Avaliação Temporal da Dinâmica de Regeneração da Vegetação em Áreas Queimadas no Pantanal
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
O Pantanal, um dos biomas mais conservados do Brasil, vem sofrendo com alterações do ciclo hidrológico, queimadas e expansão do agronegócio. Os incêndios constantes e contínuos nesse bioma ocasionam danos ambientais imensuráveis pela sua característica de longos períodos de estiagem com baixa umidade e elevada temperatura. Nesse sentido, o presente estudo analisou a dinâmica de regeneração da vegetação pós-queima e produção de biomassa no bioma Pantanal por meio de derivadas dos perfis temporais (sazonais) do índice de vegetação NDVI (Normalized Vegetation Index) e do índice de queimadas NBR (Normalized Burn Ratio Index). Para o mapeamento e identificação das áreas queimadas, utilizou-se um algoritmo implementado no Google Earth Engine, e produtos de fogo ativo MOD14A2, derivados a partir de imagens do sensor MODIS. Foram selecionadas 7 áreas queimadas em setembro/2016 e para cálculo dos índices utilizou-se a coleção de dados Landsat8 Surface Reflectance Tier1 entre abril de 2013 a setembro de 2020. Segundo as análises, duas áreas não foram capazes de se recuperar após o evento de fogo. No entanto, em todas as áreas os índices retornaram para valores semelhantes aos encontrados no ano anterior à queimada. Além disso, a pluviosidade do local foi determinante para definir o efeito da queimada e da produção de biomassa, sendo que as áreas em locais com maior pluviosidade as menos afetadas pelo efeito das queimadas. Com base nos resultados deste estudo, os índices utilizados se mostraram eficientes na identificação das áreas queimadas e na classificação do potencial de regeneração destas áreas.
Downloads
Métricas
Detalhes do artigo
Esta obra está licenciado com uma Licença Creative Commons Attribution 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").
Referências
ALCARAZ, D.; PARUELO, J.; CABELLO, J. Identification of current ecosystem functional types in the Iberian Peninsula. Global Ecology and Biogeography, [S. l.], v. 15, n. 2, p. 200–212, 2006. DOI: 10.1111/j.1466-822X.2006.00215.x.
ANTUNES, J. F. G.; LAMPARELLI, R. A. C.; RODRIGUES, L. H. A. Assessing of the sugarcane cultivation dynamics in São Paulo state by MODIS data temporal profiles. Engenharia Agrícola, [S. l.], v. 35, n. 6, p. 1127–1136, 2015.
BAR, S.; PARIDA, B. R.; PANDEY, A.C. Landsat-8 and Sentinel-2 based Forest fire burn area mapping using machine learning algorithms on GEE cloud platform over Uttarakhand, Western Himalaya. Remote Sensing Applications: Society and Environment, [S. l.], v. 18, p. 100324, 2020.
COLLINS, L.; MCCARTHY, G.; MELLOR, A.; NEWELL, G.; SMITH, L. Training data requirements for fire severity mapping using Landsat imagery and random forest. Remote Sensing of Environment, [S. l.], v. 245, p. 111839, 2020.
CROWLEY, M. A.; CARDILLE, J. A.; WHITE, J. C.; WULDER, M. A. Multi-sensor, multi-scale, Bayesian data synthesis for mapping within-year wildfire progression. Remote sensing letters, [S. l.], v. 10, n. 3, p. 302–311, 2019.
CUEVAS-GONZÁLEZ, M.; GERARD, F.; BALZTER, H.; RIAÑO, D. Analysing forest recovery after wildfire disturbance in boreal Siberia using remotely sensed vegetation indices. Global Change Biology, [S. l.], v. 15, n. 3, p. 561–577, 2009. DOI: 10.1111/j.1365-2486.2008.01784.x.
DA SILVA, A. B. N.; BELTRÃO, N. E. S.; SANTOS, L. B. Utilizando imagens Sentinel-2 e índices espectrais para análise de severidade em áreas queimadas de origem antrópica: um estudo no sudeste da Amazônia. Revista Brasileira de Geografia Física, v. 16, n. 01, p. 489-504, 2023.
EMADIZADEH, A.; AZIZI, Z. Detection and Diagnosis of Fire Areas in Golestan Forests Using Landsat Satellite Images. Journal of Radar and Optical Remote Sensing, [S. l.], v. 2, n. 4, p. 7–20, 2020.
ESCUIN, S. NAVARRO, S.; FERNÁNDEZ P. Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images, International Journal of Remote Sensing, 29:4, 1053-1073, 2008. DOI: 10.1080/01431160701281072
GARCÍA-LLAMAS, P.; SUÁREZ-SEOANE, S.; FERNÁNDEZ-GUISURAGA, J. M.; FERNÁNDEZ-GARCÍA, V.; FERNÁNDEZ-MANSO, A.; QUINTANO, C.; TABOADA, A.; MARCOS, E; CALVO, L. Evaluation and comparison of Landsat 8, Sentinel-2 and Deimos-1 remote sensing indices for assessing burn severity in Mediterranean fire-prone ecosystems. International Journal of Applied Earth Observation and Geoinformation, 80, 137-144, 2019.
GORELICK, N.; HANCHER, M.; DIXON, M.; ILYUSHCHENKO, S.; THAU, D.; MOORE, R. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, [S. l.], v. 202, p. 18–27, 2017.
GUIMARÃES, A. M. B. M. Estudo da dinâmica da vegetação após incêndio. O caso do Parque Natural de Sintra-Cascais após grande incêndio de agosto de 2000. Universidade Técnica de Lisboa, 2009.
KEY, C. H.; BENSON, N. C. Measuring and remote sensing of burn severity: the CBI and NBR. Poster abstract/Eds. LF Neuenschwander, KC Ryan. In: PROC. JOINT FIRE SCIENCE CONF. AND WORKSHOP. V. II. BOISE, 15-17 JUNE 1999, Anais... [s.l: s.n.] p. 284.
LE PAGE, M.; ZRIBI, M. Analysis and predictability of drought in Northwest Africa using optical and microwave satellite remote sensing products. Scientific reports, v. 9, n. 1, p. 1466, 2019.
LI, X.; SONG, K.; LIU, G. Wetland Fire Scar Monitoring and Its Response to Changes of the Pantanal Wetland. Sensors, [S. l.], v. 20, n. 15, p. 4268, 2020. DOI: 10.3390/s20154268.
LLOYD, D. A phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery. International Journal of Remote Sensing, [S. l.], v. 11, n. 12, p. 2269–2279, 1990. DOI: 10.1080/01431169008955174.
MALLINIS, G.; MITSOPOULOS, I.; CHRYSAFI, I. Evaluating and comparing Sentinel 2A and Landsat-8 Operational Land Imager (OLI) spectral indices for estimating fire severity in a Mediterranean pine ecosystem of Greece. GIScience & Remote Sensing, [S. l.], v. 55, n. 1, p. 1–18, 2018.
MARENGO, J. A., CUNHA, A. P., CUARTAS, L. A., LEAL, K. R. D., BROEDEl, E., SELUCHI, M. E., MICHELIN, M.; BAIÃO, C. F. P.; ÂNGULO, E. C.; ALMEIDA, E. K.; KAZMIERCKZAK, M. L.; MATEUS, N. P. A.; SILVA, R. C.; BENDER, F. Extreme drought in the Brazilian Pantanal in 2019–2020: characterization, causes, and impacts. Frontiers in Water, 3, v. 3, p. 13, 2021.
MONDAL, P. Quantifying surface gradients with a 2-band Enhanced Vegetation Index (EVI2). Ecological Indicators, [S. l.], v. 11, n. 3, p. 918–924, 2011.
MORAES, E. C.; MATAVELI, G. A.; SANTOS, P. R.; OLIVEIRA, B. S. Estudo da dinâmica de queimada no bioma Pantanal no período de 2002 a 2015. In: Simpósio Brasileiro De Sensoriamento Remoto. Santos (SP). Anais..., [S. l.], v. 18, 2017, p. 3423–3430, 2017.
NOVAIS, M. DA S., LATORRACA, E. D. B., DE CAMPOS, A. C. B. R., DA CRUZ TEIXEIRA, N., DE ALMEIDA, G. A. G.; MARCILIO, N. D. S. A. DA SILVA NOVAIS, Mariane et al. Análise de severidade de áreas queimadas no município de Poconé–MT. Research, Society and Development, v. 11, n. 5, p. e6311527882-e6311527882, 2022. DOI: http://dx.doi.org/10.33448/rsd-v11i5.27882http://dx.doi.org/10.33448/rsd-v11i5.27882
PETTORELLI, N.; VIK, J. O.; MYSTERUD, A.; GAILLARD, J. M.; TUCKER, C. J.; STENSETH, N. C. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, [S. l.], v. 20, n. 9, p. 503–510, 2005. DOI: 10.1016/j.tree.2005.05.011.
ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the great plains with ERTS. In: Third ERTS Symposium, Washignton, DC, Proceedings…, NASA SP-351, NASA, Washignton, DC, v. 1, p. 309-317, 1973.
SEGER, C. D.; BATISTA, A. C.; TETTO, A. F.; GIONGO ALVES, M. V.; SOARES, R. V.; BIONDI, D. Incremento da biomassa aérea da vegetação dos campos naturais do Pparaná em período pós-queima. FLORESTA, [S. l.], v. 46, n. 1, p. 93, 2016. DOI: 10.5380/rf.v46i1.43381.
SORIANO, B. M. A.; NARCISO, M. G. Sistema de alerta de risco de incêndio para o Pantanal. Embrapa Pantanal-Capítulo em livro científico (ALICE), [S. l.], 2020.
TEODORO, A.; AMARAL, A. A statistical and spatial analysis of Portuguese forest fires in summer 2016 considering Landsat 8 and Sentinel 2A data. Environments, [S. l.], v. 6, n. 3, p. 36, 2019.
TORRES, J.; GONÇALVES, J.; BRUNO, M.; JOÃO, H. Indicator-based assessment of post-fire recovery dynamics using satellite NDVI time-series. Ecological Indicators, [S. l.], v. 89, p. 199–212, 2018.
USGS. Landsat 8 Collection 1 Land Surface Reflectance Code Product Guide. Disponível em: https://www.usgs.gov/media/files/landsat-8-collection-1-land-surface-reflectance-code-product-guide. Acesso em: 2020.
VIANA, D. R.; ALVALÁ, R. C dos S. Vegetation index performance for the pantanal region during both dry and rainy seasons. Geografia, v. 36, p. 143-158, 2011.