Quali ASGarcia

Universidade de São Paulo
Centro de Energia Nuclear na Agricultura

Laboratório de geoprocessamento e análises ambientais
Programa Interunidades de Pós-Graduação em Ecologia Aplicada
Dinâmica do uso e da cobertura do solo na fronteira

agrícola da Amazônia brasileira: forçantes de
mudanças e futuros cenários
Ma. Andrea Santos Garcia

Profa. Dra. Maria Victoria Ramos Ballester
Piracicaba
Abril de 2017
Apresentação
1) Tese
a) objetivo geral
b) contextualização
c) principais perguntas e hipóteses
2) Área de estudo
3) Métodos
4) Resultados preliminares
5) Conclusões preliminares
6) Passos futuros
Objetivo geral
Analisar os processos de mudança da cobertura e uso
da terra na bacia do Alto Xingu e suas relações com a
perda quantitativa e qualitativa da vegetação nativa,
bem como as principais tendências e forçantes de
mudança; E então, projetar potenciais cenários futuros
para a região.
Contextualização
Dinâmicas socioeconômicas,
Demanda por alimento,
regulações e características
água, fibra e energia
biofísicas
(diferentes escalas)
Mudança no uso e
cobertura da terra
Serviços ecossistêmicos
Contextualização
Regiões tropicais de fronteira agrícola
Dinâmicas socioeconômicas,
Demanda por alimento,
regulações e características
água, fibra e energia
biofísicas
(diferentes escalas)
Mudança no uso e
cobertura da terra
Serviços ecossistêmicos
Contextualização
Bacia do Alto Xingu
 Dinâmicas socioeconômicas
 Regulações
 Características biofísicas
(grandes escalas)
Contextualização
Bacia do Alto Xingu
 Dinâmicas socioeconômicas
 Regulações
 Características biofísicas
(pequenas escalas)
Perguntas e hipóteses
Como a paisagem da Bacia do Alto Xingu evoluiu nos últimos 30 anos?
Hipótese I: os processos de mudança da LCLU estão em um primeiro

momento relacionados às características biofísicas da paisagem, mas
se tornam mais relacionados com as características socioeconômicas
à medida que as mudanças avançam;
Hipótese II: Há um limiar de mudanças no LULC para o qual as

mudanças se tornaram mais prováveis de ocorrer de acordo com
características socioeconômicas do que biofísicas;
Hipótese III: Diferentes dinâmicas de paisagem podem ser resultados

das mesmas forçantes, dependendo das escalas temporais e espaciais;
Como é a distribuição espacial dessas mudanças na paisagem,

especialmente no que se refere à perda quantitativa e qualitativa de
florestas nativas?
Hipótese IV: O desmatamento e a degradação de dossel apresentam a

mesma distribuição temporal e espacial em grande escala (por
exemplo: níveis de municípios), mas padrões diferentes em escalas
menores (pixel / objeto);
Hipótese V: Pastagens ou pequenas áreas agrícolas têm maior

probabilidade de facilitar o desmatamento, mas não necessariamente
a degradação florestal;
Quais são os cenários futuros para o Alto Xingu considerando as

forçantes biofísicas e sócio-econômicas mais representativas, bem
como as forçantes de mudanças climáticas?
Hipótese VI: Modelos de expansão por contagio representam

adequadamente as mudanças no uso da terra passadas e futuras;
Hipótese VII: O uso da terra relacionado a plantações será aquele com

maior expansão na área de estudo, substituindo principalmente
pastagens.
Área de estudo
 Bacia do Alto Rio Xingu

▪ Mato Grosso
▪ Biomas Cerrado e Amazonia
▪ Bacia do rio Amazonas
2%
9%
0.4 %
30 %
(FAO Stats; IBGE/SIDRA)

Métodos - Workflow
Input data
Study area: Upper Xingu basin Remotely-sensed data
Data processing
Landsat MODIS RapidEye
Output
Quality evaluation + geometric and radiometric corrections + mosaicking
Image classification
Fractional cover analysis
Census, TerraClass; Independent

Accuracy assessment Accuracy assessment
interpretation; Field data
LCLU mapping Native vegetation mapping
Auxiliary data
Post-classification change detection (biophysical, socioeconomic and tenure) Change detection
Modelling LCLU
Future land cover

scenarios modelling Temporal series of LCLUc, deforestation and canopy
degradation (1985, 1990. 1995, 2000, 2005, 2010, 2015);
Future LCLU scenarios
Métodos - Workflow
Input data
Data processing
Output

Auxiliary data
HOJE
Modelling LCLU
Future land cover

degradation (1985, 1990. 1995, 2000, 2005, 2010, 2015);
Métodos - Dados
Data Description Source
01 – Pedology (GD) Soil type (1:5.000.000) EMBRAPA
02 - Terrain elevation (GD) Terrain elevation (30m) ASTER DEM
03 - Slope (GD) Degree of land inclination (30m) Derived from data 02
04 - Drainage (GD) Water bodies network Derived from data 02
05 - Distance from streams (GD) Distance of a point from nearest stream (30 m) Derived from data 04
06 - Climate (GD) Interpolated precipitation and temperature data (30 arc-seconds) WorldClim
07 - Climate (GD) Interpolated precipitation and temperature data Meteorological stations
08 - Climate (GD) Climate scenario (0,5°) EMBRAPA
09 - Land cover/use (GD) TerraClass Amazon (30m)* EMBRAPA, INPE
10 - Land cover/use (GD) TerraClass Cerrado (30m)** MMA
11 - Land cover/use (GD) Classified Landsat images (30m) USGS
12 - Land cover (GD) MODIS Vegetation Indices (250m) USGS, BOKU***
13 - Land cover (GD) MODIS Net Primary Production (1km) USGS
14 – Vegetation (GD) Native vegetation type IBGE
15 - Infrastructure (GD) Roads network IBGE, SEMA-MT
16 - Distance from roads (GD) Distance of a point from nearest road (30m) Derived from data 14
17 - Distance from cities (GD) Distance of a point from nearest city (30m) Derived from data 11
18 – Zoning (GD) Ecological-economic zoning MMA
19 – Property (GD) Farm property boundaries CAR - SEMA/MT
20 – Property (GD) Settlements lots INCRA
21 - Population size (AT) Population size by municipality over time IBGE
22 - Population income (AT) Population income by municipality over time IBGE
23 – Livestock (AT) Multitemporal area for livestock production and herd size by municipality over time IBGE
24 - Crop (AT) Multitemporal area for crop production and tones by municipality IBGE
25 – Silviculture (GD) Silviculture (30m) GFW
*Minimum mapping unit of 4.41 ha; **Minimum mapping unit of 6.25 ha; ***University of Natural Resources and Life Sciences (IVFL, Vienna).
Métodos - Dados
Data Description Source
01 – Pedology (GD) Soil type (1:5.000.000) EMBRAPA
02 - Terrain elevation (GD) Terrain elevation (30m) ASTER DEM
03 - Slope (GD) Degree of land inclination (30m) Derived from data 02
04 - Drainage (GD) Water bodies network Derived from data 02
05 - Distance from streams (GD) Distance of a point from nearest stream (30 m) Derived from data 04
06 - Climate (GD) Interpolated precipitation and temperature data (30 arc-seconds) WorldClim
07 - Climate (GD) Interpolated precipitation and temperature data Meteorological stations
08 - Climate (GD) Climate scenario (0,5°) EMBRAPA
09 - Land cover/use (GD) TerraClass Amazon (30m)* EMBRAPA, INPE
10 - Land cover/use (GD) TerraClass Cerrado (30m)** MMA
11 - Land cover/use 126 (GD) Classified Landsat images (30m) USGS
12 - Land cover (GD) MODIS Vegetation Indices (250m) USGS, BOKU***
13 - Land cover
260 (GD) MODIS Net Primary Production (1km) USGS
14 – Vegetation (GD) Native vegetation type IBGE
15 - Infrastructure (GD) Roads network IBGE, SEMA-MT
16 - Distance from roads (GD) Distance of a point from nearest road (30m) Derived from data 14
17 - Distance from cities (GD) Distance of a point from nearest city (30m) Derived from data 11
18 – Zoning (GD) Ecological-economic zoning MMA
19 – Property (GD) Farm property boundaries CAR - SEMA/MT
20 – Property (GD) Settlements lots INCRA
21 - Population size (AT) Population size by municipality over time IBGE
22 - Population income (AT) Population income by municipality over time IBGE
23 – Livestock (AT) Multitemporal area for livestock production and herd size by municipality over time IBGE
24 - Crop (AT) Multitemporal area for crop production and tones by municipality IBGE
25 – Silviculture (GD) Silviculture (30m) GFW
*Minimum mapping unit of 4.41 ha; **Minimum mapping unit of 6.25 ha; ***University of Natural Resources and Life Sciences (IVFL, Vienna).
Métodos - Workflow
Input data
Data processing
Output

Auxiliary data
Modelling LCLU
Future land cover

degradation (1985, 1990. 1995, 2000, 2005, 2010, 2015);
Métodos - Classificação
L1
Environmental law
L2
Hidrol. modelling
L3 – L4
Use of resources,
Policies,
Cultural background
INFORMAÇÃO L1
Environmental law
L2
Teoria da Hidrol. modelling
informação
L3 – L4
Use of resources,
Policies,
Cultural
PRECISÃO background
Unsupervised classification (ISOdata algorithm) Classes aggregation

Nº of classes: from 30 to 40
Minimum size: 0.001
SD: from 4 to 5
Maximum merging: 10
Maximum interactions: 20
Convergence: 0.95
Skip factor: 1
Forest
Cerrado formations
Wetlands
Managed areas
Surface water
Natural and Semi-Natural Vegetation Burned land
Cultivated and Managed Terrestrial Areas Confusion
Surface water
Burned land
Confusion
Classes aggregation
Level 1
Pixel-based Decision tree Object-based
Natural and Semi-Natural Vegetation

L1 Cultivated and Managed Terrestrial Areas
ISOdata output Surface water
EVImax
Burned land L1
Confusion ISOdata output
EVImax
Forest EVImin
Savanic formations DGEI
Wetlands EVIlandsat
Secondary complex
IBGEsensu
Agriculture
L1
Pasturelands
L2
Bare land
ISOdata output
Urban
Manual extraction
Surface water based on ISOdata output
Burned land
Confusion
Level 2
L2
Forest
∑(EVIyear profile)
Decision tree Forest cerrado
EVImax
Woody cerrado
IBGE Vegadapted
Shrub-grassland cerrado
Forest Wetlands
Savanic formations Secondary complex
Wetlands
Secondary complex
Agriculture L2 Single crop
Pasturelands ∑(EVIyear profile) Double crop
Bare land
∑(Daysevi > 0.5) Irrigated crop
Urban L2 Degraded pastureland
∑(EVIyear profile) Pastureland
Surface water
DGEI Bare land
Burned land
Urban
Confusion
L2
L3
Surface water
Burned land
Confusion
Level 3
Métodos - Workflow
Input data
Data processing
Output

Auxiliary data
Modelling LCLU
Future land cover

degradation (1985, 1990. 1995, 2000, 2005, 2010, 2015);
Métodos – Desmatamento/ degradação
R B4
G B3
B B2
- Spectral mixture
analysis
- Automated Monte Carlo

Unmixing
Métodos - Treinamento
Trabalho de campo (2015)
Pontos de treinamento para

modelos
~ 300 pontos de verdade terrestre

Métodos - Validação
Total:
~ 4,500 km dentro da bacia
~ 8,000 km de viagem
~1500 pontos de coleta de verdade

terrestre
Métodos - Validação
Total:
~ 4,500 km dentro da bacia
~ 8,000 km de viagem Oiapoque, Amapá
~1500 pontos de coleta de verdade

terrestre 4,160 km
Chuí, Rio Grande do Sul

Resultados preliminares
Resultados
L1 L2 L3
Accuracy 0.9466 0.8417 0.7966
Kappa index 0.8946 0.7899 0.7400
Accuracy p-value 0.0000 0.0000 0.0000
Landis and Koch (1977)
+ +
PRECISÃO INFORMAÇÃO
Resultados
Classificação L1
L1
Accuracy 94.66 %
Kappa index 89.46 %
Accuracy p-value 0.0000
Resultados
1985
40,000
80,000
Área (km²)
120,000
160,000
Resultados
1990
1985
40,000
80,000
120,000
160,000
-
Área (km²)
Resultados
1995
1990
1985
120,000
160,000
40,000
80,000
-
Área (km²)
Resultados
2000
1995 Pico
1990
1985
120,000
160,000
40,000
80,000
-
Área (km²)
Resultados
~25,000 km²
1,5%.ano-1
2005
Pico
2000
Pico
1995
1990
1985
40,000
80,000
120,000
160,000
-
Área (km²)
Resultados
2010
2005
2000
1995
1990
1985
40,000
80,000
120,000
160,000
-
Área (km²)
Resultados
2015
2010
2005
2000
1995
1990
1985
40,000
80,000
120,000
160,000
-
Área (km²)
Resultados
Classificação L2
Cor = 0.99
30000
25000
20000
Area (km²)
15000
Cotton + Sorghum + Corn
10000 Soy
L2 Classification
5000
L2
Accuracy 84.17 %
Kappa index 78.99 %
Resultados
Resultados
Resultados
Resultados
Resultados
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
1985-1990
100 -10
90 -9
Native vegetation loss rate (%)

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
CROP PAST CROP PAST CROP PAST CROP PAST CROP PAST CROP PAST
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
1990-1995
100 -10
90 -9

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
1995
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
1995-2000
100 -10
90 -9

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
2000
1995
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
2000-2005
100 -10
90 -9

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
2005
2000
1995
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
2005-2010
100 -10
90 -9

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
2010
2005
2000
1995
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
Expansão agrícola
2010-2015
100 -10
90 -9

80 -8
70 -7
Land use change (%)
60 -6
50 -5
40 -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
Expansão agrícola
2010-2015
100 -10
90 -9

80 -8
70
Entre 2005 – 2015 -7
Land use change (%)
60 -6
50 Cerrado ~8,200km² = 6x Piracicaba -5
40 Floresta ~4,300 = 3 x Piracicaba -4
30 -3
20 -2
10 -1
- 0
1985-1990 1990-1995 1995-2000 2000-2005 2005-2010 2010-2015
Resultados
2015
2010
2005
2000
1995
1990
1985
- 30,000 60,000 90,000 120,000

Área (km²)
Resultados
L3
Resultados da Classificação L3
Accuracy 79.66 %
(não apresentadas anteriormente)
Kappa index 74.00 %
30000
Planted area (km²)
25000 Cor = 0.99

20000
15000 Cotton + Sorghum + Corn
10000 Soy
5000 L3 Classification
0
2000 2005 2010 2014/2015
Sampled year
IBGE: milheto não está computado

Resultados
Resultados
Resultados
Cerrado
Resultados
Cerrado
Floresta = úmida + transição

Vegetação (IBGE)
Resultados
Pastagens
Resultados
Pastagens
Resultados
Lavouras
Resultados
Lavouras
Resultados
2000
- 5,000 10,000 15,000 20,000 25,000 30,000
2000
- 20,000 40,000 60,000 80,000 100,000

Área (km²)
Resultados
Expansão agrícola
2000-2005
Perda de coberturas naturais
-9 %
100
90
80
70
Land use change (%)
60
50
40
30
20
10
-
OC DC IC PA DP OC DC IC PA DP OC DC IC PA DP
2000-2005 2005-2010 2005-2010
Resultados
2005
2000
- 5,000 10,000 15,000 20,000 25,000 30,000
2005
2000
- 20,000 40,000 60,000 80,000 100,000

Área (km²)
Resultados
Expansão agrícola
2005-2010
-2 %
100
90
80
70
Land use change (%)
60
50
40
30
20
10
-
2000-2005 2005-2010 2005-2010
Resultados
2010
2005
2000
- 5,000 10,000 15,000 20,000 25,000 30,000
2010
2005
2000
- 20,000 40,000 60,000 80,000 100,000

Área (km²)
Resultados
Expansão agrícola
2000-2005
-7 %
100
90
80
70
Land use change (%)
60
50
40
30
20
10
-
2000-2005 2005-2010 2010-2015
Resultados
2015
2010
2005
2000
- 10,000 20,000 30,000
2015
2010
2005
2000
- 20,000 40,000 60,000 80,000 100,000

Área (km²)
Conclusão
Em geral:
- Processo de amplificação de áreas manejadas ocorre até 2005

Ainda é o principal processo no bioma Cerrado
- Intensificação ocorre apartir de 2005

Principalmente no bioma amazônico
Maiores impactos no bioma Cerrado do que no Amazonico

(principalmente recentemente)
- Monitoramento
- Sem restriçoes de mercado
- Menos áreas protegidas
Próximos passos
 Em andamento:
- Classificação - Level 4
- Análises da paisagem levando em consideração

UCs e terra indígenas;
- Desmatamento e degradação com base em

coberturas fracionadas;
- Modelagem das LULCc;
 Modelagem final:
- Futuro cenários de mudança do uso da terra
Equipe
Comitê de monitoramento:
Gabriel Henrique Lui (Ministério do Meio Ambiente)

Paul West (IonE/University of Minnesota)
Silvia Maria Guerra Molina (ESALQ/USP)
Fernanda Viegas Reichardt (CENA/USP)
Laboratório:
Maria Victoria Ballester

Rodnei Rizzo
Henrique Sawakuchi
Vivian Vilela
OBRIGADA

Quali ASGarcia

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Quali ASGarcia

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade de São Paulo

Centro de Energia Nuclear na Agricultura

Dinâmica do uso e da cobertura do solo na fronteira

Ma. Andrea Santos Garcia

Analisar os processos de mudança da cobertura e uso

da terra na bacia do Alto Xingu e suas relações com a

perda quantitativa e qualitativa da vegetação nativa,

bem como as principais tendências e forçantes de

mudança; E então, projetar potenciais cenários futuros

Regiões tropicais de fronteira agrícola

Bacia do Alto Xingu

Bacia do Alto Xingu

Como a paisagem da Bacia do Alto Xingu evoluiu nos últimos 30 anos?

Hipótese I: os processos de mudança da LCLU estão em um primeiro

Hipótese II: Há um limiar de mudanças no LULC para o qual as

Hipótese III: Diferentes dinâmicas de paisagem podem ser resultados

Como é a distribuição espacial dessas mudanças na paisagem,

Hipótese IV: O desmatamento e a degradação de dossel apresentam a

Hipótese V: Pastagens ou pequenas áreas agrícolas têm maior

Quais são os cenários futuros para o Alto Xingu considerando as

Hipótese VI: Modelos de expansão por contagio representam

Hipótese VII: O uso da terra relacionado a plantações será aquele com

 Bacia do Alto Rio Xingu

(FAO Stats; IBGE/SIDRA)

Quality evaluation + geometric and radiometric corrections + mosaicking

Census, TerraClass; Independent

LCLU mapping Native vegetation mapping

Future land cover

Quality evaluation + geometric and radiometric corrections + mosaicking

Census, TerraClass; Independent

LCLU mapping Native vegetation mapping

Future land cover

Quality evaluation + geometric and radiometric corrections + mosaicking

Census, TerraClass; Independent

LCLU mapping Native vegetation mapping

Future land cover

Unsupervised classification (ISOdata algorithm) Classes aggregation

Natural and Semi-Natural Vegetation

Quality evaluation + geometric and radiometric corrections + mosaicking

Census, TerraClass; Independent

LCLU mapping Native vegetation mapping

Future land cover

- Automated Monte Carlo

Trabalho de campo (2015)

Pontos de treinamento para

~ 300 pontos de verdade terrestre

Trabalho de campo (2016)

~1500 pontos de coleta de verdade

Trabalho de campo (2016)

~1500 pontos de coleta de verdade

Chuí, Rio Grande do Sul

Landis and Koch (1977)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)

- 30,000 60,000 90,000 120,000

Native vegetation loss rate (%)