Eucalyptus silviculture in the state of Goiás: a historical record through remote sensing
DOI:
https://doi.org/10.4336/2019.pfb.39e201801649Keywords:
Land use, Forest plantations, LandsatAbstract
Global demand for food and energy has grown intensely in recent decades, facing an estimated 10 billion people in the world by 2050. Along with this phenomenon, there are also growing areas for planting grains and commercial forests. In this context, the main objective of this work is to map the areas of forestry in the state of Goiás by remote sensing techniques, between the years of 2002 and 2015, verifying the location and quantification of the main planting areas. Therefore, images from the Operational Land Imager (OLI) of the Landsat-8 satellite were processed in the Arcgis® and ENVI® softwares. Thus through a supervised digital classification by the maximum likelihood method, we estimated the area with planted forests in the state. After the classification, it was verified that there were considerable advances in terms of areas planted in Goiás, noting that in 2002 there were approximately 50,425 ha of planted forest, reaching 162,516 ha in 2015. The Goiás mesoregions with the largest forest plantations were the South, East and North, while South and East are the largest producers of firewood and timber. The spatial distribution of the plantations is characterized by small areas and non-vertical production of the producers. This unprecedented and strategic information can better guide the expansion and increase the productivity of the sector, reconciling this process with the environmental conservation of the Cerrado biome.Downloads
Download data is not yet available.
References
AnuaÌrio estatiÌstico da ABRAF 2006: ano base 2005. BrasiÌlia, DF: ABRAF, 2006.
Achard, F. et al. Determination of tropical deforestation rates and related carbon losses from 1990 to 2010. Global Change Biology, v. 20, p. 2540-2554, 2014. https://doi.org/10.1111/gcb.12605.
Almeida, A. S. & Vieira, I. C. G. Dinâmica da cobertura vegetal e uso da terra no município de São Francisco do Pará (Pará, Brasil) com o uso da técnica de sensoriamento remoto. Boletim do Museu Paraense Emílio Goeldi: Ciências Naturais, v. 3, n. 1, p. 81-92, 2008.
Asner, G. P. et al. Selective logging in the Brazilian Amazon. Science, v. 310, n. 5747, p. 480-482, 2005. https://doi.org/10.1126/science.1118051.
Bakr, N. et al. Multi-temporal assessment of land sensitivity to desertification in a fragile agro-ecosystem: environmental indicators. Ecological Indicators, v. 15, p. 271, 2012.
Borro, M. et al. Mapping shallow lakes in a large South American floodplain: a frequency approach on multitemporal Landsat TM/ETM data. Journal of Hydrology, v. 512, p. 39-52, 2014.
Brasil. Ministério do Meio Ambiente. Mapeamento do uso do solo e cobertura do cerrado: Projeto TerraClass Cerrado 2013. Brasília, DF, 2015.
Brasil. Ministério do Meio Ambiente. Projeto de Conservação e Utilização Sustentável da Biodiversidade Biológica Brasileira: Probio. Cobertura vegetal do Cerrado (2002). Brasília, DF, [2016]. Disponível em: <http://maps.lapig .iesa.ufg.br/lapig.html>. Acesso em: 15 mar. 2016.
Carrão, H. et al. Contribution of multispectral and multitemporal information from MODIS images to land cover classification. Remote Sensing of Environment, v. 112, p. 986-997, 2008. https://doi.org/10.1016/j.rse.2007.07.002.
Carvalho, T. M. de & Bayer, M. Utilização dos produtos da "Shuttle Radar Topography Mission" (SRTM) no mapeamento geomorfológico do estado de Goiás. Revista Brasileira de Geomorfologia, n. 1, 2008.
Castro, M. C. et al. Municípios goianos: competitividade e concentração da fruticulture. In: Goiás. Secretaria de Estado de Gestão e Planejamento. Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos. Conjuntura Econômica Goiana, n. 29, p. 47-63, 2014.
Cruz, Z. Q. & Ribeiro, G. P. Ensaios de segmentação e classificação digital de imagens CBERS utilizando o sistema Spring em uma unidade de conservação ambiental estudo de caso: Parque Nacional da Serra dos Órgãos (PARNASO). In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 2., 2008, Recife: UFPE. Anais... Recife: UFPE, 2008.
Demir, B. et al. Batch-mode active-learning methods for the interactive classification of remote sensing images. IEEE Transactions on Geoscience and Remote Sensing, v. 49, n. 3, p. 1014-1031, 2011. https://doi.org/10.1109/TGRS.2010.2072929.
Devries, B. et al. Characterizing forest change using community-based monitoring data and landsat time series. PLoS One, v. 11, n. 3, 2016. https://doi.org/10.1371/journal.pone.0147121.
Fernandes, G. W. et al. Afforestation of savannas: an impending ecological disaster. Natureza & Conservação, v. 14, n. 2, p. 146-151, 2016. https://doi.org/10.1016/j.ncon.2016.08.002.
Ferreira, C. A. & Silva, H. D. As plantações florestais. In: Ferreira, C. A. & Silva, H. D. (Orgs.) Formação de povoamentos florestais. Colombo: Embrapa Florestas, 2008. p. 33-41.
Figueiredo, G. C. & Vieira, C. A. O estudo do comportamento dos índices de Exatidão Global, Kappa e Tau, comumente usados para avaliar a classificação de imagens do sensoriamento remoto. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais... Florianópolis: INPE, 2007. p. 5755-5762.
Gao, Y. et al. Estimation of the North-South transect of Eastern China forest biomass using remote sensing and forest inventory data. International Journal of Remote Sensing, v. 34, n. 15, p. 5598-5610, 2013. https://doi.org/10.1080/01431161.2013.794985.
Goiás. Secretaria de Estado de Gestão e Planejamento. Goiás em dados 2014. Goiânia, 2014.
Goiás. Sistema Estadual de Geoinformação. Disponível em: <www.sieg.go.gov.br>. Acesso em: 22 maio 2019.
Goiás. Superintendência de Geologia e Mineração (SGM). Sistema Estadual de Geoinformação do estado de Goiás. Goiânia, 2006. Disponível em: <www.sieg.go.gov.br>. Acesso em: 13 abr. 2015.
Gomes, M. P. et al. Avaliação de imagens MODIS para o monitoramento de desmatamento em áreas de Cerrado do estado de Goiás. Disponível em: <https://www.lapig.iesa.ufg.br/lapig/index.php/component/jdownloads/send/4-periodicos/292-avaliacao-de-imagens-modis-para-o-monitoramento-de-desmatamento-em-areas-de-cerrado-do-estado-de-goias?Itemid=0>. Acesso em: 11 abr. 2016.
Gonçalves, J. L. M. et al. Caracterização edafoclimática e manejo das áreas com plantações de eucalipto. In: Schumacher, M. V. & Viera, M. (Org.) Silvicultura do eucalipto no Brasil. Santa Maria: Ed. UFSM, 2015. p. 113-155.
Google Earth. Disponível em: <www.google.com/earth/>. Acesso em: 7 mar. 2016.
Hu, C. et al. Uncertainties of SeaWiFS and MODIS remote sensing reflectance: implications from clear water measurements. Remote Sensing of Environment, v. 133, p. 168-182, 2013. https://doi.org/10.1016/j.rse.2013.02.012.
Ibá. Indústria Brasileira de Árvores. Ibá: Indústria Brasileira de Árvores 2015. Brasília, DF, 2015. 100 p. Relatório Ibá 2015.
Ibá. Indústria Brasileira de Árvores. Ibá: Indústria Brasileira de Árvores 2016. Brasília, DF, 2016. 100 p. Relatório Ibá 2016.
IBGE. Instituto Brasileiro de Geografia e Estatística. Malhas digitais. 2010. Disponível em: <http://mapas.ibge.gov.br/bases-e-referenciais/bases-cartograficas/malhas-digitais.html>. Acesso em: 14 set. 2015.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Manual técnico da vegetação brasileira. Rio de Janeiro, 1992. 91 p.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Produção da extração vegetal e da silvicultura. Rio de Janeiro, [2013]. Disponível em: <https://sidra.ibge.gov.br/tabela/5930>. Acesso em: janeiro de 2019.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Produção da extração vegetal e da silvicultura. Rio de Janeiro, [2015]. Disponível em: <https://sidra.ibge.gov.br/tabela/5930>. Acesso em: janeiro de 2019.
Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos. Sistema Estadual de Geoinformação. Goiânia, 2013. Disponível em: < www.sieg.go.gov.br >. Acesso em: 23 maio 2019.
Kröger, M. The expansion of industrial tree plantations and dispossession in Brazil. Development and Change, v. 43, p. 947-973, 2012. https://doi.org/10.1111/j.1467-7660.2012.01787.x.
Lee, S. Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data. International Journal of Remote Sensing, v. 26, n. 7, p. 1477-1491, 2005. https://doi.org/10.1080/01431160412331331012.
Lee, S. et al. Estimating oceanic primary productivity from ocean color remote sensing: a strategic assessment. Journal of Marine Systems, v. 149, p. 50-59, 2015. https://doi.org/10.1080/01431161.2013.794985.
Lopes, C. R. Expansão da silvicultura de eucalipto no bioma cerrado: uma análise sob a perspectiva dos fatores físicos e socioeconômicos. 2013. Dissertação (Mestrado em Agronegócio) - Universidade Federal de Goiás, Goiânia.
Luz, N. B. et al. Manual de análise da paisagem: volume 1: procedimento para a execução do mapeamento de uso e cobertura da terra. Colombo: Embrapa Florestas, 2018. 92 p. (Embrapa Florestas. Documentos, 316).
Marie, G. et al. Mapping short-rotation plantations at regional scale using MODIS time series: case of eucalypt plantations in Brazil. Remote Sensing of Environment, v. 152, p. 136-149, 2014. https://doi.org/10.1016/j.rse.2014.05.015.
Malavasi, M. et al. What has happened to coastal dunes in the last half century? A multitemporal coastal landscape analysis in Central Italy. Landscape and Urban Planning, v. 119, p. 54-63, 2013. https://doi.org/10.1016/j.landurbplan.2013.06.012.
Maselli, F. Monitoring forest conditions in a protected Mediterranean coastal area by the analysis of multiyear NDVI data. Remote Sensing of Environment, v. 89, p. 423-433, 2004. https://doi.org/10.1016/j.rse.2003.10.020.
Matos, F. D. A. et al. Identificação de estratos de reflorestamento de Pinus taeda através de imagens digitais do Landsat-5. In: CONGRESSO FLORESTAL BRASILEIRO, 7., 1993, Curitiba. Anais... São Paulo: SBS/SBEF, 1993. v. 2. p.516-519.
Mcdermid, G. J. et al. Remote sensing and forest inventory for wildlife habitat assessment. Forest Ecology and Management, v. 257, p. 2262-2269, 2009. https://doi.org/10.1016/j.foreco.2009.03.005.
Morales, M. M. et al. Caracterização do setor florestal goiano. Colombo: Embrapa Florestas, 2012. 49 p. (Embrapa Florestas. Documentos, 241). Disponível em: < https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/946815>.
Moreira, M. A. & Rudorff, B. F. T. Sensoriamento remoto aplicado à agricultura. São Jose dos Campos: Inpe, 2002.
Poggiani, F. et al. Indicadores de sustentabilidade das plantações florestais. Série Técnica IPEF, v. 12, n. 31, p. 33-44, 1998.
Ponzoni, F. J. et al. Sensoriamento remoto da vegetação. 2. ed. São Paulo: Oficina de textos, 2012.
Pradhan, B. Groundwater potential zonation for basaltic watersheds using satellite remote sensing data and GIS techniques. Central European Journal of Geosciences, v. 1, n. 1, p. 120-129, 2009. https://doi.org/10.2478/v10085-009-0008-5.
Pradhan, B. & Youssef, A. M. Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models. Arabian Journal of Geosciences, v. 3, p. 319-326, 2010. https://doi.org/10.1007/s12517-009-0089-2.
Prado, L. A. et al. Expansão da fronteira agrícola e mudanças no uso do solo na região sul de Goiás: Ação antrópica e características naturais do espaço. Boletim goiano de Geografia, v. 32, n. 1, p. 151-165, 2012.
Prado, R. M & Natale, W. Calagem na nutrição de cálcio e no desenvolvimento do sistema radicular da goiabeira. Pesquisa Agropecuária Brasileira, v. 39, n. 10, 2004.
Reis, C. F. et al. Diagnóstico do setor de florestas plantadas no estado de Goiás. Brasília, DF: Embrapa, 2015.
Ruas, R. A. A. et al. Silvicultura de precisão na eucaliptocultura. In: Vale, A. B. et al. (Ed.). Eucaliptocultura no Brasil: silvicultura, manejo e ambiência. Viçosa, MG: SIF, 2014. p. 263-282.
Sadeghi, V. et al. A new model for automatic normalization of multitemporal satellite images using Artificial Neural Network and mathematical methods. Applied Mathematical Modelling, v. 37, p. 6437-6445, 2013. https://doi.org/10.1016/j.apm.2013.01.006.
Sano, E. E. et al. Mapeamento da cobertura vegetal do Bioma Cerrado: estratégias e resultados. Planaltina, DF: Embrapa Cerrados, 2007a.
Sano, E. E. et al. Padrões de cobertura de solos do estado de Goiás. In: Ferreira, L. G. (Org.). A encruzilhada socioambiental: biodiversidade, economia e sustentabilidade no cerrado. Goiânia: Ed. UFG, 2007b.
Shiba, M. H. et al. Classificação de imagens de sensoriamento remoto pela aprendizagem por árvore de decisão: uma avaliação de desempenho. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 4319-4326.
Song, C. et al. The spectral/temporal manifestation of forest succession in optical imagery the potential of multitemporal imagery. Remote Sensing of Environment, v. 82, p. 285-302, 2002. https://doi.org/10.1016/S0034-4257(02)00046-9.
Souza, C. C. et al. Técnicas de sensoriamento remoto como subsídios aos estudos de florestas implantadas no Brasil: uma revisão bibliográfica. Ciência Florestal, v. 17, n. 4, p. 409-417, 2007. http://dx.doi.org/10.5902/198050981972.
Sousa, S. B. & Ferreira, L. G. Mapeamento da cobertura e uso da terra: uma abordagem utilizando dados de sensoriamento remoto óptico multitemporais e provenientes de múltiplas plataformas. Revista Brasileira de Cartografia, n. 66, v. 2, 2014.
TerraClass: Cerrado. Uso do solo do Cerrado (2013). Disponível em: < http://maps.lapig .iesa.ufg.br/lapig.html>. Acesso em: 7 mar. de 2016.
Wang, L. et al. Study on ecosytem service function change of island based on remote sensing. Acta Oceanologica Sinica, v. 34, n. 8, p. 100-107, 2015. https://doi.org/10.1007/s13131-015-0587-x.
Yadav, B. K. & Nandy, S. Mapping aboveground woody biomass using forest inventory, remote sensing and geostatistical techniques. Environmental Monitoring Assessment, v. 187, n. 5, p. 1-12, 2015. https://doi.org/10.1007/s10661-015-4551-1.
Zhong, Y. & Zhang, L. Remote sensing image subpixel mapping based on adaptive differential evolution. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v. 42, n. 5, p. 1306-1329, 2012. https://doi.org/10.1109/TSMCB.2012.2189561.
Achard, F. et al. Determination of tropical deforestation rates and related carbon losses from 1990 to 2010. Global Change Biology, v. 20, p. 2540-2554, 2014. https://doi.org/10.1111/gcb.12605.
Almeida, A. S. & Vieira, I. C. G. Dinâmica da cobertura vegetal e uso da terra no município de São Francisco do Pará (Pará, Brasil) com o uso da técnica de sensoriamento remoto. Boletim do Museu Paraense Emílio Goeldi: Ciências Naturais, v. 3, n. 1, p. 81-92, 2008.
Asner, G. P. et al. Selective logging in the Brazilian Amazon. Science, v. 310, n. 5747, p. 480-482, 2005. https://doi.org/10.1126/science.1118051.
Bakr, N. et al. Multi-temporal assessment of land sensitivity to desertification in a fragile agro-ecosystem: environmental indicators. Ecological Indicators, v. 15, p. 271, 2012.
Borro, M. et al. Mapping shallow lakes in a large South American floodplain: a frequency approach on multitemporal Landsat TM/ETM data. Journal of Hydrology, v. 512, p. 39-52, 2014.
Brasil. Ministério do Meio Ambiente. Mapeamento do uso do solo e cobertura do cerrado: Projeto TerraClass Cerrado 2013. Brasília, DF, 2015.
Brasil. Ministério do Meio Ambiente. Projeto de Conservação e Utilização Sustentável da Biodiversidade Biológica Brasileira: Probio. Cobertura vegetal do Cerrado (2002). Brasília, DF, [2016]. Disponível em: <http://maps.lapig .iesa.ufg.br/lapig.html>. Acesso em: 15 mar. 2016.
Carrão, H. et al. Contribution of multispectral and multitemporal information from MODIS images to land cover classification. Remote Sensing of Environment, v. 112, p. 986-997, 2008. https://doi.org/10.1016/j.rse.2007.07.002.
Carvalho, T. M. de & Bayer, M. Utilização dos produtos da "Shuttle Radar Topography Mission" (SRTM) no mapeamento geomorfológico do estado de Goiás. Revista Brasileira de Geomorfologia, n. 1, 2008.
Castro, M. C. et al. Municípios goianos: competitividade e concentração da fruticulture. In: Goiás. Secretaria de Estado de Gestão e Planejamento. Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos. Conjuntura Econômica Goiana, n. 29, p. 47-63, 2014.
Cruz, Z. Q. & Ribeiro, G. P. Ensaios de segmentação e classificação digital de imagens CBERS utilizando o sistema Spring em uma unidade de conservação ambiental estudo de caso: Parque Nacional da Serra dos Órgãos (PARNASO). In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 2., 2008, Recife: UFPE. Anais... Recife: UFPE, 2008.
Demir, B. et al. Batch-mode active-learning methods for the interactive classification of remote sensing images. IEEE Transactions on Geoscience and Remote Sensing, v. 49, n. 3, p. 1014-1031, 2011. https://doi.org/10.1109/TGRS.2010.2072929.
Devries, B. et al. Characterizing forest change using community-based monitoring data and landsat time series. PLoS One, v. 11, n. 3, 2016. https://doi.org/10.1371/journal.pone.0147121.
Fernandes, G. W. et al. Afforestation of savannas: an impending ecological disaster. Natureza & Conservação, v. 14, n. 2, p. 146-151, 2016. https://doi.org/10.1016/j.ncon.2016.08.002.
Ferreira, C. A. & Silva, H. D. As plantações florestais. In: Ferreira, C. A. & Silva, H. D. (Orgs.) Formação de povoamentos florestais. Colombo: Embrapa Florestas, 2008. p. 33-41.
Figueiredo, G. C. & Vieira, C. A. O estudo do comportamento dos índices de Exatidão Global, Kappa e Tau, comumente usados para avaliar a classificação de imagens do sensoriamento remoto. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais... Florianópolis: INPE, 2007. p. 5755-5762.
Gao, Y. et al. Estimation of the North-South transect of Eastern China forest biomass using remote sensing and forest inventory data. International Journal of Remote Sensing, v. 34, n. 15, p. 5598-5610, 2013. https://doi.org/10.1080/01431161.2013.794985.
Goiás. Secretaria de Estado de Gestão e Planejamento. Goiás em dados 2014. Goiânia, 2014.
Goiás. Sistema Estadual de Geoinformação. Disponível em: <www.sieg.go.gov.br>. Acesso em: 22 maio 2019.
Goiás. Superintendência de Geologia e Mineração (SGM). Sistema Estadual de Geoinformação do estado de Goiás. Goiânia, 2006. Disponível em: <www.sieg.go.gov.br>. Acesso em: 13 abr. 2015.
Gomes, M. P. et al. Avaliação de imagens MODIS para o monitoramento de desmatamento em áreas de Cerrado do estado de Goiás. Disponível em: <https://www.lapig.iesa.ufg.br/lapig/index.php/component/jdownloads/send/4-periodicos/292-avaliacao-de-imagens-modis-para-o-monitoramento-de-desmatamento-em-areas-de-cerrado-do-estado-de-goias?Itemid=0>. Acesso em: 11 abr. 2016.
Gonçalves, J. L. M. et al. Caracterização edafoclimática e manejo das áreas com plantações de eucalipto. In: Schumacher, M. V. & Viera, M. (Org.) Silvicultura do eucalipto no Brasil. Santa Maria: Ed. UFSM, 2015. p. 113-155.
Google Earth. Disponível em: <www.google.com/earth/>. Acesso em: 7 mar. 2016.
Hu, C. et al. Uncertainties of SeaWiFS and MODIS remote sensing reflectance: implications from clear water measurements. Remote Sensing of Environment, v. 133, p. 168-182, 2013. https://doi.org/10.1016/j.rse.2013.02.012.
Ibá. Indústria Brasileira de Árvores. Ibá: Indústria Brasileira de Árvores 2015. Brasília, DF, 2015. 100 p. Relatório Ibá 2015.
Ibá. Indústria Brasileira de Árvores. Ibá: Indústria Brasileira de Árvores 2016. Brasília, DF, 2016. 100 p. Relatório Ibá 2016.
IBGE. Instituto Brasileiro de Geografia e Estatística. Malhas digitais. 2010. Disponível em: <http://mapas.ibge.gov.br/bases-e-referenciais/bases-cartograficas/malhas-digitais.html>. Acesso em: 14 set. 2015.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Manual técnico da vegetação brasileira. Rio de Janeiro, 1992. 91 p.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Produção da extração vegetal e da silvicultura. Rio de Janeiro, [2013]. Disponível em: <https://sidra.ibge.gov.br/tabela/5930>. Acesso em: janeiro de 2019.
IBGE. Instituto Brasileiro de Geografia e Estatísticas. Produção da extração vegetal e da silvicultura. Rio de Janeiro, [2015]. Disponível em: <https://sidra.ibge.gov.br/tabela/5930>. Acesso em: janeiro de 2019.
Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos. Sistema Estadual de Geoinformação. Goiânia, 2013. Disponível em: < www.sieg.go.gov.br >. Acesso em: 23 maio 2019.
Kröger, M. The expansion of industrial tree plantations and dispossession in Brazil. Development and Change, v. 43, p. 947-973, 2012. https://doi.org/10.1111/j.1467-7660.2012.01787.x.
Lee, S. Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data. International Journal of Remote Sensing, v. 26, n. 7, p. 1477-1491, 2005. https://doi.org/10.1080/01431160412331331012.
Lee, S. et al. Estimating oceanic primary productivity from ocean color remote sensing: a strategic assessment. Journal of Marine Systems, v. 149, p. 50-59, 2015. https://doi.org/10.1080/01431161.2013.794985.
Lopes, C. R. Expansão da silvicultura de eucalipto no bioma cerrado: uma análise sob a perspectiva dos fatores físicos e socioeconômicos. 2013. Dissertação (Mestrado em Agronegócio) - Universidade Federal de Goiás, Goiânia.
Luz, N. B. et al. Manual de análise da paisagem: volume 1: procedimento para a execução do mapeamento de uso e cobertura da terra. Colombo: Embrapa Florestas, 2018. 92 p. (Embrapa Florestas. Documentos, 316).
Marie, G. et al. Mapping short-rotation plantations at regional scale using MODIS time series: case of eucalypt plantations in Brazil. Remote Sensing of Environment, v. 152, p. 136-149, 2014. https://doi.org/10.1016/j.rse.2014.05.015.
Malavasi, M. et al. What has happened to coastal dunes in the last half century? A multitemporal coastal landscape analysis in Central Italy. Landscape and Urban Planning, v. 119, p. 54-63, 2013. https://doi.org/10.1016/j.landurbplan.2013.06.012.
Maselli, F. Monitoring forest conditions in a protected Mediterranean coastal area by the analysis of multiyear NDVI data. Remote Sensing of Environment, v. 89, p. 423-433, 2004. https://doi.org/10.1016/j.rse.2003.10.020.
Matos, F. D. A. et al. Identificação de estratos de reflorestamento de Pinus taeda através de imagens digitais do Landsat-5. In: CONGRESSO FLORESTAL BRASILEIRO, 7., 1993, Curitiba. Anais... São Paulo: SBS/SBEF, 1993. v. 2. p.516-519.
Mcdermid, G. J. et al. Remote sensing and forest inventory for wildlife habitat assessment. Forest Ecology and Management, v. 257, p. 2262-2269, 2009. https://doi.org/10.1016/j.foreco.2009.03.005.
Morales, M. M. et al. Caracterização do setor florestal goiano. Colombo: Embrapa Florestas, 2012. 49 p. (Embrapa Florestas. Documentos, 241). Disponível em: < https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/946815>.
Moreira, M. A. & Rudorff, B. F. T. Sensoriamento remoto aplicado à agricultura. São Jose dos Campos: Inpe, 2002.
Poggiani, F. et al. Indicadores de sustentabilidade das plantações florestais. Série Técnica IPEF, v. 12, n. 31, p. 33-44, 1998.
Ponzoni, F. J. et al. Sensoriamento remoto da vegetação. 2. ed. São Paulo: Oficina de textos, 2012.
Pradhan, B. Groundwater potential zonation for basaltic watersheds using satellite remote sensing data and GIS techniques. Central European Journal of Geosciences, v. 1, n. 1, p. 120-129, 2009. https://doi.org/10.2478/v10085-009-0008-5.
Pradhan, B. & Youssef, A. M. Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models. Arabian Journal of Geosciences, v. 3, p. 319-326, 2010. https://doi.org/10.1007/s12517-009-0089-2.
Prado, L. A. et al. Expansão da fronteira agrícola e mudanças no uso do solo na região sul de Goiás: Ação antrópica e características naturais do espaço. Boletim goiano de Geografia, v. 32, n. 1, p. 151-165, 2012.
Prado, R. M & Natale, W. Calagem na nutrição de cálcio e no desenvolvimento do sistema radicular da goiabeira. Pesquisa Agropecuária Brasileira, v. 39, n. 10, 2004.
Reis, C. F. et al. Diagnóstico do setor de florestas plantadas no estado de Goiás. Brasília, DF: Embrapa, 2015.
Ruas, R. A. A. et al. Silvicultura de precisão na eucaliptocultura. In: Vale, A. B. et al. (Ed.). Eucaliptocultura no Brasil: silvicultura, manejo e ambiência. Viçosa, MG: SIF, 2014. p. 263-282.
Sadeghi, V. et al. A new model for automatic normalization of multitemporal satellite images using Artificial Neural Network and mathematical methods. Applied Mathematical Modelling, v. 37, p. 6437-6445, 2013. https://doi.org/10.1016/j.apm.2013.01.006.
Sano, E. E. et al. Mapeamento da cobertura vegetal do Bioma Cerrado: estratégias e resultados. Planaltina, DF: Embrapa Cerrados, 2007a.
Sano, E. E. et al. Padrões de cobertura de solos do estado de Goiás. In: Ferreira, L. G. (Org.). A encruzilhada socioambiental: biodiversidade, economia e sustentabilidade no cerrado. Goiânia: Ed. UFG, 2007b.
Shiba, M. H. et al. Classificação de imagens de sensoriamento remoto pela aprendizagem por árvore de decisão: uma avaliação de desempenho. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 4319-4326.
Song, C. et al. The spectral/temporal manifestation of forest succession in optical imagery the potential of multitemporal imagery. Remote Sensing of Environment, v. 82, p. 285-302, 2002. https://doi.org/10.1016/S0034-4257(02)00046-9.
Souza, C. C. et al. Técnicas de sensoriamento remoto como subsídios aos estudos de florestas implantadas no Brasil: uma revisão bibliográfica. Ciência Florestal, v. 17, n. 4, p. 409-417, 2007. http://dx.doi.org/10.5902/198050981972.
Sousa, S. B. & Ferreira, L. G. Mapeamento da cobertura e uso da terra: uma abordagem utilizando dados de sensoriamento remoto óptico multitemporais e provenientes de múltiplas plataformas. Revista Brasileira de Cartografia, n. 66, v. 2, 2014.
TerraClass: Cerrado. Uso do solo do Cerrado (2013). Disponível em: < http://maps.lapig .iesa.ufg.br/lapig.html>. Acesso em: 7 mar. de 2016.
Wang, L. et al. Study on ecosytem service function change of island based on remote sensing. Acta Oceanologica Sinica, v. 34, n. 8, p. 100-107, 2015. https://doi.org/10.1007/s13131-015-0587-x.
Yadav, B. K. & Nandy, S. Mapping aboveground woody biomass using forest inventory, remote sensing and geostatistical techniques. Environmental Monitoring Assessment, v. 187, n. 5, p. 1-12, 2015. https://doi.org/10.1007/s10661-015-4551-1.
Zhong, Y. & Zhang, L. Remote sensing image subpixel mapping based on adaptive differential evolution. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, v. 42, n. 5, p. 1306-1329, 2012. https://doi.org/10.1109/TSMCB.2012.2189561.
Downloads
Published
2019-12-31
How to Cite
CABRAL, Escleide Gomes; BARREIRA, Sybelle; FERREIRA, Manuel Eduardo; ARAÚJO, Lázaro Gabriel de Oliveira. Eucalyptus silviculture in the state of Goiás: a historical record through remote sensing. Pesquisa Florestal Brasileira, [S. l.], v. 39, n. 1, 2019. DOI: 10.4336/2019.pfb.39e201801649. Disponível em: https://pfb.sede.embrapa.br/pfb/article/view/1649. Acesso em: 25 apr. 2025.
Issue
Section
Articles
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
PFB reserves the right to edit manuscripts to correct grammar/spelling, improve clarity, and comply with the journal’s standards while maintaining the style of the authors.
The final version will be sent to the corresponding author for approval.
Published articles become the property of PFB.
Manuscripts may be used after publication without prior authorization from PFB, as long as the journal is credited.
Warning: figures published in PFB may only be reused with prior authorization from Embrapa Forestry.
All content in PFB is licensed under Creative Commons attribution (type BY-NC-ND).
The opinions and concepts expressed in manuscripts are the sole responsibility of their respective authors and not PFB.
Os originais publicados na Pesquisa Florestal Brasileira estão disponibilizados de acordo com uma Licença 