Análise espectral de plantas aquáticas submersas e de áreas de uso e cobertura do solo que contribuem para essa proliferação por meio da integração de dados obtidos por sensores remotos

Abstract

Esta tese foi estruturada em formato de artigos, sendo o primeiro destinado a identificar o padrão de sazonalidade da Floresta Estacional Decidual, localizada na região Semiárida do Norte de Minas Gerais, durante o período de chuva e de estiagem, para os anos de 1990, 1996, 2004 e 2011, a partir da correlação entre o NDVI e os dados pluviométricos. Os resultados comprovaram correlação direta entre as variáveis NDVI e precipitação, indicando ser a precipitação uma variável de grande influência no vigor vegetativo deste tipo de formação. A finalidade do segundo artigo foi usar informações intra e extra contexto, a fim de determinar uma resposta temática mais precisa para as classes de informação, num processo de classificação de imagens orbitais. Para a obtenção da informação intra contexto, propôs-se a criação de um índice baseado no comportamento espectral das plantas aquáticas submersas. Para as informações extra contexto empregou-se o NDVI. Os resultados comprovaram que o uso do índice proposto foi eficaz na identificação de áreas com ocorrência de plantas aquáticas invasoras, áreas assoreadas e áreas isentas da invasão. O terceiro artigo buscou identificar a influência das classes de uso e cobertura do solo espacializadas a distâncias de 0,5 km; 1 km e 1,5 km, na proliferação de plantas aquáticas submersas, localizadas no entorno do reservatório em estudo. As relações entre as variáveis: uso e cobertura do solo, profundidade e plantas aquáticas submersas foram inferidas através do uso de técnicas de Regressão Linear Múltipla. Assim, para distâncias de até 0,5 km obteve-se R2 = 0,37, e grau de confiança do ajuste igual a 92%. Para distâncias de 1 km, R2 = 0,42 e grau de confiança do ajuste igual a 96%. Para distâncias de 1,5 km, R2 = 0,38 e grau de confiança do ajuste igual a 93%. A partir desses resultados foi possível verificar que as análises geradas para distâncias de 1 km apresentaram uma melhor resposta em comparação às demais distâncias. As distâncias de 0,5 e 1,5 km são estatisticamente iguais não podendo ser inferido nada sobre elas.

This thesis has been structured in form of articles, the first aimed at identifying the seasonality pattern of seasonal deciduous forest located in the semiarid North of Minas Gerais, during the rainy and dry seasons, for the years 1990, 1996 , 2004 and 2011, from the correlation between NDVI and rainfall data. The results showed direct correlation between NDVI and rainfall variables,indicating that precipitation is a variable of great influence on the vigor of this type of training. The objective of the second article was to use intracontextuais and extracontextuais information, in order to determine a more precise thematic answer to information classes, in an orbital image classification process. To obtain the intracontextuais information, the creation of an index was proposed based on the spectral behavior of the existing submerged aquatic plants in Bico da Pedra Reservoir - MG, supporting the choice of control practices. To the extracontextuais information, the NDVI was used. The results showed that the use of index proposed was effective to identify areas of occurrence of invasive aquatic plants, of silted areas and areas free of invasion.The third article aimed at identifying the influence of use and land cover classes, spatialized at distances of 0.5 km; 1 km and 1.5 km around Bico da Pedra Reservoir, located in the northern region of Minas Gerais, in the proliferation of submerged aquatic plants, using Multiple Linear Regression techniques in order to infer on the relationships between the variables of use and land cover, reservoir depth and submerged aquatic plants. The results showed that for distances up to 0.5 km it was obtained R2 = 0,37 and confidence degree of 92%. For distances of 1 km it was obtained R2 = 0,42 and confidence degree of 96%. For distances of 1.5 km it was obtained R2 = 0,38 and confidence degree of 93%. From these results it was possible to verify that the analyses generated for distances of 1 km presented a better answer compared to the other distances. The distances of 0.5 and 1.5 km are statistically equal and nothing can be infered about them.