Rafael Azevedo Veríssimo, Vasco2026-01-122026-01-122025http://hdl.handle.net/10400.5/116562This research was funded by the Fundação para a Ciência e a Tecnologia with a grant of the project THAWIMPACT - Antarctic Peninsula permafrost under a changing climate: sensitivity, fate and impacts (2022.06628.PTDC)A Península Antártica (AP) representa uma das regiões mais dinâmicas e ecologicamente significativas da Antártida. Apesar de ser maioritariamente dominada por terreno glaciado, uma pequena fração da península é constituída por áreas livres de gelo (IFAs). Estas áreas, embora espacialmente limitadas, desempenham um papel importante na ecologia terrestre da região. Localizam-se tipicamente em penínsulas de baixa altitude, escarpas rochosas e nunataks isolados. Fornecem os únicos substratos para o crescimento da vegetação e formação de solos, além de suportarem colónias de aves marinhas e mamíferos. Consequentemente, funcionam como pontos críticos de biodiversidade num ambiente maioritariamente dominado pelo gelo. A AP tem sofrido alterações ambientais profundas nas últimas décadas. Desde, pelo menos, meados do século XX, foi identificada como um ponto quente das alterações climáticas, com taxas de aquecimento entre as mais elevadas registadas no planeta. Estas mudanças climáticas têm-se traduzido no recuo dos glaciares, perda de gelo marinho e colapso de importantes plataformas de gelo. Em conjunto, estes processos têm implicações significativas para a extensão e relevância ecológica das áreas livres de gelo. Assim, compreender a distribuição, a dinâmica e as características ambientais das IFAs é essencial para desenvolver uma visão integrada dos sistemas ecológicos e geomorfológicos da Península Antártica. Apesar de numerosos estudos locais terem sido realizados na AP, a maioria focou-se em questões científicas específicas ou áreas restritas. Avaliações regionais de alta resolução continuam a ser relativamente escassas, representando uma lacuna importante dada a fragmentação espacial das IFAs e o seu valor ecológico. O principal objetivo da investigação realizada foi colmatar essa lacuna, tirando partido dos recentes avanços na observação da Terra para melhorar a delimitação e caracterização das IFAs ao longo da Península Antártica. O estudo desenvolve-se a partir do trabalho de Burton-Johnson et al. (2016), em que cartografaram as IFAs utilizando imagens Landsat-8 a 30 m de resolução. O presente trabalho recorre a imagens Sentinel-2, com resolução espacial de 10 m, bem como a novos modelos digitais de elevação de alta resolução, para disponibilizar cartografia mais detalhada e uma análise regional sistemática das unidades geoecológicas. Um elemento central da investigação consistiu no desenvolvimento de um algoritmo na plataforma Google Earth Engine (GEE) para identificar IFAs a partir de dados de reflectância à superfície do Sentinel-2 (S2_SR). O algoritmo, que denominámos S2-IFA detection, foi concebido para superar vários desafios inerentes à deteção remota em regiões polares. Dá ênfase ao cálculo do Índice de Diferença Normalizada da Neve (NDSI), que permite distinguir entre superfícies cobertas de neve e superfícies livres de neve. Para isso, o algoritmo constrói compósitos de imagens livres de nuvens, aplicando limiares de probabilidade de nebulosidade e removendo píxeis contaminados por nuvens. Um passo fundamental consiste em selecionar o valor mínimo disponível para cada píxel em todas as bandas espectrais, garantindo que o dataset reflete a observação menos contaminada por nuvens ou neve. O compósito é depois refinado selecionando o píxel mais recente com o valor mais baixo na banda do infravermelho próximo (Banda 8). Uma vez construído o compósito, aplica-se o NDSI para delimitar as áreas livres de gelo. Um desafio importante foi o facto de o limiar de NDSI de 0,4, habitualmente usado na literatura para separar neve/gelo de solo, não se ter revelado adequado com a abordagem de compósitos. Após analisar a distribuição de valores de NDSI para neve e solo, concluiu-se que um limiar muito mais baixo, de 0,1, proporcionava uma separação mais precisa. Este valor reduziu os erros de classificação e melhorou a exatidão da deteção das IFAs. Ao identificar a zona de transição entre valores de neve/gelo e valores de solo, o estudo adaptou o algoritmo às condições específicas da Península Antártica, onde pequenas diferenças de cobertura superficial e misturas espectrais podem complicar a classificação. Dada a distribuição fragmentada das IFAs e a enorme extensão espacial da AP (cerca de 3.500 km de comprimento), foi necessário um enquadramento padronizado para a análise regional. Para isso foi utilizada uma grelha de 1 km², fornecendo unidades espaciais consistentes para caracterização adicional. Esta grelha assegura cobertura uniforme e permite a integração de variáveis ambientais diversas. Apenas as células que continham IFAs foram mantidas na análise, enquanto as células com menos de 50% de área terrestre foram excluídas. Para caracterizar o contexto ambiental de cada célula com IFAs, derivaram-se diferentes variáveis. A partir de Modelos Digitais de Elevação (DEMs) de alta resolução extraíram-se altitude e declive, fornecendo descritores morfométricos fundamentais. Também se calculou a distância à costa, reconhecendo a sua importância nos processos ecológicos. Além disso, foi criado um compósito Sentinel-2 para calcular o Índice de Vegetação por Diferença Normalizada (NDVI), destinado a detetar a presença de vegetação nas IFAs. Esta análise baseou-se em trabalhos anteriores (e.g., Casanovas et al., 2015; Vieira et al., 2014), que observaram que na Antártida os valores de NDVI são frequentemente mais baixos, devido à predominância de líquenes e à mistura espectral com rocha, solo, neve e gelo. Para extrair os sinais de vegetação, desenvolveu-se um script específico de processamento NDVI. Semelhante na estrutura ao algoritmo baseado em NDSI, o script NDVI aplicou igualmente máscaras de nuvens e compósitos de valores mínimos. O resultado foi um dataset que capturou o valor mínimo de NDVI para cada píxel, otimizado para detetar vegetação esparsa e de baixa refletância típica dos ambientes terrestres da Antártida. Apesar das semelhanças com a deteção de IFAs, introduziram-se algumas diferenças subtis para refinar a deteção de vegetação. A vegetação não foi a única variável ecológica considerada. Dados do Antarctic Ecosystems Inventory (Tóth et al., 2024) foram usados para identificar colónias de pinguins nas IFAs. Qualquer célula da grelha com vegetação ou colónias de pinguins em mais de 10% da sua área foi atribuída a uma nova classe geoecológica, expandindo o sistema de classificação para além dos critérios morfométricos e espectrais. Desta forma, foi criada uma tipologia de unidades geoecológicas que integra características abióticas e bióticas das IFAs da Península Antártica. A implementação do sistema de classificação baseado em Sentinel-2 enfrentou desafios significativos. As IFAs da AP são escassas, frequentemente muito pequenas e situadas em terrenos íngremes, com problemas de iluminação. A nebulosidade e a variabilidade sazonal da neve complicam ainda mais a análise, mesmo durante o curto verão. Assim, grande parte do trabalho de investigação concentrou-se no desenvolvimento, refinamento e validação do algoritmo S2-IFA, de modo a produzir um dataset de alta resolução fiável. Isto exigiu um esforço computacional substancial na plataforma GEE e uma calibração cuidadosa de limiares e procedimentos de filtragem. O resultado final do processo de deteção das IFAs foi uma grelha de 39.501 km², composta apenas por células contendo IFAs identificadas pelo método NDSI. Neste enquadramento, definiram-se 53 classes geoecológicas distintas, integrando informação de topografia, vegetação e colónias de pinguins. Trata-se de um avanço importante na caracterização regional das IFAs da AP. A fase final da investigação consistiu em avaliar relações entre as novas unidades geoecológicas e sistemas de classificação já existentes. Compararam-se os resultados com os Tipos de Ecossistemas Bioregionais definidos por Tóth et al. (2024) e com a classificação litológica SIMPDESC desenvolvida por Cox (2023). Neste último caso, a classificação foi simplificada para facilitar a análise. Em ambos os casos observaram-se correlações estatisticamente significativas, ainda que a força da associação fosse baixa a moderada. Este resultado reflete a complexidade de relacionar novas classificações espaciais com enquadramentos ecológicos ou geológicos prévios, sobretudo quando baseados em metodologias distintas. No conjunto, a investigação demonstra o potencial das imagens Sentinel-2, combinadas com processamento avançado em Google Earth Engine, para melhorar significativamente a cartografia e caracterização das áreas livres de gelo na Península Antártica. Confirma-se que as IFAs, embora reduzidas em extensão, são altamente heterogéneas e ecologicamente importantes. O novo dataset constitui um recurso para investigação e monitorização futuras, oferecendo maior resolução espacial e uma classificação mais detalhada do que estudos anteriores baseados em imagens de menor resolução. O estudo evidencia os desafios de cartografar ambientes polares. A complexidade espectral das IFAs, a influência da neve e da nebulosidade, e as dificuldades de escalonamento de análises locais para abordagens regionais constituem obstáculos significativos. O trabalho constitui o início de um caminho metodológico para integrar dados de satélite, modelos de elevação e inventários ecológicos num enquadramento geoecológico coerente.The Antarctic Peninsula (AP) is predominantly covered by glaciers, with ice-free areas restricted to low-lying peninsulas, steep rock walls, and isolated nunataks. Although these ice-free areas occupy only a small proportion of the landscape, they represent critical ecological hotspots. Within the Antarctic Peninsula’s icefree areas (IFAAP), unique terrestrial biodiversity flourishes, including specialized vegetation and soil communities, alongside key breeding sites for numerous marine birds and mammals. The main objective of this thesis was to make use of the Sentinel-2 imagery dataset at 10 m spatial resolution to improve the delimitation and characterization of the ice-free areas of the Antarctic Peninsula. This had been done by Burton-Johnson et al (2016) using a coarser resolution Landsat-8 data set at 30 m. We further aimed at using new high resolution digital elevation datasets to classify the ice-free areas according to key morphometric characteristics at a coarse grid of 1 km, aiming at a regional approach to the distribution of geoecological units. The identification of the Ice-Free Areas was done through a Google Earth Engine (GEE) script, that over a band composite, retrieved the minimum band 8 pixel in order to find the darkest pixel and apply the Normalized Difference Snow Index (NDSI) to separate the snow and ice from the soil and rocks. For this, we used a threshold value of 0.1, validated in selected areas in the South Shetland Islands. For mapping the Geoecological units, a 1 km by 1 km grid was created so that would be easier to visualize and analyse the IFA. The final grid has 39,501 km and they were only kept because they contain IFA detected through the NDSI method. The final Geoecological classification lead to 53 different classes.application/pdfengIce-Free AreasAntarctic PeninsulaGeoecological unitsGoogle Earth EngineSentinel-2Áreas livres de GeloPenínsula AntárticaUnidades GeoecológicasGoogle Earth EngineSentinel-2master thesis204123836