Palavras-chave
Segmentação de imagem
Razão de bandas
Seleção de variáveis
Incêndios florestais.
Como Citar
Resumo
O estudo de áreas queimadas serve como subsídio para os planos de controle e monitoramento do fogo nas unidades de conservação. Diante dos desafios de caracterização do comportamento espectral de áreas queimadas, este estudo objetivou aplicar o método de classificação orientada a objeto e avaliar a melhor performance do uso conjunto de índices espectrais para o mapeamento de área queimadas na Mata Atlântica do Sul da Bahia. Para tanto, foi realizada análise bitemporal entre 2014 e 2016, considerando a diferença de cada índice espectral entre duas imagens LANDSAT 8: pré e pós-fogo. A classificação orientada a objeto foi executada de maneira supervisionada e automatizada por meio de algoritmos de segmentação, classificação e otimização em ambiente SIG. A classe de intensidade de queimada fraca foi a mais expressiva, com 13,65% da área mapeada, enquanto a classe severa ocupou apenas 0,3%. As áreas queimadas apresentaram um aumento da reflectância na faixa do vermelho e do infravermelho médio e uma diminuição na faixa do infravermelho próximo. O ΔNBR foi o melhor discriminador de áreas queimadas e o conjunto ΔNBR, ΔNBR2, ΔNDMI, ΔSAVI, ΔNDVI, ΔGEMI e ΔMSAVI, apresentou o maior limiar de separação. A validação da classificação feita pelo coeficiente de concordância Kappa obteve um bom resultado (0,72). A seleção de variáveis mostrou-se eficiente na determinação do conjunto de índices espectrais de melhor performance para detecção das classes de queimadas, melhorando a acurácia da classificação e a confiabilidade dos resultados. A etapa de segmentação também se mostrou importante para a eficácia da classificação orientada a objeto, sendo influenciada diretamente pela resolução espacial da imagem.
Referências
BARSI, J. A. et al. The spectral response of the Landsat-8 Operational Land Imager, Remote Sensing, v. 6, p. 10232-10251, 2014. https://doi.org/10.3390/rs61010232
BAATZ, M.; SCHÄPE, A. Multiresolution segmentation: an optimization approach for high quality multi-scale image segmentation. In: STROBL; BLASCHLE; GRIESEBNER (Org.) Angewandte Geographische Informationsverarbeitung XII, Heidelberg: Wichmann-Verlag, 2000.
BENTO-GONÇALVES, A. et al. Fire and soils: Key concepts and recent advances. Geoderma, v. 191, p. 3-13, 2012. https://doi.org/10.1016/j.geoderma.2012.01.004
BRASIL. Decreto Federal n. 85.463, de 10 de dezembro de 1980. Disponível em: < http://www.planalto.gov.br/ccivil_03/Atos/decretos/1980/D85463.html>. Acesso em: 13 de agosto de 2020.
BRASIL. Decreto Federal s/n., de 21 de dezembro de 2007. Disponível em: <http://www.planalto.gov.br/ccivil_03/_ato2007-2010/2007/dnn/Dnn11459.htm>. Acesso em: 13 de agosto de 2020.
CARDOZO, F. S. et al. Avaliação de áreas queimadas a partir dos índices espectrais NDVI e NDBR. In: Simpósio Brasileiro de Sensoriamento Remoto, 15., 2011, Anais... Curitiba, 2011. p. 7950-7957. Disponível em: <http://marte.sid.inpe.br/col/dpi.inpe.br/marte/2011/07.27.21.58/doc/p1429.pdf>. Acesso em: 10 de abril de 2018.
CARVAJAL-RAMIREZ, F. et al. Evaluation of Fire Severity Indices Based on Pre- and Post-Fire Multispectral Imagery Sensed from UAV. Remote Sensing, v. 11, n. 993, p. 1-19, 2019. https://doi.org/10.3390/rs11090993
CHUVIECO, E. (Ed.). A review of remote sensing methods for the study of large wildland fires. Spain: Universidad de Alcalá, 1997. 192 p.
CHUVIECO, E. Empleo de imágenes de satélite para medir la estrutura del paisaje: análisis cuantitativo y representación cartográfica. Serie Geográfica, v. 6, p. 131-147, 1996. Disponível em: <https://core.ac.uk/download/pdf/58902321.pdf>. Acesso: 20 de abril de 2018.
CHUVIECO, E.; MARTÍN, 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. https://doi.org/10.1080/01431160210153129
COCHRANE, M. A. Fire science for rainforests. Nature, v. 421, p. 913-919, 2003.. https://doi.org/10.1038/nature01437
DODONOV, P. Air and soil temperature across fire-created edges in a Neotropical rainforest. Agricultural and Forest Meteorology, v. 276-277, 2019. https://doi.org/10.1016/j.agrformet.2019.06.005
DOS SANTOS, J. F. C., et al. Potentials and limitations of remote fire monitoring in protected areas. Science of the Total Environment, v. 616-617, p. 1347-1355, 2018. https://doi.org/10.1016/j.scitotenv.2017.10.182
DURRIEU, S. et al. Influence of training sampling protocol and of feature space optimization methods on supervised classification results. 2007. IEEE International Geoscience and Remote Sensing Symposium, Barcelona, p. 2030-2033, 2007. https://doi.org/10.1109/IGARSS.2007.4423229
DEFINIENS. Developer XD 2.0.4: reference book. Munique: DEFINIENS, 2012, 414 p.
DEMPWOLF, J., et al. Burned-Area mapping of the serengeti–mara region using MODIS reflectance data. IEEE Geoscience and Remote Sensing Letters, v. 4, n. 2, p. 312-316, 2007. https://doi.org/10.1109/LGRS.2007.894140
ESCUÍN, S.; NAVARRO, R.; 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, v. 29, n. 4, p. 1053-1073, 2008. https://doi.org/10.1080/01431160701281072
FREITAS, et al. Emissões de queimadas em ecossistemas da América do Sul. Estudos Avançados, vol. 19, n. 53, p. 167-185, 2005. https://doi.org/10.1590/S0103-40142005000100011
GABRIEL, C. G. F. Análise comparada de segmentação e classificação orientada por objectos de uma imagem Worldview-2. 2013. 153 f. Dissertação (Mestrado em Gestão do território) - Universidade Nova de Lisboa, Lisboa, 2013.
HUETE, A. R., A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, vol. 25, p. 295-309. 1988. https://doi.org/10.1016/0034-4257(88)90106-X
IBGE. Censo Agropecuário. 2017. Disponível em: <https://cidades.ibge.gov.br/brasil/ba/una/pesquisa/24/76693>. Acesso em: 26 de maio de 2020.
IBGE. Estimativa da população – 2019. Disponível em: <https://cidades.ibge.gov.br/brasil/ba/una/panorama>. Acesso em: 26 de maio de 2020.
INMET. BDMEP - Banco de dados meteorológicos para ensino e pesquisa. Disponível em: < http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep>. Acesso em: 26 de maio de 2020.
INPE - Instituto Nacional de Pesquisas Espaciais. Banco de dados de queimadas. 2018. Disponível em: <http://queimadas.dgi.inpe.br/queimadas/bdqueimadas>. Acesso em: 22 de março 2018.
JENSEN, J.R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, 2009. p 357-410
KEY, C. H.; BENSON, N. C. The Normalized Burn Ratio (NBR): A Landsat TM radiometric measure of burn severity. US Dept. Interior, Northern Rocky Mountain Sci. Center, Bozeman, MT. 1999.
LANDIS, J.R.; KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, vol. 33, n. 1, 1997. pp. 159-174. https://doi.org/10.2307/2529310
LEDUC, F. Feature space optimization prior to fuzzy image classification. In: Proceedings of the 7th International Conference of Information Fusion, p. 547-554, 2004. Disponível em: <http://www.fusion2004.foi.se/papers/IF04-0547.pdf>. Acesso em: 15 setembro de 2018.
LEITE, C. C. S. de S., et al. Análise dos incêndios ocorridos no Parque Nacional da Chapada Diamantina-Bahia em 2008 e 2015 com suporte em índices espectrais de vegetação. Revista Brasileira de Cartografia, v. 69, n. 6, p. 1127-1141, 2017. Disponível em: <http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/44315/23397>. Acesso em: 26 de maio de 2020.
MAPBIOMAS. Coleção 4.1 da Série Anual de Mapas de Cobertura e Uso de Solo do Brasil. 2020. Disponível em: <https://mapbiomas.org/>. Acesso em 28 de maio de 2020.
MARTÍN, M. P.; GÓMEZ, I.; CHUVIECO, E. Performance of a burned-area index (BAIM) for mapping Mediterranean burned scars from MODIS data. In: RIVA, J.; PÉREZ-CABELLO, F.; CHUVIECO, E. (Eds.). Proceedings of the 5th International Workshop on Remote Sensing and GIS applications to Forest Fire Management: Fire Effects Assessment, Paris, p. 193−198, 2005.
MARTÍN, M. P. I.; CHUVIECO, E. Cartografía de grandes incêndios forestales en la península ibérica a partir de imágenes NOAA-AVHRR. Serie Geográfica, vol. 7, p. 109-128, 1998. Disponível em: <https://digital.csic.es/handle/10261/6426>. Acesso em: 20 de abril de 2018.
McDERMID, G.P. et al. Object-oriented analysis for change detection. In: Proceedings of the 25th Canadiam symposium on remote sensing, 14-17 October 2003, Montreal, Canada. Disponível em: <https://www.researchgate.net/publication/237810865_OBJECT_ORIENTED_ANALYSIS_FOR_CHANGE_DETECTION>. Acesso em: 20 junho de 2018.
MENEZES, G. S. C.; CAZETTA, E.; DODONOV, P. Vegetation structure across fire edges in a Neotropical rain forest. Forest Ecology and Management, v. 453, 2019. https://doi.org/10.1016/j.foreco.2019.117587
MISTRY, K. BIZERRIL, M. Por que é importante entender as inter-relações entre pessoas, fogo e áreas protegidas? Biodiversidade Brasileira, vol. 1, n. 2, p. 40-49, 2011. Disponível em: <https://www.icmbio.gov.br/revistaeletronica/index.php/BioBR/article/view/137>. Acesso: 20 de março de 2018.
PEREIRA, A. A. et al. Avaliação de nove índices espectrais quanto a separabilidade entre queimadas e diferentes alvos. In: Simpósio Brasileiro de Sensoriamento Remoto, 17. Anais... João Pessoa, p. 3105-3112, 2015.
PEREIRA, A. A. Uso de geotecnologia para detecção e análise de queimadas e focos de calor em unidades de conservação no norte de Minas Gerais. 2009. 91 f. Dissertação (Mestrado em Engenharia Florestal) – Universidade Federal de Lavras, Lavras, 2009.
PEREIRA, J. M. C. A Comparative Evaluation of NOAA/AVHRR Vegetation Indexes for Burned Surface Detection and Mapping. IEEE Transactions on Geoscience and Remote Sensing, v. 37, n. 1, 1999. https://doi.org/10.1109/36.739156
PINTO, L. P. et al. Mata Atlântica Brasileira: os desafios para conservação da biodiversidade de um hotspot mundial. In: ROCHA, C. F. D. et al. (Ed.). Biologia da Conservação: essências. São Carlos: RiMa, p. 69-96, 2006.
PINTY, B.; VERSTRAETE, M. M., GEMI: A non-linear index to monitor global vegetation from satellites, Vegetation, v. 101, n. 1, p. 15–20, 1992. https://doi.org/10.1007/BF00031911
PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento remoto no estudo da vegetação. São José dos Campos: Parêntese, 2007. 127 p.
QI, J. et al., Modified Soil Adjusted Vegetation Index (MSAVI). Remote Sensing of Environent, v. 48, n. 2, p. 119-126, 1994. https://doi.org/10.1016/0034-4257(94)90134-1
ROSAN, T. M.; ALCÂNTARA, E. Detecção de áreas queimadas e severidade a partir do índice espectral ΔNBR. In: In: Simpósio Brasileiro de Sensoriamento Remoto, 17. Anais... João Pessoa, 2015. p. 526-533.
ROUSE, J.W. et al. Monitoring vegetation systems in the Great Plains. Earth Resources Tecnology Satellite-1 Symposium, Washington, DC, p. 309–317, 1973.
SANTOS, J. F.; SOARES, R. V.; BATISTA, A. C. Perfil dos incêndios florestais no Brasil em áreas protegidas no período de 1998 a 2002. Floresta, v. 36, n. 1. 2006. https://doi.org/10.5380/rf.v36i1.5510
SANTOS, S. M. B. dos, et al. Assessment of Burned Forest Area Severity and Postfire Regrowth in Chapada Diamantina National Park (Bahia, Brazil) Using dNBR and RdNBR Spectral Indices. Geosciences, v.10, n. 106, 2020. https://doi.org/10.3390/geosciences10030106
SAVE BRASIL; IESB; BIRDLIFE INTERNATIONAL. Complexo de Serras das Lontras e Una, Bahia: Elementos naturais e aspectos de sua conservação. São Paulo: SAVE Brasil, 2009. 60 f.
SOLLBERG, I.; SCHIAVETTI, A.; MORAES, M. E. Manejo Agrícola no Refúgio de Vida Silvestre de Una: agroflorestas como uma perspectiva de conservação. Revista Árvore, v. 38, n. 2, p. 241-250, 2014. https://doi.org/10.1590/S0100-67622014000200004
TORRES, F. T. P. Análise do perfil dos incêndios florestais no Parque Estadual da Serra do Brigadeiro e entorno (MG). Ciência Florestal, v. 28, n. 3, p. 1008-1021, 2018. http://dx.doi.org/10.5902/1980509833384
TORRES, F. T. P. Risk mapping of fires in vegetation in the Serra do Brigadeiro State Park (MG) and surroundings. Revista Árvore v.41, n.2, p. 1-9, 2017. https://doi.org/10.1590/1806-90882017000200009
TRIMBLE. eCognition Developer: user guide. Munich, Germany: Trimble Germany, Document version 9.0.1, 2014. 262 f. Disponível em: . Acesso em: 26 de fevereiro de 2018.
USGS. United States Geological Survey 2018. Disponível em: <https://landsat.usgs.gov/what-are-band-designations-landsat-satellites>. Acesso: em 22 de fevereiro de 2018
VERMOTE, E., et al. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, v. 185, nov. p. 46-56, 2016. https://doi.org/10.1016/j.rse.2016.04.008
WILSON, E. H.; SADER, S. A. Detection of forest harvest type using multiple dates of Landsat TM imagery, Remote Sensing of Environment, v. 80, p. 385-396, 2002. https://doi.org/10.1016/S0034-4257(01)00318-2
WONG, T. H., et al. (2003) Feature extraction based on object-oriented analysis. In: Proceedings of ATC 2003 Conference, Malaysia, 2003. Disponível em: <https://www.semanticscholar.org/paper/FEATURE-EXTRACTION-BASED-ON-OBJECT-ORIENTED-WongT.-Mansor/b872d775d32c41741ee543149b983d67afaf25bb>. Acesso em: 25 setembro de 2018.
ZANOTTA, D. C. et al. Detecção de queimadas no Pantanal a partir de classificação orientada a objeto e informações multiespectrais de sensoriamento remoto. In: Simpósio de Geotecnologias no Pantanal, 3. Anais... Cáceres, p. 800-808, 2010.
Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem em revista de acesso público, os artigos são licenciados sob Creative Commons Attribution (BY), que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o trabalho original seja devidamente citado.