Resumo

A Unidade de Conservação (UC) Parque Estadual Mata da Pimenteira, foi a primeira a ser instituída no Estado de Pernambuco. Esta UC está localizada no município de Serra Talhada e é caracterizada por apresentar uma grande variabilidade biológica. Em termos cartográficos, devido a sua grande extensão torna-se difícil um monitoramento contínuo. Dessa forma, a partir do uso de ferramentas livres é possível detectar, extrair e disponibilizar as informações pertinentes desta UC.  Assim, a partir do uso do software livre de geoprocessamento SPRING versão 5.4.3 e das imagens da plataforma orbital do Google Earth, foram aplicadas as técnicas de processamento digital nas imagens resultantes da aplicação dos índices de vegetação MPRI e VARI. Os resultados obtidos foram a detecção das bordas da estrada vicinal e as bordas do reservatório. As detecções dessas feições são importantes, porque permitem acompanhar o crescimento antrópico sobre esta UC. Os arquivos foram obtidos em formato vetorial. Com esses arquivos foi elaborado um Webmapa no Python versão 3.7, com o objetivo de disponibilizar conhecimento cartográfico sobre essa UC. Além de destacar uma metodologia de baixo custo e de reprodução pelas entidades acadêmicas e gestores ambientais.

Palavras-chave

• Parque Estadual Mata da Pimenteira. MPRI
• VARI
• Segmentação
• Python. Mapa Interativo. Gestão Ambiental
• Webmap.

Referências

• Achary, J, Gadhiya,S, Raviya,K.(2013) Segmentation techniques for image analysis: A review. Remote Sensing of Environment, vol.3, 10-15.
• Bilar, A. B. C., Pimentel, R. M. M.(2016) Governança ambiental para o desenvolvimento sustentável em uma unidade de conservação no semiárido nordestino: desafios e perspectivas. Gaia Scientia, v. 10, n. 3.
• CPRH - Agência Estadual de Meio Ambiente. (2013) Parque Estadual Mata da Pimenteira. Serra Talhada, outubro de 2013. Disponível em: cprh.pe.gov.br/ARQUIVOS_ANEXO/PE%20Mata%20da%20Pimenteira%2022%2011%202013.pdf. Acesso em: 21/12/2019.
• Ferreira, M.P, Zortea, M, Zanotta,D.C, Shimabukuro,Y.E, Souza Filho, C.R. (2016) Mapping tree species in tropical seasonal semi-deciduous forests with hyperspectral and multispectral data. Remote Sensing of Environment, Volume 179, 66-78.
• Florenzano, T.G. (2005). Geotecnologias na geografia aplicada: difusão e acesso. Revista do Departamento de Geografia, v.17, p. 24-29.
• Gitelson, A.A, Kaufman,Y.J, Stark,R, Rundquist,D. Novel Algorithms for Remote Estimation Fraction. University of Nebraska – Lincoln.
• Gonzalez, R.C; Wintz, P. (2010) Digital Image Processing. Academic Pres.
• Henrique, R.E.da. (2018). Utilização de drone em mapeamentos florestais para classificação do uso e ocupação do solo. Pós-Graduação em Gestão Florestal, Setor de Ciências Agrárias, Universidade Federal do Paraná.
• Louhaichi, M., Borman, M.M., Johnson, D.E., 2001. Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International 16, 65–70
• Mui, A.; He, Y.; Weng, Q. (2015). An object-based approach to delineate wetlands across landscapes of varied disturbance with high spatial resolution satellite imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 109:30-46.
• Sirmacek,B; Unsalan,C. (2009). Built-uo area detection using local feature points and spatial voting. IEEE Geosci. Remote Sens. Lett. 7(1), 146-150.
• Peñuelas, J; Garbulsky, M. F; Filella, I.(2011). Photochemical reflectance index (PRI) and remote sensing of plant CO2 uptake. New Phytologist. Volume 191, Issue 3.
• Quang, N. T., Thuy, N. T., Sang, D. V., & Binh, H. T. T. An efficient framework for pixel-wise building segmentation from aerial images. In Proceedings of the sixth international symposium on information and communication technology (2015). New York, NY, (pp. 282–287).
• Senthilkumaran,N; Reghunadhan,R. (2009) Edge Detection Techniques for Image Segmentation - A Survey of Soft Computing Approaches. International Journal of Recent Trends in Engineering. Vol.1, No.2.
• Sun, J. (2012). Exploring edge complexity in remote-sensing vegetation index imageries. Journal of Land Use Science, volume 9, issue 2, pages 165-177.
• Unsalan, C; Boyer K.L. (2005) Classifying land development in high resolution panchromatic satellite images using straight-line statistics. IEEE Trans Geosci. Remote Sens. 42 (4), 907-919.
• Yasmin. M, Mohsi. S, Irum. I; Sharif M. (2013) Content based image retrieval by shape, color and relevance feedback. Life Science Journal, vol. 10.

Licença