Corpo Discente - Egressos
João Lucas Della Silva
| Título | "Cloud-based remote sensing for the impact of land use on climate change in the Mato Grosso Amazon" | ||||||||||||||||||||||||
| Data da Defesa | 19/03/2026 | ||||||||||||||||||||||||
| Download | Em sigilo | ||||||||||||||||||||||||
Banca
| |||||||||||||||||||||||||
| Palavras-Chaves | sensoriamento remoto; dinâmicas de dióxido de carbono; Amazônia; uso do solo. | ||||||||||||||||||||||||
| Resumo | A dinâmica do carbono entre os estoques atmosféricos, do solo e bióticos é de grande importância para os serviços ecossistêmicos e climáticos. A interdependência dos estoques de carbono é volátil, uma vez que maiores concentrações de CO₂ atmosférico afetam o desenvolvimento das plantas e, portanto, o armazenamento de carbono em ecossistemas terrestres. Além disso, o ciclo do carbono está relacionado à umidade do solo, e a sensibilidade desta difere entre ecossistemas e regiões climáticas. Na Amazônia meridional, as atividades agrícolas e pecuárias impulsionam ações antrópicas e os custos ambientais, e impactam os ciclos biogeoquímicos. Modelar essas dinâmicas é possível por meio de imagens de sensoriamento remoto, que, juntamente com ferramentas de modelagem apropriadas, nos permitem entender o balanço de carbono em nível regional. O primeiro objetivo deste estudo é modelar do efluxo de CO2 do solo (FCO₂) de diferentes usos da terra para previsões de dados orbitais usando imagens MODIS e PlanetScope, aplicar este modelo sobre dados orbitais e espacializar as análises sobre o dióxido de carbono e a sua relação com as dinâmicas de antropização e a alteração dos padrões hidrológicos. Dados locais foram a referência para a modelagem de dados orbitais com regressão de mínimos quadrados parciais (PLSR). Os modelos discutidos são baseados em umidade do solo, temperatura, bandas espectrais e modelos com MODIS GPP e CO2Flux foram criados. Usos da terra (caracterizados por soja de alta e baixa produtividade, pastagem degradada, pastagem produtiva e floresta nativa) e consistiram em diferentes subconjuntos de subconjuntos de entradas para projetar equações PLSR. As análises dos resultados foram baseadas nas métricas estatísticas de regressão linear (R2), erro médio absoluto (MAE) e raiz do erro quadrático médio (RMSE). A partir desses métodos, observou-se que os subconjuntos com menor erro e maior correlação foram os subconjuntos relacionados à soja. A homogeneidade das áreas de soja e suas características espectrais significam maior capacidade de predição do FCO₂, uma vez que as imagens orbitais e a modelagem PLSR fornecem maior correlação e menor erro, tanto absoluto quanto quadrático. Contudo, a modelagem do balanço de carbono em áreas de floresta e pastagens é limitada e potencialmente associada à heterogeneidade desse ambiente. A aplicação deste modelo sobre imagens MODIS permitiu um diagnóstico da afecção da antropização sobre serviços ecossistêmicos e climáticos que a floresta nativa promove, e que são fundamentais para a indústria agrícola brasileira. Junto dos modelos CO2Flux, MODIS GPP e do índice de seca (SPI), foram aplicadas estatística de Mann-Kendall e Petit para uma análise espacializada em dois diferentes períodos de amostragem (i) ao longo dos anos safra do modelo de FCO2, e (ii) no limite temporal dos dados de carbono orbital. A análise de hot e cold spots de carbono e estiagem reforça a correlação espacial do carbono e o uso da terra, enquanto o índice de seca apresenta correlação espacial com a degradação florestal, por vezes para atividade agropecuária. Temporalmente, o diagnóstico estatístico reafirma a complexa relação entre floresta e os ciclos biogeoquímicos (sobretudo o dióxido de carbono), na perspectiva do sensoriamento remoto. | ||||||||||||||||||||||||
| Abstract | The dynamics of carbon among atmospheric, soil and biotic stocks are of great importance for ecosystem and climate services. The interdependence of carbon stocks is volatile, since higher atmospheric CO₂ concentrations affect plant development and therefore carbon storage in terrestrial ecosystems. In addition, the carbon cycle is related to soil moisture, and sensitivity to moisture differs between ecosystems and climatic regions. In the southern Amazon, agriculture and cattle ranching activities drive anthropogenic actions and for the environmental costs and impact the biogeochemical cycles. Modeling these dynamics is possible through remote sensing images, which, together with appropriate modeling tools, allow us to understand the carbon balance at a regional level. The first objective of this study is modeling the soil CO₂ efflux (FCO₂) from different land uses for predictions from orbital data using MODIS and PlanetScope images and subsequently apply this model on orbital data and spatialize the analyses on carbon dioxide and its relationship with anthropization dynamics and the change in hydrological patterns. Local data was the reference for orbital data modeling with partial least squares regression (PLSR). Discussed models are based on soil moisture, temperature, spectral bands and models with MODIS GPP and CO2Flux were created. Land uses (characterized by high and low productivity soybeans, degraded pasture, productive pasture and native forest) and consisted of different subsets of input subsets to design PLSR equations. Results analyzed were based on the statistical metrics of linear regression (R2), mean absolute error (MAE) and root mean square error (RMSE). From those methods, it was observed that the subsets with the lowest error and highest correlation were the subsets related to soybeans. The homogeneity of soybean areas and its spectral characteristics mean greater capacity for predicting FCO₂, since the orbital images and PLSR modeling provide a higher correlation and lower error, both absolute and quadratic. On the other hand, carbon balance modeling in forest areas and pastures is limited and potentially associated with the heterogeneity of that environment. The application of this model to MODIS imagery allowed a diagnosis of how the anthropization affects ecosystem and climate services that native forests provide, and which are fundamental for the Brazilian agricultural industry. Alongside the CO2Flux, MODIS GPP, and drought index (SPI) models, Mann-Kendall and Petit statistics were applied for spatial analysis across two different sampling periods: (i) throughout the crop years of the CO2Flux model, and (ii) within the temporal boundary of orbital carbon data. The analysis of carbon and drought hot and cold spots reinforces the spatial correlation between carbon and land use, while the drought index shows a spatial correlation with forest degradation, sometimes due to agricultural activity. Temporally, the statistical diagnosis reaffirms the complex relationship between forests and biogeochemical cycles (especially carbon dioxide), from a remote sensing perspective. | ||||||||||||||||||||||||
Parceiros
