Submitted by Leonardo Cavalcante (leo.ocavalcante@gmail.com) on 2018-04-17T16:12:32Z No. of bitstreams: 1 Arquivototal.pdf: 5868651 bytes, checksum: e5d4ddb02a065600f83257ded96722d7 (MD5) / Made available in DSpace on 2018-04-17T16:12:32Z (GMT). No. of bitstreams: 1 Arquivototal.pdf: 5868651 bytes, checksum: e5d4ddb02a065600f83257ded96722d7 (MD5) Previous issue date: 2015-03-02 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The practices of soil usage and occupation generate severe deterioration processes and in semiarid areas may result in desertification. In Paraiba, one of the areas representing this process is the one named “Cariris Velhos”. Through a multitemporal analysis, aided by statistical techniques and geotechnologies, it was possible to carry out some analysis and to diagnose the desertification state. Descriptive analysis, non-parametric test and multivariate statistics techniques were used. The precipitation was used and revealed three important patterns that explain about 70% of data variability, exposing how the rainfall occurred in the years of the images, making visible the rainy occurred, drought and transitioning periods. It was possible to confirm the edaphoclimatic frailty existent and the strong correlation with the climate anomalies (El Niño and La Niña) caused by meteorological systems. The second aspect to be analyzed was the vegetation coverage, defined in different strata and surface temperature. Three timed clippings were selected to compose these aspects: images from the 80’s (1989, 1985), from the 90’s (1990 and 1995) and of the 2000 years (2004,2005 and 2007). The images processing was done with part of algorithm SEBAL which were determined SAVI, IAF and Surface Temperature. SAVI and IAF were obtained, however, owing few studies with IAF for semiarid was decided to used. The results have shown that the vegetation strata diminished gradually, from a moderate stage to a severe one, with coefficient of variation (56%, 78,75% e 84%) unrepresentative, proving the diversity of landscapes. A significant amount of municipalities, on the last clipping, already presented, in its majority, more than 50% of values of the pixels presented in the classes of exposed soil, that is, with accentuated deterioration, proving strong evidence of desertification. With the deforestation, the surface temperature increased significantly configuring a higher number of pixels presented in classes superior to 30ºC. This factor, allied to the rainfall, hampers the development and spreading of species, since seed dispersal is by anemochory, diminishing the biodiversity of the caatinga. Concerning the agricultural, economic and social aspects, three profiles were revealed for each clipping, showing the most important indicators on each one. With this, it was observed that between 1980 and 1995, the population was more dependent of the land, in a way that when there was a worsening in the physical plan, a diminishing in the rainfall, the production also diminished, directly affecting social and economically the population. Between 2000 and 2010, the governmental incentives contribute to an improvement of these aspects so that they did not contribute, not directly, for the process of desertification, configuring a smaller impact (weight) on the analysis. In this case, the deterioration is originated from the agricultural aspect, being an example the incentive to the goatrearing and wood extraction to the plaster polo of Pernambuco in some municipalities of the “Cariris Velhos” region. / As práticas de uso e ocupação do solo geram processos de degradação intensa e em regiões semiáridas podem culminar na desertificação. Na Paraíba, uma das áreas representativas desse processo é a delimitação denominada de Cariris Velhos. Através de uma análise multitemporal, com o auxílio de algumas técnicas estatísticas e das geotecnologias, foi possível realizar algumas análises e diagnosticar o quadro da desertificação. Foram utilizadas análises descritivas, teste não paramétrico e a técnica da estatística multivariada: análise fatorial em componentes principais. Utilizou-se a precipitação pluviométrica que revelou três padrões importantes que explicaram cerca de 70% da variabilidade dos dados cada, expondo a forma como a chuva ocorreu para os anos das imagens, tornando visíveis períodos chuvosos, secos e de transição. Pôde-se comprovar a fragilidade edafoclimática existente e a forte relação com as anomalias climáticas (El Niño e La Niña) provocadas por sistemas meteorológicos. O segundo aspecto a ser analisado foi a cobertura vegetal, definida em diferentes estratos, e a temperatura da superfície. Foram selecionados três recortes temporais para compor esses aspectos: imagens da década de 80 (1989, 1985), da década de 90 (1990 e1995) e dos anos 2000 (2004, 2005 e 2007). O processamento das imagens foi feito com parte do algoritmo SEBAL onde foram determinados o SAVI, o IAF e a Temperatura da Superfície. Foram gerados o SAVI e IAF, entretanto, devido a poucos trabalhos realizados com o IAF para o semiárido considerou-se utilizá-lo. Os resultados mostraram que os estratos de vegetação diminuíram gradativamente, passando para um estágio moderado para muito grave, com coeficientes de variação (56%, 78,75% e 84%) pouco representativos, comprovando a diversidade de paisagens. Boa parte dos municípios, no último recorte, já apresentava, em sua maioria, mais de 50% dos valores dos pixels presentes nas classes de solo exposto, isto é, com degradação acentuada, comprovando forte evidencia de desertificação. Com o desmatamento, a temperatura da superfície aumentou significativamente passando a configurar um maior número de pixels presentes em classes superiores aos 30ºC. Este fator, aliado ao quadro de chuvas, dificulta o desenvolvimento e a propagação de espécies, uma vez que a dispersão das sementes se dá por anemocoria, o que diminui a biodiversidade da caatinga. Em relação aos aspectos agropecuários, econômicos e socais, foram revelados três perfis, para cada recorte, mostrando os indicadores mais importantes em cada um. Com isso, observou-se que entre 1980 e 1995, a população dependia mais da terra, de forma que uma piora no quadro físico, na diminuição no quadro de chuvas, diminuía a produção, refletindo diretamente no econômico e no social e deste modo na população. Entre 2000 e 2010, os incentivos governamentais contribuíram para a melhora desses aspectos de forma que eles passaram a não contribuir, diretamente, para o processo de desertificação, configurando um menor impacto (peso) na análise. Neste caso, a degradação é mais proveniente do aspecto agropecuário, tendo como exemplo o incentivo a caprinocultura e a extração da madeira para o polo gesseiro de Pernambuco, em alguns municípios dos Cariris Velhos.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho objetivou reconhecer e analisar as mudanças na paisagem da Serra de Pacaraima, que está localizada no extremo norte do Estado de Roraima, Brasil. Para isso, foram utilizadas quatro imagens do satélite LANDSAT-5/TM referentes às datas de cobertura 17/02/1990, 04/04/1995, 17/05/1999 e 06/05/2004, sobre as quais se determinou uma área de estudo, e uma imagem de radar do projeto SRTM, para caracterizar o relevo regional. No processamento das imagens LANDSAT-5/TM aplicaram-se técnicas para minimizar os erros decorrentes de sua aquisição. Empregou-se a técnica de segmentação por crescimento de região, em conjunto ao trabalho de campo, a fim de reconhecer as unidades da paisagem local, e a técnica de classificação supervisionada MAXVER, com o intuito de estimar a representação das unidades da paisagem ao longo da série multitemporal. Na imagem SRTM o processamento consistiu na análise do MNT e geração dos mapas hipsométrico e de declividade. Deste modo, quatro unidades de paisagem foram reconhecidas e caracterizadas como: unidade da paisagem de floresta (UPF); savana (UPS); desflorestamento (UPD); e ocupação humana (UPOH) / This work aimed at to recognize and to analyze the changes in the landscape of the Pacaraima Mountain that is located in the extreme north of the Roraima State, Brazil. For that, four images of the satellite LANDSAT-5/TM were used referring the dates of covering 17/02/1990, 04/04/1995, 17/05/1999 and 06/05/2004, on which was determined a study area, and one radar image of the project SRTM, to characterize the regional relief. In the LANDSAT-5/TM images processing techniques were applied to minimize the current mistakes of your acquisition. The segmentation technique by region growing was employ, together at field work, in order to recognize the units of local landscape, and the technique of supervised classification MAXVER, with the intention of to estimate the representation of landscape units along the multitemporal series. In SRTM image the processing consisted in the analysis of MNT and generation of hipsometric and slope maps. This way, four units of landscape were recognized and characterized as: landscape unit of forest (UPF); savanna (UPS); deforestation (UPD); and human occupation (UPOH)

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-27T15:55:07Z No. of bitstreams: 1 JOHN ELTON DE BRITO LEITE CUNHA - TESE PPGRN 2018.pdf: 4725678 bytes, checksum: 60bf2159f5477dc3356a1c23f7c2247e (MD5) / Made available in DSpace on 2018-08-27T15:55:07Z (GMT). No. of bitstreams: 1 JOHN ELTON DE BRITO LEITE CUNHA - TESE PPGRN 2018.pdf: 4725678 bytes, checksum: 60bf2159f5477dc3356a1c23f7c2247e (MD5) Previous issue date: 2018 / Capes / O baixo monitoramento e altas pressões climáticas e antrópicas fazem do bioma Caatinga, semiárido brasileiro, um dos mais vulneráveis do mundo. Séries temporais de sensoriamento remoto são valiosas para analisar as LCC em áreas com alta sazonalidade, mas demandam muitos recursos computacionais. Estudos anteriores utilizam séries temporais superiores a 30 anos de índices de vegetação com baixa resolução espacial (1 a 8 km). No entanto, esta resolução espacial geralmente não permite identificar ações humanas (impactos) no meio ambiente. Nos últimos anos, houve melhorias na qualidade da imagem do Landsat (radiométrica e geométrica) e agora estão prontas para suportar o monitoramento e análise dos processos na superfície terrestre. O objetivo deste estudo é analisar, a partir de sensores de média resolução espadai, as alterações na cobertura do solo de origem antrópica numa área do bioma Caatinga. Para este fim, utilizou-se algoritmos para gerar índices de vegetação, albedo de superfície e evapotranspiração a partir de dados dos sensores a bordo dos satélites da família Landsat. Para aumentar a eficiência na geração dessas informações, os algoritmos foram conduzidos para operar com baixa demanda por dados de estações meteorológicas e sem intervenção humana durante o processamento. Além disso, um serviço de alto desempenho para processamento de dados orbitais é proposto. Os dados gerados por estes algoritmos foram testados com a informações de campo, demonstrando a possibilidade de utilizar os algoritmos em processos automáticos. As técnicas de computação em nuvem e paralelização utilizadas neste estudo foram eficientes na produção de séries temporais superiores a 30 anos de variáveis em média resolução espacial. A principal aplicação desenvolvida neste trabalho utilizou séries temporais do Landsat por um período de 31 anos em resolução temporal mensal, a fim de investigar os padrões espaciais e temporais da mudança de cobertura do solo em uma área de Caatinga, semiárido do estado da Paraíba, no Brasil. Um novo índice espectral - índice Surface Albedo (SAI) - é proposto para melhorar a observação da condição biofísica da vegetação. Os índices NDVI, EVI e SAI foram utilizados para avaliar o monitoramento das LCC impulsionadas por ações humanas em contraste a alteração induzida pelo clima. Séries temporais dos índices foram aplicados ao método TSS RESTREND para monitoramento das LCC. O método é empregado para remover as influências a curto prazo da precipitação na fisionomia da cobertura do solo, permitindo assim avaliar a capacidade dos índices utilizados para discriminar alterações nas regiões semiáridas. Google Earth, imagens RapidEye e observações in situ (a partir de outubro de 2017) foram usadas para observar condições de preservação/degradação ao longo do tempo. Os resultados mostram que o índice SAI é capaz de distinguir entre cobertura do solo "alterada" e "inalterada" com uma alta acurácia, 87%, para detectar corretamente o ano da LCC. Quando utilizado o índice SAI, o TSS RESTREND demonstrou-se adequado para detectar LCC na Caatinga, e seu melhor desempenho foi alcançado quando o evento de mudança ocorre na região central da série temporal (1990-2010), com algumas imprecisões em anos secos. O menor desempenho dos índices EVI e NDVI na detecção das LCC no bioma da Caatinga é explicado pela sua alta sensibilidade às variações da cobertura de folhas, como resultado de condições sazonais ou extremas de seca. O LCC afeta todo o sistema soloplanta-atmosfera, como remoção de biomassa e mudanças nas propriedades do solo, bem como no microclima, devido à exposição direta à radiação, precipitação e vento. A este respeito, a SAI é suposto ser mais sensível às alterações artificiais na superfície terrestre, devido à sua capacidade de capturar uma maior quantidade de feedback ambiental. / Low monitoring plus high human and climate pressures make the Caatinga biome one of the most vulnerabte biomes in the world. Time series of remote sensing are vafuable for analyzing LCC in áreas with high seasonalrty, but they require a lot of computationai resources. Earlier studíes mostly use > 30- years time series of vegetatíon indexes at low spatial resolution (1 to 8 km). However, this spatial resolution usually does not allow to identify human actions (impacts) on the environment. Landsat imagery quality (radiometricalfy as weli as geometrically) and availability has improved in recent years and is now ready to support high temporal resolution monitoring and analysis of land surface processes. The objective of this study is to analyze, from sensors of médium spatial resolution, the changes in land cover of anthropic origin in an area of the Caatinga biome. For this purpose, algorithms were used to generate vegetation índices, surface albedo and evapotranspiration from sensor data on the satellites of the Landsat family. To increase the efficiency in generating this information, the algorithms were conducted to operate with low demand for meteorological station data and without human intervention during processing. In addition, a high performance service for orbitai data processing is proposed. The data generated by these algorithms were tested to field observations, demonstrating the possibility of using these algorithms in automatic processes. The techniques of cloud computing and parallelization used in this study were efficient in producing long time series (over 30 years) of these variables in average spatial resolution. The main application developed in this work, used Landsat time series for a period of 31 years at monthly resolution in order to investigate spatial and temporal pattems of hotspots of land cover change in a Caatinga area of the semi-arid region of the Paraiba state, Brazil. A new spectral index - Surface Albedo Index (SAI) - is proposed to improve the observation of vegetation biophysica!condition and change. SAI, NDV1 and EVI are compared in order to evaluate the suitability of monitoring LCC driven by human actions in contrast to climate induced (drought) alteration. The TSS RESTREND method was successfully applied to Landsat time series for LCC monitoring. It is employed in order to remove the short-term influences of precípitation on land cover physiognomy, thus allowing to assess the ability of the index time series to discriminate LCC in drylands. Google Earth, Rapid Eye images and in situ observations (from October 2017) were used to observe preservation / degradation conditions along the time. Results showthat SAI is able to distinguish between "changed" and "unchanged" land cover with a high accuracy (87%) to detect the year of change. When using the SAI index, TSS RESTREND is suitable to detect LCC in the Caatinga, and its best performance was achieved when the change event occurred in the middle of the time series (1990-2010), with some inaccuracies in dry years. The lower ability of EVI and NDVI in the detection of LCC in the Caatinga biome is explained by their high sensitivity to leaf cover variations (as a result of seasonal or extreme drought conditions). LCC impacts the whole soilplant-atmosphere system, such as biomass remova!and changes in soil properties as weil as mícroclimate, due to the direct exposure to radiation, precípitation, and wind. In this regard, SAI is supposed to be more sensitive to man-made alterations of the land surface, due to its ability to capture a higher number of environmental feedbacks.