ESTUDO QUANTITATIVO DE ÁREAS DE REFLORESTAMENTO ATRAVÉS DE ÍNDICES DE VEGETAÇÃO APLICADOS A IMAGENS LANDSAT

  • Charline Bonatto Universidade Federal da Fronteira Sul Campus Erechim
  • Luiz Augusto Richit Universidade Federal da Fronteira Sul Campus de Erechim.
  • Roberto Valmir da Silva Universidade Federal da Fronteira Sul Campus de Erechim.
  • Jose Mario Vicensi Grybowski Universidade Federal da Fronteira Sul Campus de Erechim.

Abstract

O estudo de processos de regeneração de florestas pode ser amplamante apoiado por modelos matemáticos e computacionais, que possibilitam a simulação, avaliação e comparação de estratégias de conservação, manutenção e regeneração de forma prévia à sua implementação efetiva em campo. Para tal, é primordial que os modelos matemáticos, de natureza conceitual, teórica, sejam alimentados com dados aderentes à realidade física verificada em campo. O presente projeto tem por objetivo determinar os valores característicos de índices de densidade de vegetação referentes à àreas de reflorestamento implantadas na mesorregião Fronteira Sul. Para tal, propõe-se a utilização de SIG - Sistemas de Informações Geográficas, índices de densidade de vegetação e imagens Landsat das regiões de interesse. O conjunto de parâmetros obtidos a partir do presente estudo constituirão um banco de dados de apoio para a aplicação de modelos de regeneração de florestas, e.g., modelo logístico-difusivo, de forma a possibilitar a projeção de cenários futuros de utilidade prática em projetos de conservação implantados na região.

References

GRASS – Geographic Resources Analysis Support System (GRASS). Equipe de desenvolvimento, 2014.

RICHIT, L. A. et al. Modelling forest regeneration for performance-oriented riparian buffer strips. Ecological Engineering, v. 106, p. 308-322, 2017.

SOLANO, R. et al. MODIS vegetation index user’s guide (MOD13 series). Vegetation Index and Phenology Lab, The University of Arizona, p. 1-38, 2010.

USGS – US Geological Survey. Landsat ID: LT05_L1TP_222079_20070226_20161117_01_T1. Data de aquisição: 2007/02/26. 2007.

USGS – US Geological Survey. Landsat ID: LC08_L1TP_22279_20160118_20170405_01_T1. Data de aquisição: 2016/01/18. 2016.

Published
07-09-2017