Determinação das Áreas Atingidas por Queimadas em Bacias Hidrográficas por meio do Índice De Queimada (NBR), Estudo de Caso da Bacia do Rio Piracicaba-MG

Fernanda Paula Bicalho Pio, Eliane Maria Vieira

Resumo


O desenvolvimento da humanidade e consequente alteração no uso do solo vem tornando áreas cada vez mais susceptíveis à incêndios florestais, fato agravado pela prática de queimadas. Eventos de queima são considerados preocupantes devido a abrangência dos impactos que influenciam, inclusive nas mudanças climáticas. Assim, técnicas de sensoriamento remoto podem ser empregadas para identificação e espacialização de áreas queimadas. A gravidade dos impactos gerados torna visível a importância de estudos capazes de detectar cicatrizes de queimadas a fim contribuir com o desenvolvimento de técnicas de monitoramento, conscientização, prevenção e recuperação de áreas afetadas.  Assim, o presente estudo objetivou gerar o índice de queimada (NBR) bem como sua variação (NBR) e o Índice Normalizado de Diferença de Água (NDWI) para distinção entre áreas queimadas e áreas úmidas para a região da bacia hidrográfica do rio Piracicaba, Minas Gerais, utilizando cenas Landsat 8 órbita/ponto 217/074 e 218/074 dos meses de agosto e setembro de 2016. A eficiência do método para detecção de áreas queimadas foi analisada a partir da comparação com polígonos de queimadas do banco de dados do INPE e pontos de ocorrência de incêndio fornecidos pelo 4º Pelotão de Bombeiros Militar de Itabira. Os resultados da NBR foram classificados em níveis de severidade e mostraram-se eficientes para a detecção de áreas queimadas quando comparados com polígonos de registro de queimadas do INPE. Com o cálculo do índice para toda a bacia pôde-se perceber regiões com maior ocorrência das classes moderada e alta severidade nas porções noroeste e nordeste da bacia.

 

Determination of Areas Affected by Burns in Watersheds by the Queimada Index (Nbr), Case Study of the Piracicaba-MG River Basin

 

ABSTRACT

The development of mankind and consequent alteration in land use has made areas increasingly susceptible to forest fires, a fact aggravated by the practice of burning. Burning events are considered worrisome due to the extent of the impacts that influence, including climate change. Thus, remote sensing techniques can be used to identify and spatialize burned areas. The severity of the impacts generated makes visible the importance of studies capable of detecting burn scars in order to contribute to the development of monitoring techniques, awareness, prevention and recovery of affected areas. Thus, the present study aimed to generate the burn rate (NBR) as well as its variation (ΔNBR) and the Normalized Water Difference Index (NDWI) to distinguish between burned areas and wetlands for the Piracicaba river basin region, Minas Gerais, using Landsat 8 scenes orbit / point 217/074 and 218/074 from the months of August and September 2016. The efficiency of the method for the detection of burned areas was analyzed from the comparison with burned polygons of the INPE and fire occurrence points provided by the 4th Itabira Military Fire Squad. The results of ΔNBR were classified in severity levels and were efficient for the detection of burned areas when compared to INPE burn logs. With the calculation of the index for the whole basin it was possible to perceive regions with higher occurrence of the moderate and high severity classes in the northwest and northeast portions of the basin.

Keywords: burned, sevirity of fire, remote sensing, burn rate


Palavras-chave


Queimadas; Severidade do Fogo; Sensoriamento Remoto; Índice de Queimada

Texto completo:

PDF

Referências


ANA. Plano integrado de recursos hídricos da bacia hidrográfica do rio Doce: relatório executivo. Brasília: ANA, 129 p., 2013.

ANA. Divisão de Bacias. Brasília: ANA, 2018.

Anderson, L. O., Aragao, L. E. O. C., Lima A., Shimabukuro, Y. E., 2005. Detecção de cicatrizes de áreas queimadas baseada no modelo linear de mistura espectral e imagens índice de vegetação utilizando dados multitemporais do sensor MODIS/TERRA no estado do Mato Grosso, Amazônia brasileira. Acta Amazonica, [Online], 35. Disponível: http://dx.doi.org/10.1590/s0044-59672005000400009. Acesso: 03 abr. 2019.

Artaxo, P., Gatti, L. V., Leal, A. M. C., Longo, K. M., Freitas, S. R., Lara, L. L., Pauliquevis, T. M., Procópio, A. S., Rizzo, L. V. 2005. Química atmosférica na Amazônia: a floresta e as emissões de queimadas controlando a composição da atmosfera amazônica. Acta Amazonica, [Online] 35. Disponível: http://dx.doi.org/10.1590/s0044-59672005000200008. Acesso: 27 mar. 2019.

Bai, Y., Tang, P., Hu, C., 2018. KCCA Transformation-Based Radiometric Normalization of Multi-Temporal Satellite Images. Remote Sensing [Online]10. Disponível: http://dx.doi.org/10.3390/rs10030432. Acesso: 27 mar. 2019.

Bernardo, N., Watanabe, F., Rodrigues, T., Alcântara, E,. 2016. An investigation into the effectiveness of relative and absolute atmospheric correction for retrieval the TSM concentration in inland waters. Modeling Earth Systems And Environment. Springer Nature [Online] 2. Disponível: http://dx.doi.org/10.1007/s40808-016-0176-9. Acesso: 20 abr. 2019.

Cao, L. Chen, X., Zhang, C., Kurban, A., Qian, J., Pan, T., Yin, Z., Qin, X., Ochege, U., Philippe, M., 2019. The Global Spatiotemporal Distribution of the Mid-Tropospheric CO2 Concentration and Analysis of the Controlling Factors. Remote Sensing [Online] 11.Disponível em: http://dx.doi.org/10.3390/rs11010094. Acesso em: 23 abr. 2019.

Chen, X., Vierling, L., Deering, D. 2005. A simple and effective radiometric correction method to improve landscape change detection across sensors and across time. Remote Sensing of Environment [Online] 98. Disponível: https://doi.org/10.1016/j.rse.2005.05.021. Acesso: 27 mar. 2019.

Doxani, G., Vemrote, E., Roger, J. C., Gascon, F., Adriaesen, S., Frants, D., Hagolle, O., Hollsten, A., Kirches, G., Li, F., Louis, J., Mangin, A., Pahlevan, N., Pflug, B., Vanhellemont, Q., 2018. Atmospheric Correction Inter-Comparison Exercise. Remote Sensing [Online] 10. Disponível: http://dx.doi.org/10.3390/rs10020352. Acesso: 22 abr. 2019.

Fernandes, P. J. F., Vicens, R. S.; Furtado, L. F. A., 2017. Modelo automático de normalização radiométrica de série multitemporal Landsat-5 usando pontos pseudoinvariantes (PIF). Revista Brasileira de Cartografia [Online] 69. Disponível: http://www.lsie.unb.br/rbc/index.php/rbc/article/view/1479. Acesso: 20 jul. 2018.

Ferreira, A. J. D., Alegre, S. P., Coelho, C. O. A., Shakesby, R. A., Páscoa, F. M., Ferreira, C. S. S. Keiser, J. J., Ritsema, C., 2015. Strategies to prevent forest fires and techniques to reverse degradation processes in burned areas. Catena [Online] 128. Disponível: http://dx.doi.org/10.1016/j.catena.2014.09.002. Acesso: 07 jul. 2018.

Fornacca, D., Ren, G., Xiao, W., 2018. Evaluating the Best Spectral Indices for the Detection of Burn Scars at Several Post-Fire Dates in a Mountainous Region of Northwest Yunnan, China. Remote Sensing [Online] 10. Disponível: http://dx.doi.org/10.3390/rs10081196. Acesso: 27 abr. 2019.

Grégoire, J. M., Tansey, K., Silva, J. M. N. 2003. The GBA2000 initiative: Developing a global burnt area database from SPOT-VEGETATION imagery. International Journal Of Remote Sensing [Online] 24. Disponível: http://dx.doi.org/10.1080/0143116021000044850. Acesso: 20 jul. 2018.

Hardtke, L. A., Blanco, P. D., del Valle, H. F., Metternicht, G. I., Sione, W. F., 2015. Automated mapping of burned areas in semi-arid ecosystems using modis time-series imagery. Isprs - International Archives Of The Photogrammetry, Remote Sensing And Spatial Information Sciences [Online] 7/3. Disponível: http://dx.doi.org/10.5194/isprsarchives-xl-7-w3-811-2015. Acesso: 20 abr. 2019.

Haywood, A., Stone, C., 2017. Estimating Large Area Forest Carbon Stocks—A Pragmatic Design Based Strategy. Forests, [Online] 8. Disponível: http://dx.doi.org/10.3390/f8040099. Acesso: 19 abr. 2019.

Henry, M., Maingi, J., Mccarty, J., 2019. Fire on the Water Towers: Mapping Burn Scars on Mount Kenya Using Satellite Data to Reconstruct Recent Fire History. Remote Sensing [Online] 11. Disponível: http://dx.doi.org/10.3390/rs11020104. Acesso: 20 abr. 2019.

Hislop, S., Jones, S., Berelov, M. S., Skidmore, A., Haywood, A., Nguyen, T. H., 2018. Using Landsat Spectral Indices in Time-Series to Assess Wildfire Disturbance and Recovery. Remote Sensing [Online] 10. Disponível: http://dx.doi.org/10.3390/rs10030460. Acesso: 19 abr. 2019.

INPE. Instituto Nacional de Pesquisas Espaciais, 2018. Boletim Mensal de Monitoramento. Portal do Monitoramento de Queimadas e Incêndios, vol. 3, n. 9. Setembro/2018. São José dos Campos.

Keukelaere, L., Sterckx, S., Adriaensen, S., Knaeps, E., Reusen, I., Giardino, C., Bresciani, M., Hunter, P., Neil, C., Zande, der V., Vaiciute, D., 2018. Atmospheric correction of Landsat-8/OLI and Sentinel-2/MSI data using iCOR algorithm: validation for coastal and inland waters. European Journal Of Remote Sensing [Online] 51. Disponível: http://dx.doi.org/10.1080/22797254.2018.1457937. Acesso: 19 abr. 2019.

Laybros, A., Schläpfer, D., Féret, J. B., Descroix, L., Bedeau, C., Lefevre, M. J., Vicent, G., 2019. Across Date Species Detection Using Airborne Imaging Spectroscopy. Remote Sensing [Online] 11 Disponível: http://dx.doi.org/10.3390/rs11070789. Acesso: 27 abr. 2019.

Loboda, T., O'Neal, K.J., Csiszar, I., 2007. Regionally adaptable dNBR-based algorithm for burned area mapping from MODIS data. Remote Sensing Of Environment [Online] 109. Disponível: http://dx.doi.org/10.1016/j.rse.2007.01.017. Acesso: 20 jul. 2018.

Lopes, E. R. do N., Silva, A. P. P., Peruchi, J. F., Lourenço, R. W., 2018. Zoneamento de Risco de Incêndio e Queimadas na Cidade de Sorocaba – São Paulo. Geography Department University Of Sao Paulo [Online] 36. Disponível: http://dx.doi.org/10.11606/rdg.v36i0.148048. Acesso: 15 abr. 2019.

Mallinis, G., Mitsopoulos, I., Chrysafi, I., 2017. 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 [Online] 55. Diponível: http://dx.doi.org/10.1080/15481603.2017.1354803. Acesso: 26 abr. 2019.

Mishra, N., Haque, M. O., Leigh, L., Aaron, D., Helder, D., Markham, B., 2014. Radiometric Cross Calibration of Landsat 8 Operational Land Imager (OLI) and Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Remote Sensing [Online] 6, n. 12. Disponível: http://dx.doi.org/10.3390/rs61212619. Acesso: 22 abr. 2019.

Moraes, E. C., Franchito, S. H., BRAHMANANDA RAO, V., 2005. Evaluation of surface air temperature change due to the greenhouse gases increase with a statistical-dynamical model. Journal of Geophysical Research [Online] 110. Disponível: http://dx.doi.org/10.1029/2004jd005679. Acesso: 22 jul. 2018.

Nia, Mo. S., Wang, D. Z., Bohlman, S. A., Gader, P. D., Graves, S. J., Petrovic, M., 2015. Impact of atmospheric correction and image filtering on hyperspectral classification of tree species using support vector machine. Journal Of Applied Remote Sensing [Online] 9. Disponível: http://dx.doi.org/10.1117/1.jrs.9.095990. Acesso: 20 abr. 2019

Nobre, C. A., Salazar, L. F., Oyama, M., Cardoso, M., Sampaio, G.; Lapola. D., 2007. Mudanças Climáticas e possíveis alterações nos Biomas da América do Sul. São Paulo: Ministério do Meio Ambiente; Secretaria de Biodiversidade e Florestas; Diretoria de Conservação da Biodiversidade, n. 6.

Pereira, A. A.; Teixeira, F. R.; Libonati, R.; Melchiori, E. A.; Carvalho, L. M. T. 2016. Avaliação de Índices Espectrais para Identificação de Áreas Queimadas no Cerrado Utilizando dados LandSat TM. Revista Brasileira de Cartografia, nº 68/8, p. 1665-1680.

Pickell, P., Hermosilla, T., Frazier, R. J., Coops, N. C., Wulder, M. A., 2015. Forest recovery trends derived from Landsat time series for North American boreal forests. International Journal Of Remote Sensing [Online] 37. Disponível: http://dx.doi.org/10.1080/2150704x.2015.1126375. Acesso: 22 abr. 2019.

Queiroz, M. T. A., Lima, L. R. P., Sabará, M. G., Queiroz, C. A., Leão, M. M. D., Amorim, C. C. 2016. Avaliação do Estado Trófico do Rio Piracicaba e sua Relação com a UHE-Sá Carvalho, MG, Brasil. Revista de Ciências Ambientais – RCA, v.10, n°2, p. 21-43.

Resende, F. C., Santos, P. R., Pereira, G. 2015. Análise de Índices Espectrais para Estimativa de Áreas de Regeneração Florestal no Parque Nacional Chapada Das Mesas. Revista Territorium Terram [Online] 3. Disponível: http://www.seer.ufsj.edu.br/index.php/territorium_terram/article/view/1053. Acesso: 14 abr. 2019.

Rosan, T. M., Alcântara, E. 2015. Detecção de áreas queimadas e severidade a partir do índice espectral ΔNBR. In: XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, 17. Anais. João Pessoa. Disponível: http://www.dsr.inpe.br/sbsr2015/files/p0104.pdf. Acesso: 17 jul. 2018.

Rozario, P. F., Madurapperuma, B., Wang, Y., 2018. Remote Sensing Approach to Detect Burn Severity Risk Zones in Palo Verde National Park, Costa Rica. Remote Sensing [Online] 10. Disponível: http://dx.doi.org/10.3390/rs10091427. Acesso: 27 abr. 2019.

Santana, N. C., Júnio, O. A. de C., Gomes, R. A. T., Guimarães, R. F., 2018. Burned-Area Detection in Amazonian Environments Using Standardized Time Series Per Pixel in MODIS Data. Remote Sensing [Online] 10. Disponível: http://dx.doi.org/10.3390/rs10121904. Acesso: 20 abr. 2019.

Schepers, L., Haest, B., Veraverbeke, S., Spanhove, T., Borre, J. V., Goossens, R., 2014. Burned Area Detection and Burn Severity Assessment of a Heathland Fire in Belgium Using Airborne Imaging Spectroscopy (APEX). Remote Sensing [Online] 6. Disponível: http://dx.doi.org/10.3390/rs6031803. Acesso: 14 abr. 2019.

Silveira, E. M. de O., Mello, J. M., Júnior, F. W. A., Carvalho, M. T., 2018. Object-based land-cover change detection applied to Brazilian seasonal savannahs using geostatistical features. International Journal of Remote Sensing [Online] 39. Disponível: http://dx.doi.org/10.1080/01431161.2018.1430397. Acesso: 22 abr. 2019.

Thompson, D. R., Guanter, L., Berk, A., Gao, B., Richter, R., Schläpfer, D., Thome, K. J., 2018. Retrieval of Atmospheric Parameters and Surface Reflectance from Visible and Shortwave Infrared Imaging Spectroscopy Data. Surveys In Geophysics [Online]. Disponível: http://dx.doi.org/10.1007/s10712-018-9488-9. Acesso: 23 abr. 2019.

Van Marle, M. J. E., Field, R. D., Van der Werf, G. R. Wagt, I. A. E., Houghton, R. A., Rizzo, L. V., Artaxo, P., Tsigaridis, K., 2017. Fire and deforestation dynamics in Amazonia (1973-2014). Global Biogeochemical Cycles [Online] 31. Disponível: http://dx.doi.org/10.1002/2016gb005445. Acesso: 23 abr. 2019.

Volpi, M., Camps-Valls, G., Tuia, D., 2015. Spectral alignment of multi-temporal cross-sensor images with automated kernel canonical correlation analysis. Isprs Journal Of Photogrammetry And Remote Sensing [Online] 107. Disponível: http://dx.doi.org/10.1016/j.isprsjprs.2015.02.005. Acesso: 26 abr. 2019.

White, J. C., Wulder, M. A., Hobart, G. W., Luther, J. E., Hermosilla, T., Griffiths, P., Coops, N. C., Hall, R. J., Hostert, P., Dyk, A., Guindon, L., 2014. Pixel-Based Image Compositing for Large-Area Dense Time Series Applications and Science. Canadian Journal Of Remote Sensing [Online] 40. Disponível: http://dx.doi.org/10.1080/07038992.2014.945827. Acesso: 23 abr. 2019.

Yan, W., Shaker, A., Larocque, P., 2019. Scan Line Intensity-Elevation Ratio (SLIER): An Airborne LiDAR Ratio Index for Automatic Water Surface Mapping. Remote Sensing [Online] 11. Disponível: http://dx.doi.org/10.3390/rs11070814. Acesso: 27 abr. 2019.




DOI: https://doi.org/10.26848/rbgf.v13.1.p087-101

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License