Classificação Supervisionada de Áreas Queimadas do Cerrado Utilizando Atributos Espectrais Provenientes de Séries Temporais do Sensor WFI
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
O Cerrado evoluiu sob a presença natural do fogo, contudo, incêndios de origem antrópica colocam em risco a conservação dos ecossistemas desse bioma, pois são mais intensos, difusos e frequentes. O monitoramento de eventos relacionados ao fogo é fundamental enquanto um instrumento de gestão ambiental. Considerando tecnologias e aplicações de sensoriamento remoto, destacam-se dois produtos principais de estudos do fogo: focos de calor (ou fogo ativo) e áreas queimadas. O objetivo deste artigo é analisar a viabilidade da utilização de séries temporais de imagens do sensor WFI (Wide Field Imaging Camera), que imageia nas bandas do visível e do infravermelho próximo, a bordo dos satélites CBERS-4, CBERS-4A e AMAZONIA-1, no mapeamento de áreas queimadas dos anos de 2020, 2021 e 2022 do Parque Nacional da Chapada dos Veadeiros, utilizando o Random Forest, algoritmo de classificação supervisionada. A série temporal é composta por 235 imagens que foram integradas em uma grade regular, resultando em seis conjuntos de dados independentes (banda do NIR e os índices espectrais BAI, EVI, GEMI, NDVI e NDWI) para treinamento, validação e teste. De forma geral, o NDVI apresentou as menores acurácias, e entre os datasets anuais, 2021 teve o melhor desempenho, seguido por 2020. Generalizações, conduzidas em datasets anuais aplicando-se os modelos multitemporais, isto é, treinados com amostras dos três anos, retornaram IoUs superiores a 70% em 2020 (exceto o EVI e o NDVI) e 2021 (exceto o NDVI) e superiores a 60% em 2022 (exceto o NDVI).
Downloads
Métricas
Detalhes do artigo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International 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
BELGIU, M.; DRĂGUŢ, L. Random forest in remote sensing: a review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, v. 114, p. 24–31, 2016. DOI: https://doi.org/10.1016/j.isprsjprs.2016.01.011.
BISPO, P. C.; PICOLI, M. C. A.; MARIMON, B. S.; JUNIOR, B. H. M.; PERES, C. A.; MENOR, I. O.; SILVA, D. E.; MACHADO, F. F.; ALENCAR, A. A. C.; ALMEIDA, C. A.; ANDERSON, L. O.; ARAGÃO., L. E. O. C.; BREUNIG, F. M.; DALAGNOL, R.; DINIZ-FILHO, J. A. F.; FERREIRA, L. G.; FERREIRA, M. E.; FISCH, G.; GALVÃO, L. S.; GIAROLLA, A.; GOMES, A. R.; JUNIOR, P. M.; KUCK, T. N.; LEHMANN, C. E. R.; LEMES, M. R., LIESENBERGM V.; LOYOLA, R.; MACEDO, M. N.; MENDES, F. S.; MIRANDA, F. S.; MIRANDA, S. C.; MORTON, D. C.; MOURA, Y. M.; OLDEKOP, J. A.; RAMOS-NETO, M. B.; ROSAN, T. M.; SAATCHI, S.; SANO, E. E.; SEGURA-GARCIA, C.; SHIMBO, J. Z.; SILVA, T. S. F.; TREVISAN, D. P.; ZIMBRES, B.; WIEDERKEHR, N. C.; SILVA-JUNIOR, C. H. L. Overlooking vegetation loss outside forests imperils the Brazilian Cerrado and other non-forest biomes. Nature Ecology & Evolution, v. 8, n. 1, p. 12-13, 2024, DOI: https://doi.org/10.1038/s41559-023-02256-w.
CARVALHO JÚNIOR, O. A. de C.; GUIMARÃES, R. F.; SILVA, C. R.; GOMES, R. A. T. Standardized time-series and interannual phenological deviation: New techniques for burned-area detection using long-term MODIS-NBR dataset. Remote Sensing, v. 7, n. 6, p. 6950–6985, 2015, DOI: https://doi.org/10.3390/rs70606950.
CHAVEZ-JR, P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, v. 24, n. 3, p. 459–479, 1988.
CHUVIECO, E.; MARTIN, M. P.; PALACIOS, A. Assessment of different spectral indices in the red-near-infrared spectral domain for burned land discrimination. International Journal of Remote Sensing, v. 23, n. 23, p. 5103–5110, 2002. DOI: https://doi.org/10.1080/01431160210153129.
COLLI, G. R.; VIEIRA, C. R.; DIANESE, J. C. Biodiversity and conservation of the Cerrado: recent advances and old challenges. Biodiversity and Conservation, v. 29, n. 5, p. 1465–1475, 2020, DOI: https://doi.org/10.1007/s10531-020-01967-x.
COPPIN, P.; LAMBIN, E.; JONCKHEERE, I.; MUYS, B. Digital change detection methods in natural ecosystem monitoring: A review. International Journal of Remote Sensing, v. 25, n. 9, 2004, p. 1565-1596, DOI: https://doi.org/10.1080/0143116031000101675.
DURIGAN, G.; PILON, N. A. L.; ABREU, R. C. R.; HOFFMANN, W. A.; MARTINS, M.; FIORILLO, B. F.; ANTUNES, A. Z.; CARMIGNOTTO, A. P.; MARAVALHAS, J. B.; VIEIRA, J.; VASCONCELOS, H. L. No net loss of species diversity after prescribed fires in the Brazilian savanna. Frontiers in Forests and Global Change, v. 3, p. 13, 2020, DOI: https://doi.org/10.3389/ffgc.2020.00013.
EPIPHANIO, J. C. N. CBERS: estado atual e futuro. In: Simpósio Brasileiro de Sensoriamento Remoto, XIV, São José dos Campos, 2009. Anais… São José dos Campos, Brasil, 2009, p. 2001-2008.
FIDELIS, A.; ALVARADO, S. T.; BARRADAS, A. C. S.; PIVELLO, V. R. The year 2017: Megafires and management in the Cerrado. Fire, v. 1, n. 3, p. 49, 2018, DOI: https://doi.org/10.3390/fire1030049.
FILKOV, A. I.; TIHAY-FELICELLI, V.; MASOUDVAZIRI, N.; RUSH, D.; VALENCIA, A.; WANG, Y.; BLUNCK, D. L.; VALERO, M. M.; KEMPNA, K.; SMOLKA, J.; DE BEER, J.; CAMPBELL-LOCHRIE, Z.; CENTENO, F. R.; IBRAHIM, M. A.; LEMMERTZ, C. K.; TAM, W. C. A review of thermal exposure and fire spread mechanisms in large outdoor fires and the build environment. Fire Safety Journal, v. 140, 2023, DOI: https://doi.org/10.1016/j.firesaf.2023.103871.
HOFFMAN, C.; FERNANDES, P.; MORGAN, P.; REGO, F. C. Fire science: from chemistry to landscape management. 1. ed. Switzerland: Springer, 2021.
INSTITUTO CHICO MENDES DE CONSERVAÇÃO DA BIODIVERSIDADE (ICMBIO). Plano de manejo do Parque Nacional da Chapada dos Veadeiros. Brasília: ICMBIO, 2021.JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 1. ed. São José dos Campos: Parêntese Editora, 2009.
JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, 2009. 598 p. 2.
JORDAHL, K.; BOSSCHE, J. V. D.; FLEISCHMANN, M.; WASSERMAN, J.; MCBRIDE, J.; GERARD, J.; TRATNER, J.; PERRY, M.; BADARACCO, A. G.; FARMER, C.; HJELLE, G. A.; SNOW, A. D.; COCHRAN, M.; GILLIES, S.; CULBERTSON, L.; BARTOS, M.; EUBANK, N.; MAXALBERT; BILOGUR, A.; REY, S.; REN, C.; ARRIBAS-BEL, D.; WASSER, L.; WOLF, L. J.; JOURNOIS, M.; WILSON, J.; GREENHALL, A.; HOLDGRAF, C.; FILIPE; LEBLANC, F. geopandas/geopandas: v0.8.1. jul. 2020. DOI: https://doi.org/10.5281/zenodo.3946761.
HUETE, A.; DIDAN, K.; MIURA, T.; RODRIGUEZ, E. P.; GAO, X.; FERREIRA, L. G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, v. 83, n. 1-2, p. 195–213, 2002. DOI: https://doi.org/10.1016/S0034-4257(02)00096-2
KEELEY, J. E. Fire intensity, fire severity and burn severity: a brief review and suggested usage. International Journal of Wildland Fire, v. 18, n. 1, p. 116-126, 2009, DOI: https://doi.org/10.1071/WF07049.
LOEBMANN, D. G. S. W. Classificação fitofisionômica do Cerrado no Parque Nacional da Chapada dos Veadeiros, GO, com a aplicação de uma análise combinatória com filtros adaptativos em imagens TM LANDSAT. 65 p. Dissertação (Mestrado em Geografia) - Universidade de Brasília (UnB), Brasília, 2008.MATAVELI, G. A. V.; SILVA, M. E. S.; PEREIRA, G.; CARDOZO, F. S.; KAWAKUBO, F. S.; BERTANI, G.; COSTA, J. C.; RAMOS, R. de C.; SILVA, V. V. da. Satellite observations for describing fire patterns and climate-related fire drivers in the Brazilian savannas. Natural Hazards and Earth System Sciences, v. 18, n. 1, p. 125–144, 2018. DOI: https://doi.org/10.5194/nhess-18-125-2018.
MCARTHUR, A.; CHENEY, N. The characterization of fires in relation to ecological studies. Fire Ecology, v. 11, n. 1, p. 3–9, 2015, DOI: https://doi.org/10.1007/BF03400629.
MCFEETERS, S. K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, v. 17, n. 7, p. 1425–1432, 1996.
MILNE, A. Change direction analysis using Landsat imagery: a review of methodology. In: International Geoscience and Remote Sensing Symposium, ‘'Remote Sensing: Moving Toward the 21st Century”, 1988, Edinburgh, UK. Anais… Edinburgh, UK , 1988, p. 541-544.
MMA. Brazil’s Forest Reference Emission Level for Reducing Emissions from Deforestation in the Cerrado biome for Results-based Payments for REDD+ under the United Nations Framework Convention on Climate Change. [S.l.]: MMA, Brasília, Brazil, 2017.
MYERS, N.; MITTERMEIER, R. A.; MITTERMEIER, C. G.; FONSECA, G. A. D.; KENT, J. Biodiversity hotspots for conservation priorities. Nature, v. 403, n. 6772, p. 853-858, 2000. DOI: https://doi.org/10.1038/35002501.
NEGRI, R. G.; LUZ, A. E.; FRERY, A. C.; CASACA, W. Mapping burned areas with multitemporal–multispectral data and probabilistic unsupervised learning. Remote Sensing, v. 14, n. 21, p. 5413, 2022, DOI: https://doi.org/10.3390/rs14215413.
NUNES, B. Y. C.; SIMÕES, L. S.; AQUINO, G. S. de; ROSA, R.; REZENDE, P. S. Correção atmosférica de imagens do sensor WFI do CBERS-4 através do método dark object subtraction (DOS). In: Simpósio Brasileiro de Sensoriamento Remoto, 19, 2019, Santos. Anais... São Jose dos Campos: INPE, 2019. p. 935-938.
OLDONI, L. Harmonization of WFI data from the CBERS-4, CBERS-4A and AMAZONIA-1 satellites for agricultural applications. 2022. 216 p. Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Brasil, 2022.
PASTOR, C. Q.; SHIMABUKURO, Y. E. Estimación de superficie quemada mediante la aplicación sinérgica de obia y sma a imágenes WFI CBERS. Simpósio Brasileiro de Sensoriamento Remoto, XIV, São José dos Campos, 2009. Anais… São José dos Campos, Brasil, 2009, p. 2119-2126.
PEDREGOSA, F.; VAROQUAUX, G.; GRAMFORT, A.; MICHEL, V.; THIRION, B.; GRISEL, O.; BLONDEL, M.; PRETTENHOFER, P.; WEISS, R.; DUBOURG, V.; VANDERPLAS, J.; PASSOS, A.; COURNAPEAU, D.; BRUCHER, M.; PERROT, M.; DUCHESNAY, E. Scikit-learn: machine learning in Python. Journal of Machine Learning Research, v. 12, p. 2825-2830, 2011. DOI: https://doi.org/10.48550/arXiv.1201.0490.
PENHA, T. V. Detecção de áreas queimadas na Amazônia utilizando imagens de média resolução espacial, técnicas de GEOBIA e mineração de dados. 2018. 74 p. Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Brasil, 2018.
PINTY, B.; VERSTRAETE, M. GEMI: a non-linear index to monitor global vegetation from satellites. Vegetation, v. 101, p. 15-20, 1992. DOI: https://doi.org/10.1007/BF00031911.
PIVELLO, V. R.; VIEIRA, I.; CHRISTIANINI, A. V.; RIBEIRO, D. B.; MENEZES, L. da S.; BERLINCK, C. N.; MELO, F. P.; MARENGO, J. A.; TORNQUIST, C. G.; TOMAS, W. M.; OVERBECK, G. E. Understanding Brazil’s catastrophic fires: Causes, consequences and policy needed to prevent future tragedies. Perspectives in Ecology and Conservation, v. 19, n. 3, p. 233-255, 2021, DOI: https://www.perspectecolconserv.com/en-understanding-brazils-catastrophic-fires-causes-articulo-S2530064421000560.
RIBEIRO, A. F. S.; SANTOS, L.; RANDERSON, J. T.; URIBE, M. R.; ALENCAR, A. A. C.; MACEDO, M. N.; MORTON, D. C.; ZSCHEISCHLER, J.; SILVESTRINI, R. A.; RATTIS, L.; SENEVIRATNE, S. I.; BRANDO, P. M. The time since land-use transition drives changes in fire activity in the Amazon-Cerrado region. Communications Earth & Environment, v. 5, n. 96, 2024, DOI: https://doi.org/10.1038/s43247-024-01248-3.
ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the great plains with ERTS. Washington: NASA, 1974. 309 p. 14.
RUSSO, G. M. Desenvolvimento de uma biblioteca Python para busca e processamento de dados do Satélite Sino-Brasileiro CBERS-04A. 51 p. Monografia (Graduação em Ciência da Computação) - Fundação Universidade Federal de Rondônia, Porto Velho, 2023.
SCHEFFLER, D. AROSICS: An Automated and Robust Open-Source Image Co-Registration Software for multi-sensor satellite data. Remote Sensing, v. 9, n. 7, p. 676, 2017, DOI: https://doi.org/10.3390/rs9070676.
SCHMIDT-ROHR, K. Why combustions are always exothermic, yielding about 418 kj per mole of o2. Journal of Chemical Education, v. 92, n. 12, p. 2094-2099, 2015, DOI: https://doi.org/10.1021/acs.jchemed.5b00333.
SHIMABUKURO, Y. E.; DUTRA, A. C.; ARAI, E.; DUARTE, V.; CASSOL, H. L. G.; PEREIRA, G.; CARDOZO, F. S. Mapping burned areas of Mato Grosso State Brazilian Amazon using multisensor datasets. Remote Sensing, v. 12, n. 22, p. 3827, 2020, DOI: https://doi.org/10.3390/rs12223827.
SIMON, M. F.; GRETHER, R.; QUEIROZ, L. P. de; SKEMA, C.; PENNINGTON, R. T.; HUGHES, C. E. Recent assembly of the Cerrado, a neotropical plant diversity hotspot, by in situ evolution of adaptations to fire. Proceedings of the National Academy of Sciences, v. 106, n. 48, p. 20359-20364, 2009. DOI: https://doi.org/10.1073/pnas.0903410106.
SILVA, W. K. L.; GRANDE, E. T. G.; OLIVEIRA, D. C. Estudo do satélite brasileiro Amazonia-1 e de sua trajetória: Mapeamento sistemático e análise documental dos artefatos históricos–oficiais. Research, Society and Development, v. 11, n. 2, p. 1-35, 2022, DOI: https://doi.org/10.33448/rsd-v11i2.25894.
STROPPIANA, D.; BORDOGNA, G.; SALI, M.; BOSCHETTI, M.; SONA, G.; BRIVIO, P. A. A fully automatic, interpretable and adaptive machine learning approach to map burned area from remote sensing, ISPRS International Journal of Geo-Information, v. 10, n. 8, p. 546, 2021, DOI: https://doi.org/10.3390/ijgi10080546.
SZPAKOWSKI, D. M.; JENSEN, J. L. A review of the applications of remote sensing in fire ecology. Remote Sensing, v. 11, n. 22, p. 2638, 2019, DOI: https://doi.org/10.3390/rs11222638.
TIWARI, T.; TIWARI, T.; TIWARI, S. How artificial intelligence, machine learning and deep learning are radically different?. International Journal of Advanced Research in Computer Science and Software Engineering, v. 8, n. 2, p. 1, 2018.