ANÁLISE DA RECUPERAÇÃO DE UMA ÁREA DEGRADADA ATRAVÉS DE ÍNDICE DE VEGETAÇÃO
DOI:
https://doi.org/10.56238/revgeov16n5-128Palavras-chave:
Sensoriamento Remoto, Kruskal-Wallis, Mann-Kendall, NDVI, PRADAResumo
Os processos antrópicos podem muitas vezes resultar em danos ao meio ambiente, reduzindo algumas de suas propriedades como a qualidade ou capacidade produtiva dos recursos naturais. O processo de recuperação busca reabilitar uma determinada área degrada a alguma forma de utilização ambientalmente sustentável. O sensoriamento remoto é uma forma econômica de mapear áreas degradadas, e monitorar o processo de recuperação. Neste contexto o presente trabalho analisou a evolução do Projeto de Recuperação de Área Degradada ou Alterada (PRADA) do Parque Ambiental Água Limpa localizado em Campo Grande/MS. Para isso, foi realizada análise estatística de duas séries temporais de NDVI derivadas dos Satélites TERRA-ASTER e Landsat 5/8 por meio de teste não-paramétrico Kruskal-Wallis a fim de verificar se existe variação anual do NDVI, se houve variação entre período anterior e posterior à implantação do PRADA. Posteriormente, foi aplicado o teste pós-Hoc Dunn-Bonferroni para verificação da diferença pareada entre os grupos. Por fim, foi aplicado o teste de Mann-Kendall para verificar se existe tendência, se positiva ou negativa, nas séries de NDVI analisadas. Os resultados demonstraram que existe variação ao longo do tempo no NDVI de ambas as séries. Verificou-se ainda que os valores de NDVI são estatisticamente diferentes comparando-se o período anterior e posterior à implantação do PRADA. A série Landsat 5/8 apresentaram tendência positiva nos valores do NDVI evidenciando a aumento de biomassa vegetal na área de recuperação.
Downloads
Referências
ALMEIDA, D. S. D. Recuperação ambiental da Mata Atlântica. 3. ed. [s.l.] EDITUS, 2016.
BERVEGLIERI, A. et al. Analysis of trends and changes in the successional trajectories of tropical forest using the Landsat NDVI time series. Remote Sensing Applications: Society and Environment, v. 24, p. 100622, 1 nov. 2021.
BUMA, B. Evaluating the utility and seasonality of NDVI values for assessing post-disturbance recovery in a subalpine forest. Environmental Monitoring and Assessment, v. 184, n. 6, p. 3849–3860, 1 jun. 2012.
ELLIOTT, A. C.; HYNAN, L. S. A SAS® macro implementation of a multiple comparison post hoc test for a Kruskal–Wallis analysis. Computer Methods and Programs in Biomedicine, v. 102, n. 1, p. 75–80, 1 abr. 2011.
FORKEL, M. et al. Trend Change Detection in NDVI Time Series: Effects of Inter-Annual Variability and Methodology. Remote Sensing, v. 5, n. 5, p. 2113–2144, maio 2013.
GORELICK, N. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, Big Remotely Sensed Data: tools, applications and experiences. v. 202, p. 18–27, 1 dez. 2017.
KRUSKAL, W. H.; WALLIS, W. A. Use of Ranks in One-Criterion Variance Analysis. Journal of the American Statistical Association, v. 47, n. 260, p. 583–621, 1 dez. 1952.
MANCINO, G. et al. Cross-Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sensing, v. 12, n. 2, p. 291, jan. 2020.
MOHR, J. et al. Assessing the Within-Field Heterogeneity Using Rapid-Eye NDVI Time Series Data. Agriculture, v. 13, n. 5, p. 1029, maio 2023.
MONTANDON, L. M.; SMALL, E. E. The impact of soil reflectance on the quantification of the green vegetation fraction from NDVI. Remote Sensing of Environment, Remote Sensing Data Assimilation Special Issue. v. 112, n. 4, p. 1835–1845, 15 abr. 2008.
MPMS. MPMS e UEMS dão início a parceria que visa proteger os rios do Estado. Disponível em: <https://www.mpms.mp.br/noticias/2019/05/mpms-e-uems-dao-inicio-a-parceria-que-visa-proteger-os-rios-do-estado>. Acesso em: 22 dez. 2023.
PARK EMPREENDIMENTOS IMOBILIÁRIOS LTDA. PARQUE AMBIENTAL ÁGUA LIMPA: Programa de Recuperação de Áreas Degradadas. , 2016.
POMPA-GARCÍA, M. et al. NDVI Values Suggest Immediate Responses to Fire in an Uneven-Aged Mixed Forest Stand. Forests, v. 13, n. 11, p. 1901, nov. 2022.
ROUSE, J. W. et al. Monitoring vegetation systems in the Great Plains with ERTS. 1 jan. 1974. Disponível em: <https://ntrs.nasa.gov/citations/19740022614>. Acesso em: 19 nov. 2023
ROY, D. P. et al. Characterization of Landsat-7 to Landsat-8 reflective wavelength and normalized difference vegetation index continuity. Remote Sensing of Environment, Landsat 8 Science Results. v. 185, p. 57–70, 1 nov. 2016.
SANTOS, G. L. DOS et al. Natural regeneration in anthropogenic environments due to agricultural use in the cerrado, Uberaba, MG, Brazil. Bioscience Journal, v. 33, n. 1, p. 169–176, 9 fev. 2017.
SCHOLZ, F. W.; STEPHENS, M. A. K-Sample Anderson–Darling Tests. Journal of the American Statistical Association, v. 82, n. 399, p. 918–924, 1 set. 1987.
SENF, C.; MÜLLER, J.; SEIDL, R. Post-disturbance recovery of forest cover and tree height differ with management in Central Europe. Landscape Ecology, v. 34, n. 12, p. 2837–2850, 1 dez. 2019.
SILVA, L. A. Uma revisão de literatura sobre o índice de vegetação por diferença normalizada (NDVI) no monitoramento de áreas degradadas por empreendimentos minerários. Holos Environment, v. 20, n. 2, p. 198–213, 14 mar. 2020.
TÁVORA, B. E.; EGERT, R.; BELTRÃO, L. Aplicação do Índice de Vegetação por Diferenças Normalizadas na avaliação da recuperação de danos em áreas degradadas. Boletim Científico Escola Superior do Ministério Público da União, n. 35, p. 85–95, 30 dez. 2011.
VALLE JÚNIOR, R. F. DO et al. Diagnosis of degraded pastures using an improved NDVI-based remote sensing approach: An application to the Environmental Protection Area of Uberaba River Basin (Minas Gerais, Brazil). Remote Sensing Applications: Society and Environment, v. 14, p. 20–33, 1 abr. 2019.
YANG, Y. et al. Factors Affecting Long-Term Trends in Global NDVI. Forests, v. 10, n. 5, p. 372, maio 2019.
