Made available in DSpace on 2016-05-17T16:51:45Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-10-30. Added 1 bitstream(s) on 2016-05-17T16:55:34Z : No. of bitstreams: 1 000864175.pdf: 6276888 bytes, checksum: 32f936dc04077cefaf6fee0b7e24dd40 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / A soja tem se destacado como um dos principais cultivos agrícolas produzidos no Brasil e no mundo. O Estado do Paraná é um grande produtor nacional tendo sua área de produção ampliada no decorrer das últimas safras. Contudo, o avanço de diversos cultivos agrícolas no Estado, ocorreu em função do recuo das áreas de vegetação nativa. As técnicas de sensoriamento remoto se destacam como uma importante ferramenta para a estimativa de dados de área semeada e também de cobertura vegetal nativa no tempo e no espaço. Neste contexto, o objetivo deste trabalho foi o de realizar a análise espaço-temporal da ocupação da soja e da subtração da vegetação nativa em municípios selecionados na região Oeste do Paraná em anos selecionados entre 1953 a 2014, por meio das técnicas de sensoriamento remoto. Para a confecção dos mapas temáticos, foram utilizadas imagens dos satélites Landsat 5, 7 e 8 além de fotografias aéreas. Para o mapeamento foi analisado o comportamento espectral da soja e da vegetação nativa, posteriormente executados os métodos de interpretação visual para as fotografias aéreas e para as imagens orbitais classificação automática seguida pela interpretação visual. Como resultado foram obtidos mapas das áreas de cobertura vegetal para os cenários selecionados. A verificação da exatidão cartográfica do mapeamento foi realizada pelo método Ginevan, que apresentou a exatidão de 95%. Os dados de área produzida de soja obtidos neste trabalho foram comparados ao levantamento oficial do Instituto Brasileiro de Geografia e Estatística (IBGE), onde na maioria dos períodos foi observada modesta diferença. De todos os dados obtidos, a vegetação nativa em 1953 ocupava mais de 92% da área de estudo enquanto no período de 2013/2014 passou a ter uma área de aproximadamente 19%. Já a soja apresentou no período de 2013/2014 o total de 56,2% da área de estudo. Estes dados sinalizam que a metodologia... / Soybeans has been highlighted as one of the main crops grown in Brazil and worldwide. The State of Paraná is a major national producer expanding its production area over the past crops. However, the advancement of different agricultural crops in the State was due to the decline in native vegetation areas. Remote sensing techniques are highlighted as an important tool for the sown area data estimation and also of native vegetation in time and space. In this context, the aim of this study was to perform space-time occupation of soybeans and subtraction of native vegetation analysis in selected counties in Paraná West region in selected years between 1953 and 2014, by means of remote sensing techniques. For the preparation of thematic maps, there were used images from Landsat 5, 7 e 8 satellites as well as aerial photographs. For the mapping conduct was analyzed the spectral behavior of soybeans and native vegetation, then performed visual interpretation methods for aerial photographs and for the satellite images automatic classification followed by visual interpretation. As a result, there were obtained maps of vegetation cover areas for selected scenarios. The verification of cartographic mapping accuracy was performed by Ginevan method, which showed 95% of accuracy. Soybeans produced area data obtained in this study were compared to the official survey of the Brazilian Institute of Geography and Statistics (IBGE), which was observed modest difference in most periods. Of all obtained data, the native vegetation in 1953 occupied more than 92% of the study area while in the 2013/2014 period now has approximately 19% of area. Meanwhile in the period of 2013/2014 soybeans introduced a total of 56.2% of the study area. These data indicate that the methodology applied in this study allowed the perception and quantification of intense decline in native vegetation due to the agricultural frontier expansion and also the current domain of the...

Orientador: Sergio dos Anjos Ferreira Pinto / Banca: Gilberto José Garcia / Banca: Antonio Marcos Machado de Oliveira / Resumo: A soja tem se destacado como um dos principais cultivos agrícolas produzidos no Brasil e no mundo. O Estado do Paraná é um grande produtor nacional tendo sua área de produção ampliada no decorrer das últimas safras. Contudo, o avanço de diversos cultivos agrícolas no Estado, ocorreu em função do recuo das áreas de vegetação nativa. As técnicas de sensoriamento remoto se destacam como uma importante ferramenta para a estimativa de dados de área semeada e também de cobertura vegetal nativa no tempo e no espaço. Neste contexto, o objetivo deste trabalho foi o de realizar a análise espaço-temporal da ocupação da soja e da subtração da vegetação nativa em municípios selecionados na região Oeste do Paraná em anos selecionados entre 1953 a 2014, por meio das técnicas de sensoriamento remoto. Para a confecção dos mapas temáticos, foram utilizadas imagens dos satélites Landsat 5, 7 e 8 além de fotografias aéreas. Para o mapeamento foi analisado o comportamento espectral da soja e da vegetação nativa, posteriormente executados os métodos de interpretação visual para as fotografias aéreas e para as imagens orbitais classificação automática seguida pela interpretação visual. Como resultado foram obtidos mapas das áreas de cobertura vegetal para os cenários selecionados. A verificação da exatidão cartográfica do mapeamento foi realizada pelo método Ginevan, que apresentou a exatidão de 95%. Os dados de área produzida de soja obtidos neste trabalho foram comparados ao levantamento oficial do Instituto Brasileiro de Geografia e Estatística (IBGE), onde na maioria dos períodos foi observada modesta diferença. De todos os dados obtidos, a vegetação nativa em 1953 ocupava mais de 92% da área de estudo enquanto no período de 2013/2014 passou a ter uma área de aproximadamente 19%. Já a soja apresentou no período de 2013/2014 o total de 56,2% da área de estudo. Estes dados sinalizam que a metodologia... / Abstract: Soybeans has been highlighted as one of the main crops grown in Brazil and worldwide. The State of Paraná is a major national producer expanding its production area over the past crops. However, the advancement of different agricultural crops in the State was due to the decline in native vegetation areas. Remote sensing techniques are highlighted as an important tool for the sown area data estimation and also of native vegetation in time and space. In this context, the aim of this study was to perform space-time occupation of soybeans and subtraction of native vegetation analysis in selected counties in Paraná West region in selected years between 1953 and 2014, by means of remote sensing techniques. For the preparation of thematic maps, there were used images from Landsat 5, 7 e 8 satellites as well as aerial photographs. For the mapping conduct was analyzed the spectral behavior of soybeans and native vegetation, then performed visual interpretation methods for aerial photographs and for the satellite images automatic classification followed by visual interpretation. As a result, there were obtained maps of vegetation cover areas for selected scenarios. The verification of cartographic mapping accuracy was performed by Ginevan method, which showed 95% of accuracy. Soybeans produced area data obtained in this study were compared to the official survey of the Brazilian Institute of Geography and Statistics (IBGE), which was observed modest difference in most periods. Of all obtained data, the native vegetation in 1953 occupied more than 92% of the study area while in the 2013/2014 period now has approximately 19% of area. Meanwhile in the period of 2013/2014 soybeans introduced a total of 56.2% of the study area. These data indicate that the methodology applied in this study allowed the perception and quantification of intense decline in native vegetation due to the agricultural frontier expansion and also the current domain of the... / Mestre

Made available in DSpace on 2014-06-11T19:31:33Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-12-02Bitstream added on 2014-06-13T20:02:19Z : No. of bitstreams: 1 celinski_tm_dr_botfca.pdf: 1773028 bytes, checksum: 4e269402cffb336eabab0615c60d49d5 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho teve por objetivo a discriminação de classes de cobertura do solo em imagens de sensoriamento remoto do satélite CBERS-2 por meio do Classificador Árvore de Decisão. O estudo incluiu a avaliação de combinações de atributos da imagem para melhor discriminação entre classes e a verificação da acurácia da metodologia proposta comparativamente ao Classificador Máxima Verossimilhança (MAXVER). A área de estudo está localizada na região dos Campos Gerais, no Estado do Paraná, que apresenta diversidade quanto aos tipos de vegetação: culturas de inverno e de verão, áreas de reflorestamento, mata natural e pastagens. Foi utilizado um conjunto de dezesseis (16) atributos a partir das imagens, composto por: bandas do sensor CCD (1, 2, 3, 4), índices de vegetação (CTVI, DVI, GEMI, NDVI, SR, SAVI, TVI), componentes de mistura (solo, sombra, vegetação) e os dois primeiros componentes principais. A acurácia da classificação foi avaliada por meio da matriz de erros de classificação e do coeficiente kappa. A coleta de amostras de verdade terrestre foi realizada utilizando-se um aparelho GPS de navegação para o processo de georreferenciamento, para serem usadas na fase de treinamento dos classificadores e também na verificação da acurácia. O processamento das imagens e a geração dos mapas temáticos foram realizados por meio do Sistema de Informações Geográficas SPRING, sendo as rotinas desenvolvidas na linguagem de programação LEGAL. Para a geração do Classificador Árvore de Decisão foi utilizada a ferramenta See5. Na definição das classes, buscou-se um alto nível discriminatório a fim de permitir a separação dos diferentes tipos de culturas presentes na região nas épocas de inverno e de verão. A classificação por árvore de decisão apresentou uma acurácia total de 94,5% e coeficiente kappa igual a 0,9389, para a cena 157/128; para... / This work aimed to discriminate classes of land cover in remote sensing images of the satellite CBERS-2, using the Decision Tree Classifier. The study includes the evaluation of combinations of attributes of the image to a better discrimination between classes and the verification of the accuracy of the proposed methodology, comparatively to the Maximum Likelihood Classifier (MLC). The geographical area used is situated in the region of the “Campos Gerais”, in the Paraná State, which presents diversities concerning the different kinds of vegetations: summer and winter crops, reforestation areas, natural forests and pastures. It was used a set of sixteen (16) attributes from images, composed by bands of the sensor CCD (1, 2, 3, 4), vegetation indices (CTVI, DVI, GEMI, NDVI, SR, SAVI, TVI), mixture components (soil, shadow, vegetation) and the two first principal components. The accuracy of the classifications was evaluated using the classification error matrix and the kappa coefficient. The collect of the samples of ground truth was performed using a navigation device GPS to the georeference process to be used in the training stage of the classifiers and in the verification of the accuracy, as well. The processing of the images and the generation of the thematic maps were made using the Geographic Information System SPRING, and the routines were developed in the programming language LEGAL. The generation of the Decision Tree Classifier was made using the tool See5. A high discriminatory level was aimed during the definition of the classes in order to allow the separation of the different kinds of winter and summer crops. The classification accuracy by decision tree was 94.5% and kappa coefficient was 0.9389 to the scene 157/128; to the scene 158/127, it presented the values 88% and 0.8667, respectively. Results showed that the performance of the Decision Tree Classifier was better... (Complete abstract click electronic access below)

Orientador: Sergio dos Anjos Ferreira Pinto / Banca: Isabella Clerici de Maria / Banca: João Osvaldo Rodrigues Nunes / Banca: Cenira Maria Lupinacci da Cunha / Banca: Gilberto José Garcia / Resumo: No Brasil, poucos são os estudos sobre a estimativa de perdas de solo em cana-de-açúcar e sobre o levantamento do fator C da EUPS em cultivos alocados em paisagens com diferentes potenciais naturais à erosão. Também, no contexto mundial, poucos são os estudos que propõem metodologias alternativas para a determinação do fator C em climas tropicais. Assim, o objetivo desta pesquisa foi o de elaborar um procedimento metodológico para a determinação do fator C a partir da quantificação das perdas de solos e índices de vegetação em pastagens e cana-de-açúcar. Foram utilizados dados multissensores correlacionados aos valores do fator C estimados em 11 parcelas de monitoramento de erosão. As parcelas foram instaladas na bacia hidrográfica do córrego Monjolo Grande (Ipeúna/SP) e na bacia hidrográfica do ribeirão Jacutinga (Rio Claro/SP). Estas bacias apresentam semelhanças quanto às dimensões em área e uso da terra e variabilidade quanto às características pedológicas e de relevo. Em todas as parcelas com pastagens, as perdas de solo foram inferiores a 1,5 t ha-1 ano-1 e o fator C foi de 0,1. Mesmo em condições diversas de paisagem, as gramíneas presentes nas áreas de pastagens se comportaram de maneira similar frente aos processos erosivos. Por outro lado, verificou-se diferenças nas perdas de solos nas parcelas com cana-de-açúcar localizadas em ambas as áreas de estudo. Nos solos argilosos da bacia hidrográfica do ribeirão Jacutinga as perdas variaram de 0,8 a 2,76 t ha-1 ano-1. Já nos solos arenosos da bacia hidrográfica do córrego Monjolo Grande as perdas variaram de 49 a 84,8 t ha-1 ano-1. Assim, as diferenças nas perdas de solo em canaviais são derivadas das condições físicas de cada paisagem. Os valores do fator C nos canaviais variaram de 0,13 a 0,23 para a bacia hidrográfica do ribeirão Jacutinga e de 0,41 a 0,43 (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In Brazil, there are few studies on the estimation of soil losses in sugarcane and acquisition the factor C in the USLE in landscapes with different potential natural erosion. Also, in the global context, there are few studies that propose alternative methods for the extraction of Factor C in tropical climates. The objective of this research was to develop a preliminary methodological procedure to extract the factor C for pasture and sugarcane. Multisensor data correlated to the Factor C values estimated at plots were used. The plots were installed in the watershed of the stream Monjolo Grande (Ipeúna / SP) and Jacutinga (Rio Claro / SP). These basins have similarities as to the area and land use and variability as to the soil and relief. In all plots with pasture, soil losses were less than 1.5 t ha-1 yr -1 and C factor was 0.1. Even under various conditions of landscape, grasses present in pasture areas behaved in a similar way to the front erosion. On the other hand, there are differences in the losses of soil in the plots with sugarcane located in both study areas. In clay soils of the watershed of Jacutinga creek losses ranged from 0.8 to 2.76 t ha-1 yr-1 . In the sandy soils of the watershed stream Monjolo Grande losses ranged from 49 to 84.8 t ha-1 yr-1 . Thus, differences in soil loss in sugarcane fields are derived from the physical conditions of each landscape. The values of the C factor in the cane fields ranging from 0.13 to 0.23 for the watershed of the Jacutinga creek and 0.41 to 0.43 for the watershed stream Monjolo Grande. Thus, in the regional context studied, the expansion and sugarcane cultivation is done indiscriminately, without considering the fragility natural conditions of each environment. The data obtained in soil losses related to the field of remote sensing data led to the creation of a methodology for determining factor C. (Complete abstract click electronic access below) / Doutor