Mapeamento do incremento de cobertura florestal no estado do Espírito Santo utilizando dados multisensores e aprendizado de máquina

Abstract

Estudos apontam que a Mata Atlântica está passando por uma fase conhecida como Transição Florestal. Isso significa que há uma tendência de incremento da área florestal após um longo período de desmatamento. Entretanto, é relevante determinar se esse ganho de floresta intercorre em virtude da regeneração florestal (floresta nativa) ou devido à plantação de monoculturas com finalidade comercial, em especial o eucalipto (floresta plantada). O objetivo deste trabalho é mapear a regeneração da cobertura florestal nativa do estado do Espírito Santo durante o período de 1985 a 2017. Para isso, o estudo foi dividido em dois experimentos. O primeiro experimento realizou testes de classificação para saber quais bandas ou dados são mais úteis na separação de floresta plantada/nativa com dados de sensoriamento remoto. O segundo experimento utilizou esses resultados para classificar a máscara do LandTrendr, algoritmo utilizado para detecção de áreas de incremento florestal. Para os testes de classificação do Experimento I, foram definidas quatro classes temáticas: floresta natural (FN), floresta de eucalipto plantada (FP), agricultura (A) e pastagem (P). Um total de 410.251 pixels foram extraídos de 100 polígonos de cada classe. As rotinas de classificação foram realizadas usando o algoritmo Random Forest e imagens do Landsat-8, Sentinel-1 e SRTM. Quatro características de textura (energia, contraste, correlação e entropia) e o NDVI também foram considerados. O desempenho da classificação foi avaliado com as métricas F-score e Kappa, enquanto a separabilidade espectral foi medida pela distância de Jeffries-Matusita (JM). Para os ensaios do Experimento II, foi gerada uma Máscara de Classificação, resultado da interseção entre uma camada de pixels com NDVI variando de 0,2 a 0,5 com uma segunda camada de pixels produzidos pelo algoritmo LandTrendr. Os resultados do Experimento I mostram que a combinação das bandas Landsat-8 e Sentinel-1 apresentou o melhor resultado, obtendo um valor Kappa de 0,854. Essa combinação de bandas também melhorou o F-score de FN, FP, P e A em 2,22%, 2,9%, 3,71% e 8,01%, respectivamente. Essa melhora é corroborada pelo aumento da separabilidade espectral, observada principalmente entre FN - FP (11,98%) e A - P (45,12%). Os resultados do Experimento II mostram que dos 479 polígonos validados, em 117 foi possível constatar áreas de regeneração. Verificou-se também, que dos polígonos onde foi comprovada a regeneração, aproximadamente 90% possuíam área inferior a 1 ha. Averiguou-se que a combinação de dados de sensoriamento remoto óptico e por RADAR aumentou a exatidão da classificação de florestas nativas e plantadas. Conclui-se ainda que a regeneração florestal, mesmo ocorrendo em pequenas áreas (< 1 ha), pode ser mapeada de forma automatizada utilizando-se imagens de média resolução espacial (pixel ≥ 30 m). Como continuidade das investigações, sugere-se o emprego de imagens de alta resolução espacial, além da utilização de outros parâmetros usados no algoritmo LandTrendr e demais classificadores.