tese
Optimizing disturbance mapping in seasonal biomes based on an ensemble framework
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Lavras
Faculdade, Instituto ou Escola
Departamento
Departamento de Ciências Florestais
Programa de Pós-Graduação
Programa de Pós-Graduação em Engenharia Florestal
Agência de fomento
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
O mapeamento e monitoramento de mudanças na vegetação nativa fornece suporte para o desenvolvimento de estratégias de gestão, implementação de iniciativas de políticas e fornecimento de dados para modelagem de processos ecológicos e ambientais. Porém, biomas sazonais são naturalmente heterogêneos em termos de clima, solo, biodiversidade e ameaças representadas por atividades humanas e ocupação do solo. Neste cenário, esta tese tem como objetivo principal otimizar o mapeamento de mudanças na vegetação nativa baseado no método ensemble, que visa a combinar vários modelos básicos para produzir um modelo preditivo ideal. Para tanto, esta tese foi organizada em três artigos. No primeiro artigo (1), mapas de mudanças de diferentes índices espectrais foram avaliados em biomas sazonais em relação à concordância espacial entre mapas e entre uma base de dados de referência. Os resultados indicaram que houve uma baixa taxa de concordância espacial entre mapas, a qual não foi influenciada pelos biomas. Também foi encontrada uma relação entre índices e biomas, onde determinados índices performaram melhor em determinados biomas. Já no segundo artigo (2), foi avaliada a efetividade de um método ensemble e regionalizações baseadas em diferentes bases de dados no mapeamento de mudanças. O método ensemble combinou mapas de mudança do algoritmo LandTrendr e o algoritmo Random Forest. Os resultados mostraram que o método ensemble retornou ganhos em acurácia quando comparado com métodos mais simples. Além disso, o método de regionalização também mostrou ganhos em acurácia quando comparado ao método não regionalizado, sendo variáveis climáticas e sazonais as que mais se destacaram no ganho de acurácia. Por fim, o terceiro artigo (3), utilizou análise orientada ao objeto, e avaliou variáveis preditoras do LandTrendr e de semivariograma, no mapeamento e caracterização das mudanças na cobertura do solo. Três classes de mudanças na cobertura do solo (não mudança, perda de vegetação e pós mudança) foram mapeadas utilizando três bases de dados: LandTrendr, Semivariograma e Híbrida. A base de dados Híbrida retornou as maiores acurácias. Este estudo também indicou que variáveis do semivariograma podem capturar padrões de mudança no uso e cobertura do solo. Assim, a crescente necessidade em se mapear e monitorar mudanças na vegetação em biomas sazonais sugere que novas abordagens aqui propostas, sejam aplicáveis em larga escala e que retornem acurácias satisfatórias.
Abstract
Mapping and monitoring disturbance in vegetation provide support for developing management strategies, implementing policy initiatives, and providing inputs for modeling ecological and environmental processes. However, seasonal biomes are naturally heterogeneous in terms of climate, soil, biodiversity, and threats posed by human activities and land occupation. In this thesis, mapping and monitoring disturbances in native vegetation were optimized based on ensemble techniques, which uses multiple or committee classifiers combining their predictions. For this purpose, this thesis was organized in three articles. In the first one (1) disturbance maps of seasonal biomes from different spectral indices were evaluated based on the spatial agreement between maps and their accuracies. The results indicated a low rate of spatial agreement among index-based disturbance maps, which was minimally influenced by vegetation domain. In addition, index-based disturbance maps reflected site-specific sensitivity. In the second article (2), the effectiveness of a heterogeneous ensemble classification and data-driven regionalization for improving vegetation disturbance mapping accuracies over large areas was assessed. The ensemble method combined disturbance maps from the LandTrendr algorithm and Random Forest. The results indicated gains in accuracy by the ensemble method compared to non-ensemble methods of disturbance mapping. In addition, data-driven regionalization addressed complexities arising from variability in vegetation types, local climate, and topography across our study area, identifying climate and seasonal metrics as important variables for reducing uncertainties in vegetation disturbance maps. Finally, the third article (3) used object-based image analysis and evaluated predictor variables from both LandTrendr and semivariogram for mapping and characterizing land cover changes. Three classes of land cover changes: non-change, vegetation loss, and pos-change, were set combined with three datasets: LandTrendr, Semivariogram, and Blended. The Blended datasets returned the best accuracies. This article also indicated that semivariogram variables faithfully captured patterns of vegetation loss and recovery. Thus, the increasing need for mapping and monitoring disturbances in seasonal biomes suggests that the methods and algorithms presented in this thesis, return satisfactory accuracies and may be suitable for large-area applications.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
BUENO, I. T. Optimizing disturbance mapping in seasonal biomes based on an ensemble framework. 2022. 147 p. Tese (Doutorado em Engenharia Florestal) – Universidade Federal de Lavras, Lavras, 2022.