Proposição de metodologia para detecção de desmatamento no Estado do Paraná

Abstract

Resumo: Esta pesquisa teve como proposta o desenvolvivento de um algoritmo de detecção de mudança com uso de análise harmônica para indicar as áreas de ocorrência desflorestamento e a partir do uso de séries temporais de NDVI/Sentinel2, estimar a data de ocorrência de desflorestamento, sendo utilizada a plataforma Google Earth Engine (GEE). O Mapeamento florestal de referência foi gerado para o ano de 2016, período que se iniciou a disponibilização das imagens Sentinel-2, a plataforma GEE foi usada para calcular os índices de vegetação e de fração espectral com análise de mistura espectral sendo foi definido 10 regiões espectrais para a classificação supervisionada com uso de regiões fitoecológicas e as mesorregiões do estado do Paraná. A acurácia obtida no mapeamento com o método híbrido resultou em 0,94 de Índice Kappa (IK) e 96% de Exatidão Global (EG). Este mapeamento florestal foi utilizado como referência para gerar as detecções de mudança somente dentro destes fragmentos para o ano de 2023, para validar as detecções obtidas foi utilizado dados de desflorestamento do MapBiomas, imagens Sentinel-2 e Planet, obteve-se uma EG de 98,6%. Como conclusões, verificou-se que a metodologia proposta para geração do mapeamento de floresta nativa e detecção de desflorestamento foi eficiente para ser utilizada em escala estadual e municipal sendo possível gerar detecção e identificação de desflorestamento em áreas mínimas de 100m2 o que corresponde a um pixel de 10m de resolução espacial

Abstract: This research proposed the development of a change detection algorithm was developed using harmonic analysis to indicate the areas of deforestation occurrence and from the use of NDVI/Sentinel2 time series, estimate the date of deforestation occurrence, using the Google Earth Engine (GEE) platform. The reference forest mapping was generated for the year 2016, the period when the Sentinel-2 images began to be available, the GEE platform was used to calculate the vegetation and spectral fraction indices with spectral mixture analysis, and 10 spectral regions were defined for supervised classification using phytoecological regions and the mesoregions of the state of Paraná. The accuracy obtained in the mapping with the hybrid method resulted in 0.94 Kappa Index (KI) and 96% Overall Accuracy (OA). This forest mapping was used as a reference to generate the detections of change only within these fragments for the year 2023, to validate the detections obtained, deforestation data from MapBiomas, Sentinel-2 and Planet images were used, a OA of 98.6% was obtained. In conclusion, it was found that the methodology proposed for generating native forest mapping and deforestation detection was efficient to be used at state and municipal scales, being possible to generate detections and identifications of deforestation in minimum areas of 100m2, which corresponds to a pixel of 10m spatial resolution