Preprint / Versión 1

Caracterização espectral da cobertura do solo do Parque Estadual do Cocó a partir de imagens CBERS-4A

Autores/as

DOI:

https://doi.org/10.62059/LatArXiv.preprints.512

Palabras clave:

Assinatura espectral, Índices de vegetação, Monitoramento ambiental

Resumen

Os parques urbanos são essenciais para a biodiversidade e o bem-estar humano. O Parque Estadual do Cocó (PEC), em Fortaleza, Brasil, sofre alta pressão antropogênica, exigindo monitoramento contínuo. Este estudo caracterizou espectralmente suas coberturas com imagens do sensor WPM do satélite CBERS-4A, usando uma cena de 24 de julho de 2024. Foram analisadas assinaturas espectrais das principais classes, com base na classificação do MapBiomas, e calculados os índices NDVI, SAVI e EVI para avaliar a vegetação. Os resultados mostraram que o sensor WPM discrimina eficazmente as coberturas, com assinaturas distintas para manguezais, restingas, água e áreas urbanas. O manguezal domina (50,78%), seguido pela restinga herbácea (27,24%) e áreas urbanizadas (10,78%), evidenciando pressão periférica. O EVI superou o NDVI em sensibilidade em áreas de alta biomassa, evitando a saturação. As imagens CBERS-4A provaram ser ferramentas eficazes e econômicas para monitorar ecossistemas urbanos complexos, fornecendo dados essenciais para a conservação e gestão sustentável do PEC.

Biografía del autor/a

Mauricio Alejandro Perea Ardila, Universidad Federal do Ceará

Doutorando em Geografia,

Programa de Pós-Graduação em Geografia,

Universidade Federal do Ceará

Referencias

Bairwa, B., Sharma, R., Kundu, A., Sammen, S. S., Alshehri, F., Pande, C. B., Orban, Z., & Salem, A. (2025). Predicting changes in land use and land cover using remote sensing and land change modeler. Frontiers in Environmental Science, 13, 1–17. https://doi.org/10.3389/fenvs.2025.1540140

Chávez, P. S. J. (1996). Image-based atmospheric corrections - revisited and improved. Photogrammetric Engineering and Remote Sensing, 62(9), 1025–1036. https://doi.org/0099-1112/96/6209-1025

Chiesura, A. (2004). The role of urban parks for the sustainable city. Landscape and Urban Planning, 68(1), 129–138. https://doi.org/10.1016/j.landurbplan.2003.08.003

Choi, J., Khanal, S., & Ambinakudige, S. (2011). Análise Comparativa do CBERS-2 e Imagens de Satélite Landsat-TM em Cartografia da Vegetação. Revista Brasileira de Cartografia, 63(1), 115–122. https://doi.org/10.14393/rbcv63n1-43723

Congedo, L. (2021). Semi-Automatic Classification Plugin: A Python tool for the download and processing of remote sensing images in QGIS. Journal of Open Source Software, 6(64), 3172. https://doi.org/10.21105/joss.03172

Dias dos Santos, B., Neves de Azevedo, M., Akemi Bernardino Kanzato, L., Moutinho Duque de Pinho, C., Paez, A., & Amaral, S. (2023). Cbers-4A Imagery for Mapping Urban Land Cover in the Amazon. In XX Simpósio Brasileiro de Sensoriamento Remoto (pp. 2169–2172). XX Simpósio Brasileiro de Sensoriamento Remoto. https://proceedings.science/p/164620?lang=pt-br

Elmqvist, T., Andersson, E., McPhearson, T., Bai, X., Bettencourt, L., Brondizio, E., Colding, J., Daily, G., Folke, C., Grimm, N., Haase, D., Ospina, D., Parnell, S., Polasky, S., Seto, K. C., & Van Der Leeuw, S. (2021). Urbanization in and for the Anthropocene. Npj Urban Sustainability, 1(1), 6. https://doi.org/10.1038/s42949-021-00018-w

Farias, I. F., Silva, C. R. M. da, Lima, D. S. V. R., Oliveira, L. V. C., & Fontenele, R. E. S. (2018). Valoração Ambiental do Parque Ecológico do Rio Cocó. Desenvolvimento Em Questão, 16(45), 191–213. https://doi.org/10.21527/2237-6453.2018.45.191-213

Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov, A., Chini, L., Justice, C. O., & Townshend, J. R. G. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, 342(6160), 850–853. https://doi.org/10.1126/science.1244693

Huete, A., Didan, K., Miura, T., Rodriguez, E. ., Gao, X., & Ferreira, L. . (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1–2), 195–213. https://doi.org/10.1016/S0034-4257(02)00096-2

Huete, A. R. (1988). soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25, 295–309. https://doi.org/10.1016/0034-4257(88)90106-X

Kumar, S., Shwetank, S., & Jain, K. (2021). Development of spectral signature of land cover and feature extraction using artificial neural network model. 2021. In International Conference on Computing, Communication, and Intelligent Systems, (pp. 113–118). https://doi.org/10.1109/ICCCIS51004.2021.9397172

Leivas, J. L., Teixeira, A. H. C., Takemura, C. M., & Garçon, E. A. (2022). Análise da dinâmica temporal de índices de vegetação NDVI, EVI, SAVI e IRECI através de imagens Sentinel-2a e MODIS. In J. O. F. MELO (Ed.), Ciências Agrárias: o avanço da ciência no Brasil (Vol. 4, pp. 332–343). Editora Científica Digital. https://doi.org/10.37885/220709585

MapBiomas. (2024). MapBiomas General “Handbook”: Algorithm Theoretical Basis Document (ATBD) Collection 9. MapBiomas. https://brasil.mapbiomas.org/wp-content/uploads/sites/4/2025/02/ATBD-Collection-9-versao2-v2.pdf

Pasquini, B. (2020). Plano de manejo do Parque Estadual do Cocó. Arcadis. https://www.sema.ce.gov.br/wp-content/uploads/sites/36/2021/03/PMPC_01.pdf

Perea-Ardila, M. A., & Muñoz, S. I. (2024). Caracterização de uma nova queimada utilizando sensoriamento remoto do Parque Estadual do Cocó , Região Metropolitana de Fortaleza/CE, Brasil. Journal of Hyperspectral Remote Sensing, 14(1), 858–869. https://doi.org/10.29150/jhrs.v14i1.261692

Perea-Ardila, M. A., Muñoz, S. I., & Sopchaki, C. H. (2023). Análise de áreas queimadas utilizando imagens Sentinel-2 no Parque Estadual do Cocó, Região Metropolitana de Fortaleza (Ceará). Revista Brasileira de Sensoriamento Remoto, 4(3), 67–83. https://doi.org/10.5281/zenodo.10440566

Pinto, C., Ponzoni, F., Castro, R., Leigh, L., Mishra, N., Aaron, D., & Helder, D. (2016). First in-Flight Radiometric Calibration of MUX and WFI on-Board CBERS-4. Remote Sensing, 8(5), 405. https://doi.org/10.3390/rs8050405

Polidorio, A., Clélia, F., Imai, N., Tommaselli, A., & Galo, M. de L. (2005). Correção radiométrica de imagens multiespectrais CBERS e Landsat ETM usando atributos de reflectância e de cor. In Simpósio Brasileiro de Sensoriamento Remoto (pp. 4241–4248). XII Simpósio Brasileiro de Sensoriamento Remoto. http://marte.sid.inpe.br/col/ltid.inpe.br/sbsr/2004/11.19.19.46/doc/thisInformationItemHomePage.html

Ponzoni, F. J., Junior, J., & Lamparelli, R. A. (2005). Calibração absoluta da câmera CCD/CBERS-2. In XII Simpósio Brasileiro de Sensoriamento Remoto (pp. 1067–1074). XII Simpósio Brasileiro de Sensoriamento Remoto. http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2004/11.09.15.05/doc/1067.pdf

Price, J., Forstenhäusler, N., Graham, E., Osborn, T. J., & Warren, R. (2024). Report on the observed climate, projected climate, and projected biodiversity changes for Parque Estadual Do Cocó under differing levels of warming. Centre for Climate Change Research https://wallaceparcs.uea.ac.uk/Brazil/Tembe.pdf

Robinson, J. M., Harrison, P. A., Mavoa, S., & Breed, M. F. (2022). Existing and emerging uses of drones in restoration ecology. Methods in Ecology and Evolution, 13(9), 1899–1911. https://doi.org/10.1111/2041-210X.13912

Rouse, J. W., Haas, D. W., Deering, J. A., Schell, J. A., & Harlan, J. C. (1974). Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. NASA. https://ntrs.nasa.gov/citations/19740022555

Sales, F. R., & De Araújo, R. C. P. (2023). Mudanças Temporais de Uso e Cobertura da Terra na Foz do Rio Cocó, Fortaleza-Ceará. Ciência & Trópico, 47(2), 239–258. https://doi.org/10.33148/cetropv47n2(2023)art12

Seto, K. C., Güneralp, B., & Hutyra, L. R. (2012). Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences, 109(40), 16083–16088. https://doi.org/10.1073/pnas.1211658109

Sharma, R. C., Nguyen, H. T., Gharechelou, S., Bai, X., Nguyen, L. V., & Tateishi, R. (2019). Spectral Features for the Detection of Land Cover Changes. Journal of Geoscience and Environment Protection, 7, 81–93. https://doi.org/10.4236/gep.2019.75009

Vieira, C. F. M., Guerra, F. C., Targino, A., & Gonçalves, R. D. (2025). Application of an Orbital Remote Sensing Vegetation Index for Urban Tree Cover Mapping to Support the Tree Census. Earth, 6(3), 87. https://doi.org/10.3390/earth6030087

Yang, X., Zhao, S., Qin, X., Zhao, N., & Liang, L. (2017). Mapping of urban surface water bodies from sentinel-2 MSI imagery at 10 m resolution via NDWI-based image sharpening. Remote Sensing, 9(6), 1–19. https://doi.org/10.3390/rs9060596

Zhu, Z., Woodcock, C. E., Holden, C., & Yang, Z. (2015). Generating synthetic Landsat images based on all available Landsat data: Predicting Landsat surface reflectance at any given time. Remote Sensing of Environment, 162, 67–83. https://doi.org/10.1016/j.rse.2015.02.009

Descargas

Download data is not yet available.

PrePrint online

2025-08-23

Categorías

Declaración de disponibilidad de datos

O pré-impresso foi submetido à avaliação de uma revista.

Licencia

Derechos de autor 2025 Mauricio Alejandro Perea Ardila (Autor/a)

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Este preprint contiene la licencia informada y los derechos de autoría asociados. Una vez publicados en una revista asociada u otra editorial, la versión publicada asume las condiciones del nuevo entorno.