Análise do conteúdo de umidade foliar de fitofisionomias do Cerrado com uso de imagens do multispectral instrument do satélite Sentinel 2

Leidiane de Paula Rezende, Ricardo Vicente Ferreira

Resumo


O estudo realizou uma análise comparativa entre o índice de reflectância de duas fitofisionomias (Macega e Cerradão) do Cerrado nas bandas de imagens do Instrumento Multiespectral (MSI) do satélite Sentinel 2 das bandas Short-wave infrared (SWIR) 1 e 2 e Near Infra-Red (NIR) de duas fitofisionomias do Cerrado em consonância com os dados in situ de Fuel Moisture Content (FMC) afim de contribuir com técnicas de Sensoriamento Remoto para monitorar combustíveis vegetais e perigos de incêndio. Dados adicionais de variáveis ambientais como temperatura e umidade do ar, e de satélites como precipitação e conteúdo de umidade de solo foram consideradas neste estudo. A análise dos dados foi feita com a aplicação de correlação linear e de regressão múltipla. No FMC, os resultados ficaram acima de 100% para o Cerradão e para a Macega atingiu valor mínimo de 20%. Na análise de correlação, a banda NIR se correlacionou positivamente (R² = 0,32) ao FMC do Cerradão, enquanto na Macega, a melhor correlação foi identificada nas bandas do SWIRs (R² = 0,36) inversamente ao FMC. Na análise de regressão, o FMC do Cerradão indicou correspondência à umidade de solo. Conclui-se que vegetais vivos tendem a recorrer a umidade do solo, enquanto que os vegetais mortos são mais afetados por variáveis atmosféricas e, por isso, são mais propensos a incêndios, como a Macega. O monitoramento do FMC por Sensoriamento Remoto requer maior amostragem em relação ao bioma Cerrado, cuja fisiologia complexa mostra ser influenciada por variáveis ambientais e climáticas que deverão ser levadas em conta em análises e estudos posteriores. 


 

Leaf moisture content analysis of Cerrado phytophysiognomies using Sentinel 2 satellite multispectral instrument images

 

 

 

A B S T R A C T

 

Moisture content of living or dead plant material is a fundamental element in the characterization of the fire's fuel load in wildfire episodes. Satellite imagery and field surveys can help to estimate Fuel Moisture Content (FMC) in different environments. FMC is computed as wet weight over dry weight of vegetation samples. In this study, 24 FMC samples of Brazilian Savana vegetation were collected between May and October 2019 in two phytotypes: Cerrado Típico and Campo Limpo, in the municipality of Sacramento / MG. We applied an statistic correlation to reflectance of the Sentinel-2 MSI spectral bands (Multispectral Instrument). Data on soil moisture, temperature, precipitation and air humidity were tested in a Multiple Linear Regression to verify possible impacts of these elements on FMC results. SWIR 1 band had a better correlation (R² = 0.33) with Campo Limpo samples, the reflectance increases as the plant's humidity decreases, turning to dead leaves. In Cerrado Típico, FMC increased during the period, keeping leaves alive. Dead leaves are affected by atmospheric variations and are more prone to burning. The risk of fire is imminent in Campo Limpo and reflectance analysis of short wave infrared (SWIR) is a strategy to predict risk of fires in this environment.

Keywords:  wildfire risk; fuel moisture content; reflectance


Palavras-chave


incêndios; reflectância; combustíveis vegetais; variáveis ambientais; swir.

Texto completo:

PDF

Referências


Adab, H., Kasturi Devi Kanniah, K. D., Beringer, J.; 2016. Estimating and Up-Scaling Fuel Moisture and Leaf Dry Matter Content of a Temperate Humid Forest Using Multi Resolution Remote Sensing Data. Remote Sens. 8(11), 961. Disponível: https://doi.org/10.3390/rs8110961. Acesso: 19 de jul. 2020.

Argañaraz, J.P., Landi, M.A., Scavuzzo, C.M., Bellis, L.M., 2018. Determining fuel moisture thresholds to assess wildfire hazard: A contribution to an operational early warning system. PLoS ONE 13(10), 0204889. Disponível: https://doi.org/10.1371/journal.pone. Acesso: nov. 2019

Argibay, D. S.; Sparacino, J.; Espindola, G. M, 2020. A long-term assessment of fire regimes in a Brazilian ecotone between seasonally dry tropical forests and savannah. Ecological Indicators 113, 106151. Disponível: https://doi.org/10.1016/j.ecolind.2020.106151. Acesso: 18 de jul. 2020.

Ashouri, H., Gehne, M., 2018. The Climate Data Guide: PERSIANN-CDR: Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks—Climate Data Record. Disponível: https://climatedataguide.ucar.edu/climate-data/persiann-cdr-precipitation-estimation-remotely-sensed-information-using-artificial. Acesso: nov. 2019.

Burgan, R.E., Hartford, R.A., 1993. Monitoring vegetation greenness with satellite data. Gen. Tech. Rep. INT-GTR-297. Ogden, UT: U.S. Department of Agriculture, Forest Service, Intermountain Research Station. 13 p. DOI: https://doi.org/10.2737/INT-GTR-297.

Caccamo, G., Chisholm, L., Bradstock, R., Puotinen, M., Pippen, B., 2012. Monitoring live fuel moisture content of heathland, shrubland and sclerophyll forest in south-eastern Australia using MODIS data. International Journal of Wildland Fire. 21. 257-269. DOI:10.1071/WF11024.

Ceccato, P., Gobron, N., Flasse, S., Pinty, B., Tarantola, S., 2002. Designing a spectral index to estimate vegetation water content from remote sensing data: Part 1: Theoretical approach. Remote Sensing of Environment. 82. 188-197. DOI: 10.1016/S0034-4257(02)00037-8.

CHRS. Center for Hydrometeorology & Remote Sensing, 2019. Disponível: http://chrsdata.eng.uci.edu. Acesso: 24 out. 2019.

Chuvieco, E., Riaño, D., Aguado, I., Cocero, D., 2002. Estimation of fuel moisture content from multitemporal analysis of Landsat Thematic Mapper reflectance data: Applications in fire danger assessment. International Journal of Remote Sensing - INT J REMOTE SENS. 23. 2145-2162. DOI: 10.1080/01431160110069818.

Chuvieco, E., Aguado, I., Cocero, D., Riaño, D., 2003. Design of an empirical index to estimate fuel moisture content from NOAA-AVHRR images in forest fire danger studies. International Journal of Remote Sensing - INT J REMOTE SENS. 24. 1621-1637. DOI:10.1080/01431160210144660b.

Chuvieco, E., Cocero, D., Aguado, I., Palacios, A. Prado, E., 2004. Improving burning efficiency estimates through satellite assessment of fuel moisture contente. Journal Of Geophysical Research 109, D14s07, Doi:10.1029/2003jd003467.

Chuvieco, E., Aguado, I., Yebra, M., Nieto, H., Salas, J., Martín, M., Vilar, L., Martinez-Vega, J., Martín, S., Ibarra, P., Riva, J., Baeza, M., Silva, F., Martínez, J., Machuca, M., Zamora, R., 2010. Development of a framework for fire risk assessment using remote sensing and geographic information system technologies. Ecological Modelling. 221. 46-58. DOI:10.1016/j.ecolmodel.2008.11.017.

Chuvieco, E., Aguado, I., Jurdao, S., Pettinari, M.L., Yebra, M., Salas, J., Hantson, S., Riva, J., Ibarra, P., Rodrigues, M., Echeverría, M., Azqueta, D., Román, M., Bastarrika, A., Martinez, S., Recondo, C., Zapico, E., Martinez-Vega, J., 2014. Integrating geospatial information into fire risk assessment. International Journal of Wildland Fire. 23. 606-619. DOI:10.1071/WF12052.

Chuvieco, E., Mouillot, F., Werf, G. R van der., Miguel, J. S.; Tanase, M., Koutsias, N., García, M., Yebra, M., Padilla, M., Gitas, I.; Heil, A., Hawbaker, T. J., Giglio, L., 2019. Historical background and current developments for mapping burned area from satellite Earth observation. Remote Sensing of Environment 225, 45-64, Disponível: https://doi.org/10.1016/j.rse.2019.02.013. Acesso: 17 de jul.2020.

EO BROWSER DO SENTINEL HUB, 2019. Navegador EO. Disponível: https://apps.sentinel-hub.com/eo-browser/. Acesso: 04 nov. 2019.

EMBRAPA. Empresa Brasileira de Pesquisa e Agropecuária, 2019. Disponível: https://www.embrapa.br/cerrados/colecao-entomologica/bioma-cerrado. Acesso: dez. 2019.

IPCC. Intergovernmental Panel on Climate Change, 2019. Climate Change and Land: an IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems. Disponível: https://www.ipcc.ch/srccl. Acesso: dez. 2019.

GIOVANNI. Plataforma EarthDATA - NASA GESDISC channel, 2019. Disponível: https://giovanni.gsfc.nasa.gov. Acesso: 27 out. 2019.

Guo, H., Bao, A., Liu, T., Chen, S., Ndayisaba, F., 2016. Evaluation of PERSIANN-CDR for Meteorological Drought Monitoring over China. Remote Sens 8, 379.

Katiraie-Boroujerdy, P., Ashouri, H., Hsu, K., 2017. Trends of precipitation extreme indices over a subtropical semi-arid area using PERSIANN-CDR. Theor Appl Climatol 130, 249–260. Disponível: https://doi.org/10.1007/s00704-016-1884-9. Acesso: nov. 2019.

Krueger, E. S., Ochsner, T. E., Engle, D. M., Carlson, J. D., Twidwell, D., Fuhlendorf, S. D., 2015. Soil Moisture Affects Growing-Season Wildfire Size in the Southern Great Plains. Soil Sci. Soc. Am. J. 79, 1567–1576 DOI:10.2136/sssaj2015.01.0041.

Latrubesse, E.M., Arima, E., Ferreira, M.E., Nogueira, S.H., Wittmann, F., Dias, M.S., Dagosta, F.C.P., Maximiliano Bayer, M., 2019. Fostering water resource governance and conservation in the Brazilian Cerrado biome. Conservation Science and Practice. Disponível: https://doi.org/10.1111/csp2.77. Acesso: dez. 2019.

Lifang, C., Qun, D., Zhiming, Z., Zehao, S., 2019. Moisture content variations in soil and plant of post-fire regenerating forests in central Yunnan Plateau, Southwest China. Journal of Geographical Sciences 29 (7): 1179-1192. Disponível: https://doi.org/10.1007/s11442-019-1652-8. Acesso: 19 de jul. 2020.

Lotufo, J. B. S., Machado, N. G., Taques, L. M., Mützenberg, D. M.S., Lotufo Neto, N., Biudes, M.S., 2020. Índices Espectrais e Temperatura de Superfície em Áreas Queimadas no Parque Estadual do Araguaia em Mato Grosso. Revista Brasileira de Geografia Física v.13, n.02, 648-663. DOI: 10.26848/rbgf.v13.2.p648-663.

Lourenço, L., Mira, M., 2019. Grandes incêndios florestais de 17 de junho em Portugal e exemplos da determinação das respectivas causas. Territorium 26 (II), 49-60. Disponível: https://territorium.riscos.pt/numeros-publicados/. DOI: https://doi.org/10.14195/1647-7723_26-2_4

Luo, K., Quan, X., He, B., Yebra, M., 2019. Effects of Live Fuel Moisture Content on Wildfire Occurrence in Fire-Prone Regions over Southwest China. Forests 10(10), 887. Diponível: https://doi.org/10.3390/f10100887. Acesso: 17 de jul. 2020.

MCTIC. Ministério da Ciência, Tecnologia, Inovações e comunicações, 2017. Estimativas Anuais de Emissões de Gases de Efeito Estufa no Brasil - 4° edição. Brasília.

Qi, Y., Dennison, P., Spencer, J., Riaño, D., 2012. Monitoring live fuel moisture using soil moisture and remote sensing proxies. Fire Ecology. 8. 71-87. DOI:10.4996/fireecology.0803071.

Rampazo, N., Picoli, M., Cavaliero, C., 2019. Comparação entre dados meteorológicos provenientes de sensoriamento remoto (modelados e de satélites) e de estações de superfície. Revista Brasileira de Geografia Física. 12. 412-426. DOI:10.26848/rbgf.v12.2.

Rao, K.; Williams, A. P.; Flefil, J. F.; Konings, A. G., 2020. SAR-enhanced mapping of live fuel moisture content, Remote Sensing of Environment, 245, 111797. Diponível: https://doi.org/10.1016/j.rse.2020.111797. Acesso: 18 de jul. 2020.

Ribeiro, J.F., Walter, B.M.T., 1998. As Fitofisionomias do Bioma Cerrado. In: SANO, S. M.; ALMEIDA, S. P. de (Ed.). Cerrado: ambiente e flora. Planaltina: EMBRAPA-CPAC. p. 89-166.

Rodell, M., Houser, P., Jambor, U.E.A., Gottschalck, J., Mitchell, K., Meng, J., Arsenault, K., Brian, C., Radakovich, J., MG, B., Entin, J., Walker, J., Lohmann, D., DL, T., 2004. The Global Land Data Assimilation System. bams. 85. 381-394. DOI:10.1175/BAMS-85-3-381.

Seger, C.D., Batista, A.C., Tetto, A.F., Soares, R.V., Biondi, D., 2018. Caracterização do material combustível fino da estepe gramíneo-lenhosa no estado do Paraná, Brasil. Ciência Florestal, 28(2), 863-874. https://doi.org/10.5902/1980509832127.

Schmidt, I.B., Fidelis, A., Miranda, H.S., 2017. How do the wets burn? Fire behavior and intensity in wet grasslands in the Brazilian savanna. Braz. J. Bot 40, 167–175. https://doi.org/10.1007/s40415-016-0330-7

Sorooshian, S., Hsu, K., Gao, X., Gupta, H., Imam, B., Braithwaite, D., 2000. Evaluation of PERSIANN System Satellite–Based Estimates of Tropical Rainfall. Bulletin of The American Meteorological Society - BULL AMER METEOROL SOC. 81. DOI:10.1175/1520-0477.

Sow, M.; Mbow, C.; Hély, C.; Fensholt, R.; Sambou, B., 2013. Estimation of Herbaceous Fuel Moisture Content Using Vegetation Indices and Land Surface Temperature from MODIS Data. Remote Sens. 5, 2617-2638.

Viegas, D., J, Piñol, MT, Viegas, R, Ogaya., 2001. Estimating live fine fuel moisture content using meteorologically-based indices. International Journal of Wildland Fire. DOI:10. 10.1071/WF01022.

White, B.L.A., Ribeiro, A.S., White, L.A.R., Ribeiro, G.T., 2014. Caracterização do material combustível superficial no Parque Nacional Serra de Itabaiana – Sergipe, Brasil. Ciência Florestal, Santa Maria, v. 24, n. 3, p. 699-706.

White, B.L.A, 2018. Modelos matemáticos de previsão do teor de umidade dos materiais combustíveis florestais finos e mortos. Ciência Florestal, Santa Maria, v. 28, n. 1, p. 432-445.

Yebra, M., Chuvieco, E., Riaño, D., 2008. Estimation of live fuel moisture content from MODIS images for fire risk assessment. Agricultural and Forest Meteorology - AGR Forest Meteorol. 148. 523-536. DOI:10.1016/j.agrformet.2007.12.005.

Yebra, M., Dennison, P., Chuvieco, E., Riaño, D., Zylstra, P., Jr, E., Danson, F., Qi, Y., Jurdao, S., 2013. A global review of remote sensing of live fuel moisture content for fire danger assessment: Moving towards operational products. Remote Sensing of Environment. 136. 455–468. DOI:10.1016/j.rse.2013.05.029.

Yebra, M., Quan, X., Riaño, D., Larraondo, P., van Dijk, A., Cary, G., 2018. A fuel moisture content and flammability monitoring methodology for continental Australia based on optical remote sensing. Remote Sensing of Environment 212, 260-272. DOI:10.1016/j.rse.2018.04.053.

Zaterka Giroldo, Paula, 2016. Efeito da época de queima em um campo sujo de Cerrado. Dissertação (Mestrado em Ecologia: Ecossistemas Terrestres e Aquáticos). São Paulo, Instituto de Biociências, USP.




DOI: https://doi.org/10.26848/rbgf.v13.07.p3315-3325

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