, com o objetivo de caracterizar a dinâmica das mudanças no solo, no período de 2013 a 2015. Os algoritmos de deteção de mudanças adotados neste estudo incluem a Análise de Componentes Principais (PCA), a Diferenciação do Índice de Vegetação por Diferença Normalizada (NDVI) e a Classificação de Imagens. A PCA é um método estatístico que permite compactar dados de uma série temporal, reduzindo o número de bandas de entrada. As novas bandas são chamadas de componentes principais, pertencendo ao primeiro componente a maior percentagem de variância. Os restantes componentes apresentam percentagens decrescentes da variância. O NDVI é usado para determinar a densidade da vegetação a partir da refletância diferencial das bandas do vermelho (V) e do infravermelho próximo (IV). A Diferenciação de imagens NDVI permite obter trajetórias das alterações da cobertura vegetal do solo. Classificação de Imagens é um processo de atribuição a cada píxel de uma imagem, uma determinada classe ou tema, com base no reconhecimento de padrões espetrais. O resultado desta classificação permite obter mapas temáticos com as diferentes classes da cobertura do solo. Os resultados mostraram que estes algoritmos podem ser usados com sucesso na deteção de alterações da cobertura do solo. As imagens Landsat de 30 metros de resolução espacial revelaramse adequadas para estudos em áreas naturais onde ocorram alterações da cobertura do solo. Os mapas obtidos permitem uma avaliação das alterações registadas, podendo fazer parte de uma base de dados de análise e apoio à gestão de uma área natural.

The application of satellite imagery in remote sensing, integrated with GIS technology (GIS), has proved fundamental in the analysis and characterization of land cover and its changes. The case study presented here, remote sensing in the assessment of land cover changes in the Peneda-Gerês National Park (PNPG), uses a multi-temporal set of satellite images Landsat 8, in order to characterize the dynamics of changes in the soil, from 2013 to 2015. The change detection algorithms used in this study include the Principal Component Analysis (PCA), the Normalized Difference Vegetation Index (NDVI) and its Differencing Images and also the Image Classification. PCA is a statistical method which allows to compress data in a time series, reducing the number of input bands. The new bands are called principal components, belonging to the first component the highest percentage of variance. The remaining components have decreasing percentages of variance. The NDVI is used to determine the density of vegetation from the differential reflectance bands of red (R) and near infrared (NIR). The NDVI Differencing Images, allows for trajectories of changes in ground cover. Image Classification is an allocation process each pixel of an image, a particular class or theme, based on the recognition of spectral patterns. The result of this classification, allows for thematic maps of the different classes of land cover. The results showed that the algorithms could be used successfully in the detection of soil coverage changes. Landsat images of 30 meters spatial resolution proved to be suitable for studies in natural areas where there are changes in land cover. The maps obtained allow an assessment of the tracked changes, which may be part of a database analysis and management support of a natural area.