RESUMOAs várzeas amazônicas são um importante componente do bioma Amazônico, mas impactos antrópicos e climáticos têm levado à perda florestal e à interrupção de processos e serviços ecossistêmicos. O presente estudo teve como objetivos avaliar a aplicabilidade do algoritmo Landsat-based Detection of Trends in Disturbance and Recovery (LandTrendr) na detecção de mudanças na cobertura florestal de várzea no Baixo Amazonas, e analisar o potencial de atributos espectrais e temporais na classificação das perdas florestais em antrópicas ou naturais. Utilizamos uma série temporal de 37 imagens Landsat TM e ETM+, adquiridas entre 1984 e 2009. Aplicamos o algoritmo LandTrendr para detectar mudanças na cobertura florestal e extrair os atributos de "duração", "magnitude" e "ano de início" das mudanças, além de "NDVI ao final da série". A detecção se restringiu a áreas identificadas como cobertura florestal no início e/ou final da série. Os atributos derivados da série temporal foram classificados pelo algoritmo Support Vector Machine (SVM), diferenciando as perdas florestais antrópicas e naturais. A confiabilidade da detecção dos eventos de mudança foi consistentemente alta ao longo do rio Amazonas, e mais variável no interior da várzea. As trajetórias espectrais-temporais representaram fielmente os eventos de mudança na cobertura florestal, com base em averiguações em campo. A perda da cobertura florestal por causas antrópicas foi maior (1.071 ha) do que por causas naturais (884 ha), com exatidão global de classificação de 94%. Concluímos que o algoritmo LandTrendr é uma ferramenta confiável para aplicação em estudos de dinâmica da cobertura florestal de várzea.

ABSTRACTThe Amazon várzeas are an important component of the Amazon biome, but anthropic and climatic impacts have been leading to forest loss and interruption of essential ecosystem functions and services. The objectives of this study were to evaluate the capability of the Landsat-based Detection of Trends in Disturbance and Recovery (LandTrendr) algorithm to characterize changes in várzeaforest cover in the Lower Amazon, and to analyze the potential of spectral and temporal attributes to classify forest loss as either natural or anthropogenic. We used a time series of 37 Landsat TM and ETM+ images acquired between 1984 and 2009. We used the LandTrendr algorithm to detect forest cover change and the attributes of "start year", "magnitude", and "duration" of the changes, as well as "NDVI at the end of series". Detection was restricted to areas identified as having forest cover at the start and/or end of the time series. We used the Support Vector Machine (SVM) algorithm to classify the extracted attributes, differentiating between anthropogenic and natural forest loss. Detection reliability was consistently high for change events along the Amazon River channel, but variable for changes within the floodplain. Spectral-temporal trajectories faithfully represented the nature of changes in floodplain forest cover, corroborating field observations. We estimated anthropogenic forest losses to be larger (1.071 ha) than natural losses (884 ha), with a global classification accuracy of 94%. We conclude that the LandTrendr algorithm is a reliable tool for studies of forest dynamics throughout the floodplain.