Mapping the Pasture Steppe in Bayankhongor, Mongolia: comparison of classification methods, using Landsat-8 and geophysical data

Grasslands in semi-arid regions, like Mongolian steppes, are facing desertification and degradation processes, due to climate change. Mongolia’s main economic activity consists on an extensive livestock production and, therefore, it is a concerning matter for the decision makers. Remote sensing and Geographic Information Systems provide the tools for advanced ecosystem management and have been widely used for monitoring and management of pasture resources. This study investigates which is the higher thematic detail that is possible to achieve through remote sensing, to map the steppe vegetation, using medium resolution earth observation imagery in three districts (soums) of Mongolia: Dzag, Buutsagaan and Khureemaral. After considering different thematic levels of detail for classifying the steppe vegetation, the existent pasture types within the steppe were chosen to be mapped. In order to investigate which combination of data sets yields the best results and which classification algorithm is more suitable for incorporating these data sets, a comparison between different classification methods were tested for the study area. Sixteen classifications were performed using different combinations of estimators, Landsat-8 (spectral bands and Landsat-8 NDVI-derived) and geophysical data (elevation, mean annual precipitation and mean annual temperature) using two classification algorithms, maximum likelihood and decision tree. Results showed that the best performing model was the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), using the decision tree. For maximum likelihood, the model that incorporated Landsat-8 bands with mean annual precipitation (Model 5) and the one that incorporated Landsat-8 bands with mean annual precipitation and mean annual temperature (Model 13), achieved the higher accuracies for this algorithm. The decision tree models consistently outperformed the maximum likelihood ones.

Estimation of chlorophyll-a concentration and the trophic state of the Barra Bonita hydroelectric reservoir using oli/landsat-8 images

Reservoirs are artificial environments built by humans, and the impacts of these environments are not completely known. Retention time and high nutrient availability in the water increases the eutrophic level. Eutrophication is directly correlated to primary productivity by phytoplankton. These organisms have an important role in the environment. However, high concentrations of determined species can lead to public health problems. Species of cyanobacteria produce toxins that in determined concentrations can cause serious diseases in the liver and nervous system, which could lead to death. Phytoplankton has photoactive pigments that can be used to identify these toxins. Thus, remote sensing data is a viable alternative for mapping these pigments, and consequently, the trophic. Chlorophyll-a (Chl-a) is present in all phytoplankton species. Therefore, the aim of this work was to evaluate the performance of images of the sensor Operational Land Imager (OLI) onboard the Landsat-8 satellite in determining Chl-a concentrations and estimating the trophic level in a tropical reservoir. Empirical models were fitted using data from two field surveys conducted in May and October 2014 (Austral Autumn and Austral Spring, respectively). Models were applied in a temporal series of OLI images from May 2013 to October 2014. The estimated Chl-a concentration was used to classify the trophic level from a trophic state index that adopted the concentration of this pigment-like parameter. The models of Chl-a concentration showed reasonable results, but their performance was likely impaired by the atmospheric correction. Consequently, the trophic level classification also did not obtain better results.

Análise do potencial do sensor OLI (Operational Land Imager) a bordo do Landsat-8 em estimar a concentração de sólidos totais em suspensão no reservatório de Barra Bonita

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Balanço hídrico em larga escala com imagens landsat 8 em agros-ecossistemas do submédio São Francisco.

Doze imagens Landsat 8 foram usadas em conjunto com uma rede de onze de estações agrometeorológicas para a modelagem em larga escala de indicadores do balanço hídrico nos agrosecossistemas da bacia hidrográfica do Submédio São Francisco, compostos por vegetação natural e culturas irrigadas. O algoritmo SAFER foi usado para a obtenção da evapotranspiração (ET), a qual foi usada em conjunto com dados de precipitação (P) interpolados. Para a classificação da vegetação e caracterização dos indicadores, o algoritmo SUREAL foi aplicado na determinação da resistência da superfície (rs) sendo valores limites de rs usados na separação em culturas agrícolas e espécies da Caatinga. Nas condições naturais mais úmidas do início do ano, as taxas de evapotranspiração na vegetação natural foram em torno de 30% daquelas para culturas irrigadas, enquanto que nas mais secas estas ficaram em torno de 6%. Considerando-se todo o ano, as culturas irrigadas consumiram cinco vezes mais água que as espécies da Caatinga, uma quantidade extra de 870 mm ano-1. Maiores cautelas com relação ao manejo de irrigação devem ser tomadas no período climaticamente mais seco do ano, devido ao aumento da retirada da água do Rio São Francisco, criando maiores possibilidades de conflitos entre os setores agrícolas e outros usuários da água.

Assessment of the spatial variability in Tall wheatgrass forage using LANDSAT 8 satellite imagery to delineate potential management zones

Little information is available on the degree of within-field variability of potential production of Tall wheatgrass (Thinopyrum ponticum) forage under unirrigated conditions. The aim of this study was to characterize the spatial variability of the accumulated biomass (AB) without nutritional limitations through vegetation indexes, and then use this information to determine potential management zones. A 27-×-27-m grid cell size was chosen and 84 biomass sampling areas (BSA), each 2 m(2) in size, were georeferenced. Nitrogen and phosphorus fertilizers were applied after an initial cut at 3 cm height. At 500 °C day, the AB from each sampling area, was collected and evaluated. The spatial variability of AB was estimated more accurately using the Normalized Difference Vegetation Index (NDVI), calculated from LANDSAT 8 images obtained on 24 November 2014 (NDVInov) and 10 December 2014 (NDVIdec) because the potential AB was highly associated with NDVInov and NDVIdec (r (2) = 0.85 and 0.83, respectively). These models between the potential AB data and NDVI were evaluated by root mean squared error (RMSE) and relative root mean squared error (RRMSE). This last coefficient was 12 and 15 % for NDVInov and NDVIdec, respectively. Potential AB and NDVI spatial correlation were quantified with semivariograms. The spatial dependence of AB was low. Six classes of NDVI were analyzed for comparison, and two management zones (MZ) were established with them. In order to evaluate if the NDVI method allows us to delimit MZ with different attainable yields, the AB estimated for these MZ were compared through an ANOVA test. The potential AB had significant differences among MZ. Based on these findings, it can be concluded that NDVI obtained from LANDSAT 8 images can be reliably used for creating MZ in soils under permanent pastures dominated by Tall wheatgrass.

Sistemas de produção em pecuária espacializados quanto ao Índice de Vegetação da Diferença Normalizada (NDVI) derivado de imagens do satélite Landsat 8.

Nosso objetivo neste estudo foi avaliar espacialmente, usando geoestatística, a variação do Índice de Vegetação da Diferença Normalizada (NVDI) em dois tipos de sistemas de pastejo: rotacionado e contínuo. A obtenção do NDVI ocorreu por meio de imagens do satélite Landsat 8 de 2013 a 2015, tratadas usando o software ArcGIS 10.3. Os valores de NDVI foram atribuídos a cada pixel (30 x 30 m) da imagem. As datas das imagens foram agrupadas em duas estações, seca (de abril a setembro) e chuvosa (de outubro a março), e os valores de NDVI foram analisados usando estatística descritiva e geoestatística, incluindo análise dos semivariogramas e interpolação por krigagem ordinária em uma grade de 1 x 1 m. Os parâmetros de dependência espacial obtidos pelo ajuste do semivariograma foram utilizados para a interpolação por krigagem ordinária, e os mapas foram elaborados. Houve dependência espacial para o NDVI nos dois sistemas de produção de pecuária, com melhor representação da variabilidade na estação seca de 2013, pois o padrão de variabilidade espacial do semivariograma escalonado indica maior homogeneidade dos dados da área de estudo nessa época em relação às demais. Os mapas resultantes da krigagem permitiram identificar, com maior precisão, a interferência da condição de estresse hídrico no desenvolvimento da pastagem, mais vigorosa no sistema rotacionado. A utilização de NDVI obtido por imagens de satélite Landsat 8 demonstrou potencial para o acompanhamento do vigor da vegetação em áreas de pastagem.

Procesamiento de Imágenes Satelitales Multiespectrales

En este proyecto se ha realizado el procesamiento de una imagen satelital multiespectral de México concretamente centrada en la región del Lago de Chapala. Este proceso tiene como objetivo la distinción de tierra y agua mediante un proceso semi-automático utilizando distintos software o herramientas informáticas. Dentro del proyecto podemos destacar ciertas fases u operaciones como el preprocesado realizado a la imagen satelital donde se han aplicado una serie de transformaciones, la aplicación de técnicas de clasificación supervisada mediante la realización de entrenamiento y testeo con regiones de interés extraídas de la imagen satelital para la obtención de clasificadores o la aplicación de estos clasificadores en la binarización de la imagen, obteniendo una imagen binaria donde un valor representa agua y otro tierra. También podemos destacar el empleo de índices de agua y vegetación como una herramienta fundamental en la detección y en el análisis de cuerpos de agua. Éstos han marcado la calidad de los resultados obtenidos en el proyecto.

Variação da área irrigada por pivôs centrais no Brasil entre 2013 e 2014.

Foram comparadas as áreas irrigadas por pivôs centrais no Brasil em 2013 e 2014, mapeadas através da identificação visual a partir de mosaicos formados por imagens do satélite Landsat 8 ? OLI / TRS de 2013 e 2014, respectivamente, exibidas no programa Google Earth. Em 2013 foram identificados 17.878 pivôs centrais, ocupando uma área irrigada de 1.179.176 ha. Em 2014, foi observado aumento de 11% no número de pivôs centrais e de 8% na área irrigada (19.928 pivôs centrais, 1.279.072 ha irrigados). Em 2013, praticamente 90% dos pivôs concentravam-se nos Estados de Minas Gerais, São Paulo, Goiás, Bahia e Rio Grande do Sul, situação também observada para o ano de 2014. Em alguns Estados foi verificado aumento maior do que 20% no número de pivôs entre 2013 e 2014, como em Alagoas (133%), Santa Catarina (50%), Mato Grosso (20,07%). Em outros Estados, porém, o número de pivôs diminuiu em mais do que 20%, como é o caso do Sergipe (-100%), Pernambuco (-75%) e Maranhão (-46,61%). Em 2013, aproximadamente 45% dos pivôs centrais do Brasil concentrava-se na Região Hidrográfica do Rio Paraná; e quase 30%, na do Rio São Francisco. Em 2014, a Região Hidrográfica do Rio Paraná passou a concentrar cerca de 50% dos pivôs centrais do país. Apesar das adversidades climáticas verificadas nos últimos anos, principalmente nas áreas de Cerrado, com o aumento de incentivos econômicos para a produção de alimentos prevê-se a expansão futura das áreas irrigadas no país. Apesar do benefício potencial da irrigação para a produção agrícola, estratégias para promover o aumento da produção agrícola irrigada devem considerar restrições relacionadas com a disponibilidade, qualidade e conflitos de uso da água das bacias hidrográficas em que estão inseridas. Ações estimulando a melhoria da qualidade da água, conservação de nascentes e áreas de preservação permanente, bem como o gerenciamento eficiente dos recursos hídricos, contribuirão para a melhoria da qualidade e quantidade de água disponível, fundamentais para possibilitar a sustentabilidade e expansão futura da agricultura irrigada no Brasil.

Determining the irrigated area under center - pivots systems in the southewestern of Buenos Aires Province (Argentina) employing satellite images

p.109-119

Análise das deslocações do Elefante Africano (Loxodonta africana) em função de factores ambientais e actividades humanas na Reserva Florestal de Moribane, Moçambique

Dissertação de Mestrado, Gestão e Conservação da Natureza, 10 de Dezembro de 2015, Universidade dos Açores.

Télédétection du carbone organique des lacs boréaux

Une estimation des quantités de carbone organique dissous dans les millions de lacs boréaux est nécessaire pour améliorer notre connaissance du cycle global du carbone. Les teneurs en carbone organique dissous sont corrélées avec les quantités de matière organique dissoute colorée qui est visible depuis l’espace. Cependant, les capteurs actuels offrent une radiométrie et une résolution spatiale qui sont limitées par rapport à la taille et l’opacité des lacs boréaux. Landsat 8, lancé en février 2013, offrira une radiométrie et une résolution spatiale améliorées, et produira une couverture à grande échelle des régions boréales. Les limnologistes ont accumulé des années de campagnes de terrain dans les régions boréales pour lesquelles une image Landsat 8 sera disponible. Pourtant, la possibilité de combiner des données de terrain existantes avec une image satellite récente n'a pas encore été évaluée. En outre, les différentes stratégies envisageables pour sélectionner et combiner des mesures répétées au cours du temps, sur le terrain et depuis le satellite, n'ont pas été évaluées. Cette étude présente les possibilités et les limites d’utiliser des données de terrain existantes avec des images satellites récentes pour développer des modèles de prédiction du carbone organique dissous. Les méthodes se basent sur des données de terrain recueillies au Québec dans 53 lacs boréaux et 10 images satellites acquises par le capteur prototype de Landsat 8. Les délais entre les campagnes de terrain et les images satellites varient de 1 mois à 6 ans. Le modèle de prédiction obtenu se compare favorablement avec un modèle basé sur des campagnes de terrain synchronisées avec les images satellite. L’ajout de mesures répétées sur le terrain, sur le satellite, et les corrections atmosphériques des images, n’améliorent pas la qualité du modèle de prédiction. Deux images d’application montrent des distributions différentes de teneurs en carbone organique dissous et de volumes, mais les quantités de carbone organique dissous par surface de paysage restent de même ordre pour les deux sites. Des travaux additionnels pour intégrer les sédiments dans l’estimation sont nécessaires pour améliorer le bilan du carbone des régions boréales.

Geoestatística multivariada na delimitação de zonas de manejo na cultura de cana-de-açúcar

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Indices de vegetação na mensuração do estoque de carbono em áreas com cana-de-açúcar

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Produtividade de biomassa de cana-de-açúcar em função dos índices de vegetação utilizando técnicas de sensoriamento remoto

Pós-graduação em Agronomia (Ciência do Solo) - FCAV

Caracterización de clases de ocupación de suelo y usos agrícolas en un área de la provincia de Toledo (Talavera de la Reina) a partir de imágenes de satélite de media resolución.

Con el presente proyecto se ha pretendido realizar una clasificación de los distintos usos del suelo en la provincia de Toledo y de forma más precisa en el municipio de Talavera de la Reina. Se ha profundizado en los conocimientos sobre teledetección adquiridos durante los años de estudio de la titulación de Ingeniero Técnico en Topografía, cubriendo las aplicaciones más importantes. Para ello, en primer lugar se debe recopilar la información, en este caso se han utilizado dos imágenes Landsat 8 - OLI (19/4/2013 - 9/8/2013) y con el software adecuado se realiza la clasificación dividiendo el suelo en los usos más frecuentes de dicha zona. El resultado obtenido nos muestra los distintos usos del suelo en el año de estudio, 2013, y exponer el potencial de las técnicas de teledetección, para así poder interpretar y llegar a conocer temas de gran relevancia como el aprovechamiento del terreno o el desarrollo del sector agrícola en la zona. El procedimiento consta de la elaboración de los correspondientes documentos cartográficos de usos del suelo y vegetación para el año 2013 a partir de las imágenes de satélite.