Blog home/Data and Research/Quanta precisão é necessária? Examinando os dados de alteração de cobertura vegetal global GLAD (Parte 1)
Search the GFW Blog
Screen Shot 2015-12-21 at 12.52.38 PM
Subscribe to the
GFW newsletter

Quanta precisão é necessária? Examinando os dados de alteração de cobertura vegetal global GLAD (Parte 1)

Subscribe to the
GFW newsletter

A Parte 2 dessa série de blog encontra-se disponível aqui. Em 2013, o Dr. Matt Hansen e os seus colaboradores da Universidade de Maryland, do grupo de Análises e Descobertas de Territórios Globais (GLAD), juntamente ao Google, Serviço Geológico dos EUA (USGS) e a Administração Nacional de Aeronáutica e Espaço (NASA) divulgaram o primeiro método de escala global para o monitoramento anual das mudanças na cobertura vegetal usando imagens de resolução Landsat de 30 metros, revolucionando a maneira como as florestas são avaliadas e monitoradas. Os dados das mudanças de cobertura vegetal do GLAD (anteriormente designados como os dados de mudança de cobertura vegetal Hansen) consistem em dois mapas: um da perda anual de cobertura vegetal de 2001-2014, E o outro do ganho acumulado de cobertura vegetal durante o período entre 2000-2012. O Global Forest Watch (GFW) disponibiliza essas informações livremente na Internet para que todos possam visualizá-las e analisá-las através do seu mapa interativo simples de usar. Além da plataforma rica em análises, o Blog GFW tem como objetivo ajudar as pessoas comuns a compreender os dados, explicando os métodos subjacentes e os resultados em termos acessíveis. Esse blog é o primeiro de uma série de duas partes técnicas que abordam a precisão dos dados de mudança de cobertura vegetal globais do GLAD. Nesta parte, vamos explicar como os autores mediram com precisão os dados, e na segunda parte vamos explorar o que isso significa para quem está acessando as informações.

Como podemos medir a precisão de dados de sensoriamento remoto?

Na detecção remota, a precisão dos dados é medida pela comparação entre a alteração detectada em amostras de área de um mapa com as verdadeiras alterações de cobertura vegetal do local, também conhecidos como “dados verdadeiros”, o que é geralmente determinado por meio de outras imagens de satélite ou visitas de campo. É uma boa prática avaliar os “dados verdadeiros” de forma independente ou sem olhar para o mapa em fase de avaliação, porque isso garante que os investigadores sejam imparciais em suas avaliações. A precisão geral é o percentual da amostra de pixels em que o mapa e os dados verdadeiros apresentam variações. No entanto, a precisão geral pode ser superestimada quando a cobertura vegetal estável (nesse caso, florestas inalteradas) prevalece sobre as mudanças (perda e ganho) – os erros na identificação de mudanças são sobrepujados pela forma como o computador identifica a cobertura vegetal estável. Examinar os falsos positivos (também conhecidos como erros de comissão) e os falsos negativos (também conhecidos como erros de omissão) das mudanças pode proporcionar uma visão mais correta da precisão dos dados. Um falso positivo é um pixel de 30 metros rotulado como “perda” ou “ganho” no mapa, mas que não se alterou no mundo real. Um falso negativo é o oposto, um pixel rotulado como “nenhuma mudança” pelos dados sendo que na verdade houve ganho ou perda de cobertura vegetal.

O quão precisos são os dados de alteração da cobertura vegetal GLAD?

Os autores dos dados publicaram duas avaliações de precisão até a presente data, a primeira no original Science article por Hansen et al. (2013) e a segunda em um estudo recente de Tyukavina et al. (2015) sobre a perda de carbono em florestas. No primeiro estudo, os autores avaliaram de forma independente a verdadeira mudança de 1.500 blocos de amostras (120 metros de cada lado) usando imagens do Landsat, MODIS e Google Earth. Os dados verdadeiros foram, então, comparados com os mapas de “perda” e “ganho” a nível mundial, e dentro dos quatro grandes biomas – tropical, subtropical, temperado e boreal. Em uma escala global, o mapa de “perda” tinha uma taxa de falsos positivos de 13% e uma taxa de falso negativo de 12%. O mapa de “ganho” teve uma taxa significativamente mais elevada de erro, com uma taxa de falso-positivo de 24% e uma taxa de falso negativo de 26%. Os erros de “perda” e “ganho” variam consideravelmente entre os quatro grandes biomas, o que sugere que a precisão pode ser maior ou menor dependendo da localização em particular.

PERDAGANHO
BiomaFalso-positivosFalso-negativosFalso-positivosFalso-negativos
Global13%12,2%23,6%26,1%
Tropical13%16,9%18,1%52,0%
Subtropical20,7%20,6%14,5%17,6%
Temperado11,8%6,1%38,0%23,5%
Boreal12,2%6,1%23,3%1,6%

Os autores realizaram outro teste para determinar a precisão temporal dos dados de “perda”, na medida em que o mapa detecta perdas no ano correto. Usando os mesmos 1.500 blocos, os autores compararam o ano da “perda” no mapa com a maior mudança nos blocos de validação. Eles descobriram que o ano atribuído às perdas de cobertura vegetal observado foi correto em 75,2% das vezes, e estava correto um ano antes ou depois em 96,7% das vezes. Enquanto o primeiro estudo mostrou a precisão em escalas regionais e globais, o segundo estudo tratou da precisão dos dados nos trópicos e em uma resolução maior. O segundo estudo analisou a precisão de 3.000 pixels individuais (30 x 30 metros), distribuídos por regiões tropicais da África Subsaariana e Sul e Sudeste da Ásia e da América Latina, em comparação com os dados verdadeiros das imagens do Landsat e Google Earth. Eles encontraram taxas ativas e positivas abaixo de 20% em todas as áreas, exceto na África Subsaariana, que teve 48% de falsos negativos. Os autores suspeitam que a baixa precisão na África esteja relacionada com a prevalência de distúrbio em pequena escala, o que é mais difícil de mapear com uma resolução de 30 metros. Descobriram também que mais de 85% de falso-negativos ocorrem dentro de um pixel mapeado como “perda”, sugerindo que a maior parte do equívoco na perda ocorre nos blocos adjacentes de outras áreas de perda.

PERDAGANHO
ContinenteFalso-positivosFalso-negativos
África subsaariana4%48%
Sul / Sudeste da Ásia8%14%
América Latina4%17%

O que significa tudo isso?

É importante entender como a precisão é medida e estar ciente dos erros inseridos ​​nos dados. Mas mesmo que não seja 100% preciso os dados de cobertura vegetal GLAD ainda podem nos fornecer informações valiosas?  Confira a Parte 2 dessa série de blog, onde vamos explorar o que todos esses números significam para os usuários dos dados GLAD.

Latest articles

forests at the edge of Hong Kong contribute to clean water supplies

Forests Near or Far can Protect Water for Cities

Forests, whether they are growing within cities or far away in other countries, are crucial to regulating urban clean water supplies.

naturally regenerating forest

Young Forests Capture Carbon Quicker than Previously Thought

New research shows natural forest regrowth, as opposed to reforestation by tree planting, can capture more carbon dioxide from the air than previously thought.

GLAD alerts

GLAD Deforestation Alerts, Explained

GLAD deforestation alerts update weekly, showing areas of recent lost to forest defenders across the tropics to encourage action.

fetching comments...