Sensoriamento remoto no estudo de florestas tropicais

uma revisão de literatura

Autores

Palavras-chave:

Recursos florestais, Biblioshiny, PRISMA, RStudio

Resumo

Este trabalho tem como objetivo realizar uma revisão de literatura sob as perspectivas bibliométrica e sistemática. Para tanto, utilizou-se a string de busca “Remote sensing of vegetation AND tropical forest” nas bases de dados Scopus e Web of Science. Na análise bibliomética, realizou-se uma abordagem quantitativa pelo pacote Bibliometrix no software R. Os trabalhos avaliados foram publicados desde 1983 até 2024, com 9.925 autores em 91 países, mais de quatro mil instituições em 737 periódicos. Verificou-se que as pesquisas acerca do tema é um tópico ascendente na produção científica. Os autores com maior índice de impacto H são Asner, Dubayah e Saatchi. Sob a perspectiva sistemática, os sensores do tipo passivo são os mais utilizados (56,0%), embora o instrumento mais citado nos documentos seja o sensor ativo do tipo LiDAR (43,1%). No Brasil, a captação das florestas tropicais é realizada majoritariamente pelos sensores passivos LANDSAT (58,3%).

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Luísa Oliveira Pereira, Universidade Federal do Sul da Bahia

    Graduanda em Engenharia Ambiental e da Sustentabilidade e Bacharela Interdisciplinar em Ciências pela Universidade Federal do Sul da Bahia (UFSB). Atua principalmente nos seguintes temas: educação ambiental, modelagem ambiental e sensoriamento remoto.

  • Alex Mota dos Santos, Universidade Federal do Sul da Bahia

    Graduado em Sensoriamento Remoto (CEFET/GO), com complementação em Geografia (Claretiano), mestrado (UFG) e doutorado (UFPR) em Geografia. Realiza ações continuadas de extensão universitária para alfabetização em ciência. Na pesquisa, ao nível da Iniciação científica, do mestrado (PPGTGS/IFG e PPG-Biossistemas) e do doutorado (PPG-Biossistemas/UFSB), realiza aplicação da modelagem ambiental e aprendizado de máquina para compreender processos físicos e socioeconômicos que ocorrem na superfície terrestre. Criou e coordena o Projeto de Extensão Geotecnologias no YouTube.

Referências

ARIA, M.; CUCCURULLO, C. Bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, v. 11, n. 4, p. 959-975, 2017. Disponível em: https://doi.org/10.1016/j.joi.2017.08.007. Acesso em: 20 out. 2023.

ASNER, G. P. Ecosystem structure throughout the brazilian Amazon from Landsat observations and automated spectral unmixing. Earth Interact, v. 9, n. 1, p. 1-31, 2005. Disponível em: https://doi.org/10.1175/EI134.1. Acesso em: 23 mai. 2024.

ASNER, G. P. et al. Carnegie Airborne Observatory-2: Increasing science data dimensionality via high-fidelity multi-sensor fusión. Remote Sensing of Environment, v. 124, n. 1, p. 454-465, 2012. Disponível em: https://doi.org/10.1016/j.rse.2012.06.012. Acesso em: 23 mai. 2024.

ASNER, G. P. et al. Ecosystem‐scale effects of megafauna in African savannas. Ecography, v. 39, n. 2, p. 240-252, 2016a. Disponível em: https://doi.org/10.1111/ecog.01640. Acesso em: 23 mai. 2024.

ASNER, G. P. et al. Scale dependence of canopy trait distributions along a tropical forest elevation gradient. New Phytologist, v. 214, n. 3, p. 973-988, 2016b. Disponível em: https://doi.org/10.1111/nph.14068. Acesso em: 23 mai. 2024.

ASU. Arizona State University. 2024. Disponível em: https://www.asu.edu/. Acesso em: 11 abr. 2024.

BALZOTTI, C. S. et al. Spatial drivers of composition and connectivity across endangered tropical dry forests. Journal of Applied Ecology, v. 57, n. 8, p. 1593-1604. Disponível em: https://doi.org/10.1111/1365-2664.13632. Acesso em: 23 mai. 2024.

BEAMISH, A. et al. Recent trends and remaining challenges for optical remote sensing of Arctic tundra vegetation: A review and outlook. Remote Sensing of Environment, v. 246, n. 1, p. 1-17, 2020.

CAMPINA-LÓPEZ, A. C.; LORCA-MARÍN, A. A.; HERAS-PÉREZ, M. A. de las. Indagación, modelización y pensamiento computacional: Un análisis bibliométrico con el uso de Bibliometrix através de Biblioshiny. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias, v.21, n. 1, p. 1-16, 2024.

CARROLL, V. G. et al. Changing lives: The Baltimore City Community College life sciences partnership with the University of Maryland, Baltimore. Community College Journal of Research and Practice, v. 34, n. 11, p. 936-938, 2010.

DALAGNOL, R. et al. Mapping tropical forest degradation with deep learning and Planet NICFI data. Remote Sensing of Environment, v. 298, n. 1, p. 1–18, 2023.

DONG, Y. et al. A century of science: Globalization of scientific collaborations, citations, and innovations. In: PROCEEDINGS OF THE 23RD ACM SIG KDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING, Halifax NS Canada, 2017. Conferência. New York: Association for Computing Machinery, 2017. p. 1437-1446.

FEITOSA JUNIOR, F. R. et al. Remote sensing applied to the study of fire in savannas: A literature review. Ecological Informatics, v. 79, n. 1, p. 1-15, 2024.

GALVÃO, M. C. B.; RICARTE, I. L. M. Revisão sistemática da literatura: conceituação, produção e publicação. Logeion: Filosofia da Informação, v. 6, n. 1, p. 57–73, 2019.

GAO, S. et al. Evaluating the saturation effect of vegetation indices in forests using 3D radiative transfer simulations and satellite observations. Remote Sensing of Environment, v. 295, n. 1, p. 1-18, 2023.

GAO, L. et al. Remote sensing algorithms for estimation of fractional vegetation cover using pure vegetation index values: A review. ISPRS Journal of Photogrammetry and Remote Sensing, v. 159, n. 1, p. 364-377, 2020. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0924271619302783?via%3Dihub. Acesso em: 20 out. 2023.

GUEDES, J. C. F.; SILVA, M. P. Sensoriamento remoto no estudo da vegetação: princípios físicos, sensores e métodos. ACTA Geográfica, v. 12, n. 29, p. 127-144, 2018. Disponível em: https://revista.ufrr.br/actageo/article/view/4001. Acesso em: 20 out. 2023.

HOAGLAND, S. L. Giving testimony and the coloniality of knowledge. 2010.

HUSSAIN, S. et al. Relation of land surface temperature with different vegetation indices using multi-temporal remote sensing data in Sahiwal region, Pakistan. Geoscience Letters, v. 10, n. 1, p. 33, 2023.

KELLER, M. Ecological research in the Large-Scale Biosphere–Atmosphere experiment in Amazonia: early results. Ecological Applications, v. 14, n. 4, p.3-16, 2004. Disponível em: https://doi.org/10.1890/03-6003. Acesso em: 23 mai. 2024.

LAUXEN, R. Juntar dois .bib, exportar para .xlsx e importar para biblioshiny(), usando R. Youtube. 2021. Disponível em: https://www.youtube.com/watch?v=FSfpqJVg2-k. Acesso em: 10 ago. 2023.

LEVICK, S. R.; ASNER, G. P.; SMIT, I. P. J. Spatial patterns in the effects of fire on savanna vegetation three‐dimensional structure. Ecological Applications, v. 22, n. 8, p. 2110-2121, 2012.

LINNENLUECKE, M.; MARRONE, M.; SINGH, A. K. Conducting systematic literature reviews and bibliometric analyses. Australian Journal of Management, v. 45, n. 2, p. 175-194, 2020.

MARTINS, S. et al. Processamento digital de imagens para mapeamento de uso e cobertura da terra: uma revisão de literatura. Revista de Geociências do Nordeste, v. 9, n. 2, p. 131–143, 2023.

MARTELLO, M. et al. Estimativa de altura de um teste clonal de Eucalyptus em diferentes idades utilizando imagens aéreas de baixa altitude. Scientia Forestalis, v. 50, p. 1-13, 2022.

MCTI. Programa de Grande Escala da Biosfera-Atmosfera na Amazônia. Ministério da Ciência, Tecnologia e Inovação. 2023. Disponível em: https://programalba.cloud/index.php/apresentacao. Acesso em: 23 mai. 2024.

NA REDE, Geotecnologias. Baixar e unir dados das bases Scopus e Web of Science para Biblioshiny através do R Merge Scopus and WoS. Youtube. 2022. Disponível em: https://www.youtube.com/watch?v=CP0z2hU0mxM. Acesso em: 10 ago. 2023.

NAS. Gregory P. Asner. National Academy of Sciences. 2024. Disponível em: https://www.nasonline.org/member-directory/members/20009708.html. Acesso em: 23 mai. 2024.

NASA/JPL. Sassan Saatchi. Jet Propulsion Laboratory. 2024. Disponível em: https://science.jpl.nasa.gov/people/saatchi/. Acesso em: 11 abr. 2024.

PAN, R. K.; KASKI, K.; FORTUNATO, S. World citation and collaboration networks: uncovering the role of geography in science. Scientific reports, v. 2, n. 1, p. 902, 2012.

PRISMA. Preferred Reporting Items for Systematic Reviews and Meta-Analyses. 2024. Disponível em: https://www.prisma-statement.org/?AspxAutoDetectCookieSupport=1. Acesso em: 11 abr. 2024.

SILVA, M. S. T.; OLIVEIRA, V. M; CORREIA, S. E. N. Mapeamento científico na Scopus com o Biblioshiny: Uma análise bibliométrica das tensões organizacionais. Contextus, v. 20, n. 5, p. 54-71, 2022.

SZOMSZOR, M. et al. Interpreting Bibliometric data. Front. Metr. Anal., v. 5, n. 628703, p. 1-20, 2021.

SMIT, I. P. J. et al. An examination of the potential efficacy of high‐intensity fires for reversing woody encroachment in savannas. Journal of Applied Ecology, v. 53, n. 5, p. 1623-1633, 2016.

UC. University of California. 2024. Disponível em: https://www.universityofcalifornia.edu/. Acesso em: 11 abr. 2024.

UFL. University of Florida. 2024. Disponível em: https://www.ufl.edu/about/. Acesso em: 11 abr. 2024.

UMD. University of Maryland. 2024. Disponível em: https://umd.edu/. Acesso em: 11 abr. 2024.

UNAM. Universidad Nacional Autónoma de México. 2024. Disponível em: https://www.unam.mx/. Acesso em: 14 mai. 2024.

Yan, K. et al. Evaluation of the vegetation-index-based dimidiate pixel model for fractional vegetation cover estimation. IEEE Transactions on Geoscience and Remote Sensing, v. 60, n. 4400514, p. 1–14, 2021.

ZHANG, J.; OKIN, G. S.; ZHOU, B. Assimilating optical satellite remote sensing images and field data to predict surface indicators in the Western U.S.: Assessing error in satellite predictions based on large geographical datasets with the use of machine learning. Remote Sensing of Environment, v. 233, n. 1, p. 1-11, 2019. Disponível em: https://www.sciencedirect.com/science/article/pii/S0034425719304018?via%3Dihub. Acesso em: 11 out. 2023.

Downloads

Publicado

2026-05-22

Edição

v. 15 n. Fluxo contínuo (2026)

Seção

Artigos

Licença

Direitos autorais (c) 1970 Revista Territorial (ISSN 2317-0360)

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Esta revista eletrônica oferece acesso livre e imediato ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público, contribuindo assim para a democratização do conhecimento.