Monitoramento de florestas em restauração do Estado de São Paulo: aplicação de sensoriamento remoto e deep learning para se classificar estágios sucessionais e subsidiar políticas públicas

• Processo: 22/14605-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de maio de 2023
• Data de Término da vigência: 30 de abril de 2024
• Área de conhecimento: Ciências Agrárias - Recursos Florestais e Engenharia Florestal - Conservação da Natureza
• Pesquisador responsável: Pedro Henrique Santin Brancalion
• Beneficiário: Angelica Faria de Resende
• Supervisor: Thiago Sanna Freire Silva
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Instituição Anfitriã: University of Stirling, Escócia
• Vinculado à bolsa: 19/24049-5 - Monitoramento das florestas em restauração do Estado do São Paulo: aplicação de novas ferramentas de sensoriamento remoto e subsídios para políticas públicas, BP.PD
• Assunto(s): Mata Atlântica Aprendizagem profunda Sensoriamento remoto Florestas Restauração florestal
• Palavra(s)-Chave do Pesquisador: Atlantic Forest | Deep Learning | Forest restoration | Remote Sensing | Secondary Forests | Successional Stages | Sensoriamento Remoto

Resumo

O Bioma Mata Atlântica se sobrepõe aos territórios de três países sul-americanos, com a maioria (92%) sob jurisdição e legislação do Brasil. Apenas ~22% da cobertura nativa nativa da Mata Atlântica brasileira permanece. Desde 2006 o bioma Mata Atlântica é protegido pela lei federal 11.428/2006, que implementa restrições de uso florestal com base em estágios sucessionais, com estágios mais avançados recebendo maior proteção. No entanto, dada sua grande extensão (> 1,1 MI Km2) e padrão disperso de fragmentos florestais nativos, a verificação in situ dos estágios sucessionais florestais por agentes da lei é inviável.Nosso objetivo é, portanto, entender a distribuição espacial dos estágios sucessionais, usando um extenso banco de dados de parcelas florestais de referência a serem classificadas de acordo com a lei, e usar esses dados para fornecer uma visão em alta resolução da configuração espacial dos estágios sucessionais florestais para toda a extensão da Mata Atlântica paulista.Começaremos com a classificação (de acordo com os parâmetros da lei) de um grande conjunto de dados de 350 parcelas florestais de 30 paisagens em São Paulo, coletadas dentro do Projeto NewFor (FAPESP #2018/18416-2). Então, nas próximas duas etapas, testaremos, treinaremos e validaremos o aprendizado profundo (Redes Neurais Convolucionais e Redes Morfológicas Profundas) para aprimorar espacialmente a classificação dos estágios sucessionais. Primeiro, usando dados do sensor lidar adquiridos para 14 dessas paisagens, extrapolaremos a classificação de estágios em nível de parcela para o nível de paisagem; com isso, podemos ampliar as áreas de amostragem. Em seguida, faremos um upscale para a espacialização no nível da Mata Atlântica de São Paulo, usaremos parcelas (para paisagens sem dados de lidar) e paisagens para classificar toda a área usando imagens de satélite de radar (mosaicos Sentinel 1, ALOS 2 PALSAR) e imagens ópticas (Landsat e Sentinel 2, Planet NICFI). Como resultado principal, determinaremos a configuração espacial dos tipos de floresta secundária e estágios sucessionais. Com nossos resultados, pretendemos subsidiar o monitoramento dos estágios sucessionais da vegetação secundária e a tomada de decisões pelos órgãos ambientais. (AU)