Disentangling the contribution of multiple land covers to fire-mediated carbon emissions in Amazonia during the 2010 drought.

In less than 15 years, the Amazon region experienced three major droughts. Links between droughts and fires have been demonstrated for the 1997/1998, 2005, and 2010 droughts. In 2010, emissions of 510 ± 120 Tg C were associated to fire alone in Amazonia. Existing approaches have, however, not yet disentangled the proportional contribution of multiple land cover sources to this total. We develop a novel integration of multisensor and multitemporal satellite-derived data on land cover, active fires, and burned area and an empirical model of fire-induced biomass loss to quantify the extent of burned areas and resulting biomass loss for multiple land covers in Mato Grosso (MT) state, southern Amazonia-the 2010 drought most impacted region. We show that 10.77% (96,855 km2) of MT burned. We estimated a gross carbon emission of 56.21 ± 22.5 Tg C from direct combustion of biomass, with an additional 29.4 ± 10 Tg C committed to be emitted in the following years due to dead wood decay. It is estimated that old-growth forest fires in the whole Brazilian Legal Amazon (BLA) have contributed to 14.81 Tg of C (11.75 Tg C to 17.87 Tg C) emissions to the atmosphere during the 2010 fire season, with an affected area of 27,555 km2. Total C loss from the 2010 fires in MT state and old-growth forest fires in the BLA represent, respectively, 77% (47% to 107%) and 86% (68.2% to 103%) of Brazil's National Plan on Climate Change annual target for Amazonia C emission reductions from deforestation.

Large carbon sink potential of secondary forests in the Brazilian Amazon to mitigate climate change.

Tropical secondary forests sequester carbon up to 20 times faster than old-growth forests. This rate does not capture spatial regrowth patterns due to environmental and disturbance drivers. Here we quantify the influence of such drivers on the rate and spatial patterns of regrowth in the Brazilian Amazon using satellite data. Carbon sequestration rates of young secondary forests (<20 years) in the west are ~60% higher (3.0 ± 1.0 Mg C ha-1 yr-1) compared to those in the east (1.3 ± 0.3 Mg C ha-1 yr-1). Disturbances reduce regrowth rates by 8-55%. The 2017 secondary forest carbon stock, of 294 Tg C, could be 8% higher by avoiding fires and repeated deforestation. Maintaining the 2017 secondary forest area has the potential to accumulate ~19.0 Tg C yr-1 until 2030, contributing ~5.5% to Brazil's 2030 net emissions reduction target. Implementing legal mechanisms to protect and expand secondary forests whilst supporting old-growth conservation is, therefore, key to realising their potential as a nature-based climate solution.

Massive soybean expansion in South America since 2000 and implications for conservation.

A prominent goal of policies mitigating climate change and biodiversity loss is to achieve zero-deforestation in the global supply chain of key commodities, such as palm oil and soybean. However, the extent and dynamics of deforestation driven by commodity expansion are largely unknown. Here we mapped annual soybean expansion in South America between 2000 and 2019 by combining satellite observations and sample field data. From 2000-2019, the area cultivated with soybean more than doubled from 26.4 Mha to 55.1 Mha. Most soybean expansion occurred on pastures originally converted from natural vegetation for cattle production. The most rapid expansion occurred in the Brazilian Amazon, where soybean area increased more than 10-fold, from 0.4 Mha to 4.6 Mha. Across the continent, 9% of forest loss was converted to soybean by 2016. Soy-driven deforestation was concentrated at the active frontiers, nearly half located in the Brazilian Cerrado. Efforts to limit future deforestation must consider how soybean expansion may drive deforestation indirectly by displacing pasture or other land uses. Holistic approaches that track land use across all commodities coupled with vegetation monitoring are required to maintain critical ecosystem services.

Pervasive Rise of Small-scale Deforestation in Amazonia.

Understanding forest loss patterns in Amazonia, the Earth's largest rainforest region, is critical for effective forest conservation and management. Following the most detailed analysis to date, spanning the entire Amazon and extending over a 14-year period (2001-2014), we reveal significant shifts in deforestation dynamics of Amazonian forests. Firstly, hotspots of Amazonian forest loss are moving away from the southern Brazilian Amazon to Peru and Bolivia. Secondly, while the number of new large forest clearings (>50 ha) has declined significantly over time (46%), the number of new small clearings (<1 ha) increased by 34% between 2001-2007 and 2008-2014. Thirdly, we find that small-scale low-density forest loss expanded markedly in geographical extent during 2008-2014. This shift presents an important and alarming new challenge for forest conservation, despite reductions in overall deforestation rates.

High spatial resolution land use and land cover mapping of the Brazilian Legal Amazon in 2008 using Landsat-5/TM and MODIS data / Mapeamento do uso e cobertura da terra na Amazônia Legal Brasileira com alta resolução espacial utilizando dados Landsat-5/TM e MODIS

Understanding spatial patterns of land use and land cover is essential for studies addressing biodiversity, climate change and environmental modeling as well as for the design and monitoring of land use policies. The aim of this study was to create a detailed map of land use land cover of the deforested areas of the Brazilian Legal Amazon up to 2008. Deforestation data from and uses were mapped with Landsat-5/TM images analysed with techniques, such as linear spectral mixture model, threshold slicing and visual interpretation, aided by temporal information extracted from NDVI MODIS time series. The result is a high spatial resolution of land use and land cover map of the entire Brazilian Legal Amazon for the year 2008 and corresponding calculation of area occupied by different land use classes. The results showed that the four classes of Pasture covered 62% of the deforested areas of the Brazilian Legal Amazon, followed by Secondary Vegetation with 21%. The area occupied by Annual Agriculture covered less than 5% of deforested areas; the remaining areas were distributed among six other land use classes. The maps generated from this project - called TerraClass - are available at INPE's web site (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).

Entender o padrão espacial do uso e cobertura da terra é essencial para estudos de biodiversidade, mudanças climáticas e modelagem ambiental, bem como para concepção e acompanhamento de políticas direcionadas ao uso da terra. O objetivo deste estudo foi criar um mapa detalhado do uso e cobertura da terra para a porção desflorestada da Amazônia Legal Brasileira, até 2008. Dados de desflorestamento e uso foram mapeados usando imagens Landsat-5/TM analisadas com técnicas como modelo linear de mistura espectral, fatiamento e interpretação visual, auxiliados por informações temporais de NDVI extraídas de série temporal de dados MODIS. O resultado deste estudo é um mapa de uso e cobertura da terra com alta resolução espacial para toda Amazônia Legal Brasileira, para o ano de 2008, e os respectivos percentuais da área ocupada por diferentes classes de uso da terra. O resultado mostrou que, quatro classes de pastagens cobrem 62% da área desflorestada da Amazônia Legal Brasileira, seguida pela vegetação secundária com 21%. A área ocupada pela agricultura anual cobriu menos de 5% das áreas desflorestadas; as áreas restantes estavam distribuídas em outras seis classes de uso da terra. Os mapas gerados por este projeto, chamado TerraClass, estão disponíveis no site do INPE (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).

High spatial resolution land use and land cover mapping of the Brazilian Legal Amazon in 2008 using Landsat-5/TM and MODIS data / Mapeamento do uso e cobertura da terra na Amazônia Legal Brasileira com alta resolução espacial utilizando dados Landsat-5/TM e MODIS

Understanding spatial patterns of land use and land cover is essential for studies addressing biodiversity, climate change and environmental modeling as well as for the design and monitoring of land use policies. The aim of this study was to create a detailed map of land use land cover of the deforested areas of the Brazilian Legal Amazon up to 2008. Deforestation data from and uses were mapped with Landsat-5/TM images analysed with techniques, such as linear spectral mixture model, threshold slicing and visual interpretation, aided by temporal information extracted from NDVI MODIS time series. The result is a high spatial resolution of land use and land cover map of the entire Brazilian Legal Amazon for the year 2008 and corresponding calculation of area occupied by different land use classes. The results showed that the four classes of Pasture covered 62% of the deforested areas of the Brazilian Legal Amazon, followed by Secondary Vegetation with 21%. The area occupied by Annual Agriculture covered less than 5% of deforested areas; the remaining areas were distributed among six other land use classes. The maps generated from this project - called TerraClass - are available at INPE's web site (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).(AU)

Entender o padrão espacial do uso e cobertura da terra é essencial para estudos de biodiversidade, mudanças climáticas e modelagem ambiental, bem como para concepção e acompanhamento de políticas direcionadas ao uso da terra. O objetivo deste estudo foi criar um mapa detalhado do uso e cobertura da terra para a porção desflorestada da Amazônia Legal Brasileira, até 2008. Dados de desflorestamento e uso foram mapeados usando imagens Landsat-5/TM analisadas com técnicas como modelo linear de mistura espectral, fatiamento e interpretação visual, auxiliados por informações temporais de NDVI extraídas de série temporal de dados MODIS. O resultado deste estudo é um mapa de uso e cobertura da terra com alta resolução espacial para toda Amazônia Legal Brasileira, para o ano de 2008, e os respectivos percentuais da área ocupada por diferentes classes de uso da terra. O resultado mostrou que, quatro classes de pastagens cobrem 62% da área desflorestada da Amazônia Legal Brasileira, seguida pela vegetação secundária com 21%. A área ocupada pela agricultura anual cobriu menos de 5% das áreas desflorestadas; as áreas restantes estavam distribuídas em outras seis classes de uso da terra. Os mapas gerados por este projeto, chamado TerraClass, estão disponíveis no site do INPE (http://www.inpe.br/cra/projetos_pesquisas/terraclass2008.php).(AU)

Estimativa da área de soja no Estado do Rio Grande do Sul por um método de amostragem

This paper evaluates a sampling square method to estimate soybean crop area in Rio Grande do Sul State, Brazil. A soybean thematic map obtained from multitemporal Landsat images classification for the crop year of 2000/01 was used as reference data. The State area was divided into cells of 1 x 1km and stratified into three soybean area densities (0-20, 20-40 and 40-67%) at municipality level. A probabilistic technique was used to determine four sample rates representing 0.06, 0.12, 0.24 and 0.48% of the study area, being each one randomly sampled one hundred times. The soybean area for each sample was evaluated based on the reference data map. The one hundred estimates for each sample rate were then compared with the reference data for the entire study area. Best results were obtained for the highest sample rate with low Coefficient of Variation (5.2%), indicating that this method is not only suitable to accurate estimate soybean crop area, at State level, but it is also an appropriate alternative for early forecast or when cloud free satellite images are not available. The best three samples for the highest sample rate were selected to estimate soybean area over images acquired in the following crop year (2001/02). In this case, an increment between 11.4 and 12.5% in relation to 2000/01 was observed, indicating that the IBGE estimate (8.8%) is underestimated.

Este trabalho objetivou avaliar um método de amostragem por segmentos regulares na estimativa da área plantada com soja no Estado do Rio Grande do Sul. Um mapa temático das áreas com soja, oriundo da classificação multitemporal de imagens do satélite Landsat, ano-safra 2000/01, foi utilizado como dado de referência para comparação dos resultados. A área de estudo foi dividida em segmentos regulares de 1 x 1km e estratificada em relação ao percentual de soja cultivado no município, em três extratos: a) 0-20; b) 20-40 e c) 40-67%. Um método probabilístico foi utilizado para definir quatro números amostrais, representando 0,06, 0,12, 0,24 e 0,48% da área de estudo, sendo cada um sorteado aleatoriamente cem vezes. A estimativa da área de soja para cada sorteio foi calculada analisando-se a área de cada segmento sorteado sobre o mapa temático e então comparada ao dado de referência. Os melhores resultados foram obtidos para o maior número amostral, o qual teve baixo Coeficiente de Variação (5,2%), indicando que o método, além de fornecer a área plantada com soja, em nível estadual, pode ser usado para prever a área plantada no início da safra ou nos anos em que não se dispõe de imagens de satélite livres de nuvens. Os três melhores sorteios para o maior número amostral tiveram sua área de soja também quantificada através do mapeamento de imagens adquiridas no ano-safra subseqüente (2001/02). Neste caso, foi observado um incremento entre 11,4 e 12,5% em relação ao ano-safra 2000/01, indicando que o incremento informado pelo IBGE (8,8%) está subestimado.

Estimativa da área de soja no Estado do Rio Grande do Sul por um método de amostragem / Soybean crop area estimate in Rio Grande do Sul State through a sampling method

Este trabalho objetivou avaliar um método de amostragem por segmentos regulares na estimativa da área plantada com soja no Estado do Rio Grande do Sul. Um mapa temático das áreas com soja, oriundo da classificacão multitemporal de imagens do satélite Landsat, ano-safra 2000/01, foi utilizado como dado de referência para comparacão dos resultados. A área de estudo foi dividida em segmentos regulares de 1 x 1km e estratificada em relacão ao percentual de soja cultivado no município, em três extratos: a) 0-20; b) 20-40 e c) 40-67 por cento. Um método probabilístico foi utilizado para definir quatro números amostrais, representando 0,06, 0,12, 0,24 e 0,48 por cento da área de estudo, sendo cada um sorteado aleatoriamente cem vezes. A estimativa da área de soja para cada sorteio foi calculada analisando-se a área de cada segmento sorteado sobre o mapa temático e então comparada ao dado de referência. Os melhores resultados foram obtidos para o maior número amostral, o qual teve baixo Coeficiente de Variacão (5,2 por cento), indicando que o método, além de fornecer a área plantada com soja, em nível estadual, pode ser usado para prever a área plantada no início da safra ou nos anos em que não se dispõe de imagens de satélite livres de nuvens. Os três melhores sorteios para o maior número amostral tiveram sua área de soja também quantificada através do mapeamento de imagens adquiridas no ano-safra subseqüente (2001/02). Neste caso, foi observado um incremento entre 11,4 e 12,5 por cento em relacão ao ano-safra 2000/01, indicando que o incremento informado pelo IBGE (8,8 por cento) está subestimado.

Estimativa da área de soja no Estado do Rio Grande do Sul por um método de amostragem

This paper evaluates a sampling square method to estimate soybean crop area in Rio Grande do Sul State, Brazil. A soybean thematic map obtained from multitemporal Landsat images classification for the crop year of 2000/01 was used as reference data. The State area was divided into cells of 1 x 1km and stratified into three soybean area densities (0-20, 20-40 and 40-67%) at municipality level. A probabilistic technique was used to determine four sample rates representing 0.06, 0.12, 0.24 and 0.48% of the study area, being each one randomly sampled one hundred times. The soybean area for each sample was evaluated based on the reference data map. The one hundred estimates for each sample rate were then compared with the reference data for the entire study area. Best results were obtained for the highest sample rate with low Coefficient of Variation (5.2%), indicating that this method is not only suitable to accurate estimate soybean crop area, at State level, but it is also an appropriate alternative for early forecast or when cloud free satellite images are not available. The best three samples for the highest sample rate were selected to estimate soybean area over images acquired in the following crop year (2001/02). In this case, an increment between 11.4 and 12.5% in relation to 2000/01 was observed, indicating that the IBGE estimate (8.8%) is underestimated.

Este trabalho objetivou avaliar um método de amostragem por segmentos regulares na estimativa da área plantada com soja no Estado do Rio Grande do Sul. Um mapa temático das áreas com soja, oriundo da classificação multitemporal de imagens do satélite Landsat, ano-safra 2000/01, foi utilizado como dado de referência para comparação dos resultados. A área de estudo foi dividida em segmentos regulares de 1 x 1km e estratificada em relação ao percentual de soja cultivado no município, em três extratos: a) 0-20; b) 20-40 e c) 40-67%. Um método probabilístico foi utilizado para definir quatro números amostrais, representando 0,06, 0,12, 0,24 e 0,48% da área de estudo, sendo cada um sorteado aleatoriamente cem vezes. A estimativa da área de soja para cada sorteio foi calculada analisando-se a área de cada segmento sorteado sobre o mapa temático e então comparada ao dado de referência. Os melhores resultados foram obtidos para o maior número amostral, o qual teve baixo Coeficiente de Variação (5,2%), indicando que o método, além de fornecer a área plantada com soja, em nível estadual, pode ser usado para prever a área plantada no início da safra ou nos anos em que não se dispõe de imagens de satélite livres de nuvens. Os três melhores sorteios para o maior número amostral tiveram sua área de soja também quantificada através do mapeamento de imagens adquiridas no ano-safra subseqüente (2001/02). Neste caso, foi observado um incremento entre 11,4 e 12,5% em relação ao ano-safra 2000/01, indicando que o incremento informado pelo IBGE (8,8%) está subestimado.