ANÁLISIS DE LA RECUPERACIÓN EN UN ÁREA DEGRADADA A TRAVÉS DEL ÍNDICE DE VEGETACIÓN
DOI:
https://doi.org/10.56238/revgeov16n5-128Palabras clave:
Teledetección, Kruskal-Wallis, Mann-Kendall, NDVI, PRADAResumen
Los procesos antropogénicos muchas veces pueden resultar en daños al medio ambiente, reduciendo algunas de sus propiedades como la calidad o la capacidad productiva de los recursos naturales. El proceso de recuperación busca rehabilitar un área determinada desde la degradación hasta alguna forma de uso ambientalmente sostenible. La teledetección es una forma económica de mapear áreas degradadas y monitorear el proceso de recuperación. En este contexto, el presente trabajo analizó la evolución del Proyecto de Recuperación de Área Degradada o Alterada (PRADA) del Parque Ambiental Água Limpa ubicado en Campo Grande/MS. Para ello se realizó un análisis estadístico de dos series temporales de NDVI derivadas de los Satélites TERRA-ASTER y Landsat 5/8 mediante la prueba no paramétrica de Kruskal-Wallis con el fin de verificar si existe variación anual en el NDVI, si existe Hubo variación entre los períodos antes y después de la implementación de PRADA. Posteriormente se aplicó la prueba post-Hoc de Dunn-Bonferroni para verificar la diferencia pareada entre los grupos. Finalmente, se aplicó la prueba de Mann-Kendall para comprobar si existe una tendencia, ya sea positiva o negativa, en la serie de NDVI analizada. Los resultados demostraron que existe variación en el tiempo en el NDVI de ambas series. También se encontró que los valores de NDVI son estadísticamente diferentes al comparar el período antes y después de la implementación de PRADA. La serie Landsat 5/8 mostró una tendencia positiva en los valores de NDVI, mostrando un aumento en la biomasa vegetal en el área de recuperación.
Descargas
Referencias
ALMEIDA, D. S. D. Recuperação ambiental da Mata Atlântica. 3. ed. [s.l.] EDITUS, 2016.
BERVEGLIERI, A. et al. Analysis of trends and changes in the successional trajectories of tropical forest using the Landsat NDVI time series. Remote Sensing Applications: Society and Environment, v. 24, p. 100622, 1 nov. 2021.
BUMA, B. Evaluating the utility and seasonality of NDVI values for assessing post-disturbance recovery in a subalpine forest. Environmental Monitoring and Assessment, v. 184, n. 6, p. 3849–3860, 1 jun. 2012.
ELLIOTT, A. C.; HYNAN, L. S. A SAS® macro implementation of a multiple comparison post hoc test for a Kruskal–Wallis analysis. Computer Methods and Programs in Biomedicine, v. 102, n. 1, p. 75–80, 1 abr. 2011.
FORKEL, M. et al. Trend Change Detection in NDVI Time Series: Effects of Inter-Annual Variability and Methodology. Remote Sensing, v. 5, n. 5, p. 2113–2144, maio 2013.
GORELICK, N. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, Big Remotely Sensed Data: tools, applications and experiences. v. 202, p. 18–27, 1 dez. 2017.
KRUSKAL, W. H.; WALLIS, W. A. Use of Ranks in One-Criterion Variance Analysis. Journal of the American Statistical Association, v. 47, n. 260, p. 583–621, 1 dez. 1952.
MANCINO, G. et al. Cross-Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sensing, v. 12, n. 2, p. 291, jan. 2020.
MOHR, J. et al. Assessing the Within-Field Heterogeneity Using Rapid-Eye NDVI Time Series Data. Agriculture, v. 13, n. 5, p. 1029, maio 2023.
MONTANDON, L. M.; SMALL, E. E. The impact of soil reflectance on the quantification of the green vegetation fraction from NDVI. Remote Sensing of Environment, Remote Sensing Data Assimilation Special Issue. v. 112, n. 4, p. 1835–1845, 15 abr. 2008.
MPMS. MPMS e UEMS dão início a parceria que visa proteger os rios do Estado. Disponível em: <https://www.mpms.mp.br/noticias/2019/05/mpms-e-uems-dao-inicio-a-parceria-que-visa-proteger-os-rios-do-estado>. Acesso em: 22 dez. 2023.
PARK EMPREENDIMENTOS IMOBILIÁRIOS LTDA. PARQUE AMBIENTAL ÁGUA LIMPA: Programa de Recuperação de Áreas Degradadas. , 2016.
POMPA-GARCÍA, M. et al. NDVI Values Suggest Immediate Responses to Fire in an Uneven-Aged Mixed Forest Stand. Forests, v. 13, n. 11, p. 1901, nov. 2022.
ROUSE, J. W. et al. Monitoring vegetation systems in the Great Plains with ERTS. 1 jan. 1974. Disponível em: <https://ntrs.nasa.gov/citations/19740022614>. Acesso em: 19 nov. 2023
ROY, D. P. et al. Characterization of Landsat-7 to Landsat-8 reflective wavelength and normalized difference vegetation index continuity. Remote Sensing of Environment, Landsat 8 Science Results. v. 185, p. 57–70, 1 nov. 2016.
SANTOS, G. L. DOS et al. Natural regeneration in anthropogenic environments due to agricultural use in the cerrado, Uberaba, MG, Brazil. Bioscience Journal, v. 33, n. 1, p. 169–176, 9 fev. 2017.
SCHOLZ, F. W.; STEPHENS, M. A. K-Sample Anderson–Darling Tests. Journal of the American Statistical Association, v. 82, n. 399, p. 918–924, 1 set. 1987.
SENF, C.; MÜLLER, J.; SEIDL, R. Post-disturbance recovery of forest cover and tree height differ with management in Central Europe. Landscape Ecology, v. 34, n. 12, p. 2837–2850, 1 dez. 2019.
SILVA, L. A. Uma revisão de literatura sobre o índice de vegetação por diferença normalizada (NDVI) no monitoramento de áreas degradadas por empreendimentos minerários. Holos Environment, v. 20, n. 2, p. 198–213, 14 mar. 2020.
TÁVORA, B. E.; EGERT, R.; BELTRÃO, L. Aplicação do Índice de Vegetação por Diferenças Normalizadas na avaliação da recuperação de danos em áreas degradadas. Boletim Científico Escola Superior do Ministério Público da União, n. 35, p. 85–95, 30 dez. 2011.
VALLE JÚNIOR, R. F. DO et al. Diagnosis of degraded pastures using an improved NDVI-based remote sensing approach: An application to the Environmental Protection Area of Uberaba River Basin (Minas Gerais, Brazil). Remote Sensing Applications: Society and Environment, v. 14, p. 20–33, 1 abr. 2019.
YANG, Y. et al. Factors Affecting Long-Term Trends in Global NDVI. Forests, v. 10, n. 5, p. 372, maio 2019.
