Análise Espaço-Temporal da Regeneração da Vegetação Pós-Fogo no Bioma Caatinga – Brasil, no Período de 2002-2021

Ronie Silva Juvanhol; Amanda Cavalcante da Silva; Jonathan da Rocha Miranda; Alexandre Rosa dos Santos

doi:10.26848/rbgf.v18.05.p3790-3805

Autores

Ronie Silva Juvanhol Universidade Federal do Piauí https://orcid.org/0000-0002-0040-3382
Amanda Cavalcante da Silva Universidade Federal do Piauí https://orcid.org/0000-0002-6275-4970
Jonathan da Rocha Miranda Instituto Federal de Minas Gerais https://orcid.org/0000-0002-9236-1369
Alexandre Rosa dos Santos Universidade Federal do Espírito Santo https://orcid.org/0000-0003-2617-9451

DOI:

https://doi.org/10.26848/rbgf.v18.05.p3790-3805

Palavras-chave:

Conservação, Sensoriamento remoto, NDVI, Incêndios florestais

Resumo

O presente trabalho visa avaliar a regeneração da vegetação pós-fogo no bioma caatinga, no período 2002-2021, através dos produtos do sensor MODIS MCD64A1 e MOD13Q1. Foram realizadas a análise da camada de vegetação primária do produto MOD13Q1, e a análise de áreas queimadas do MCD64A1. Foi aplicado o filtro de média móvel nos dados de Índice de Vegetação da Diferença Normalizada (NDVI) e a reclassificação das imagens do MCD64A1. Para avaliar a regeneração da vegetação considerou-se uma área regenerada àquela que apresentou um NDVI com valores acima de 80% da imagem referência de NDVI antes da queima. Aplicado também para 90 e 95%. A rotina do processamento foi executada no Google Earth Engine. Os resultados indicam que 96.128 km² do bioma foram queimados nos 19 anos de estudo. O ano que mais teve ocorrências de fogo foi 2021. Considerando uma taxa de 80% de regeneração, um ano após o evento de fogo, a maioria dos fragmentos regeneraram e mantiveram no ano seguinte. Quanto mais altas as taxas de regeneração, menos fragmentos regenerados foram observados. Em 2015, 91% das áreas não regeneraram e somente 3% regeneraram no primeiro ano e mantiveram no segundo ano. Quanto menor as áreas queimadas, mais rápida é a regeneração desses fragmentos.

Downloads

Não há dados estatísticos.

Biografia do Autor

Ronie Silva Juvanhol, Universidade Federal do Piauí

Possui graduação em Engenharia Florestal pela Universidade Federal do Espírito Santo (2011). Mestrado (2014) e Doutorado (2017) em Ciências Florestais pela Universidade Federal do Espírito Santo. Atualmente é Professor Adjunto II na Universidade Federal do Piauí, campus Professora Cinobelina Elvas, lotado no Curso de Engenharia Florestal, onde foi Coordenador de Curso (biênio 2019/2021). Membro do grupo de pesquisa do CNPq intitulado Geotechnology Applied to Global Environmental (Gagen) e Center of Research in Fire Ecology and Management (ECOFIRE). Tutor da Empresa Floresta Júnior (EfloPI). Membro Permanente do Programa de Pós-Graduação em Recursos Naturais da Amazônia (PPGRNA), Instituto de Engenharia e Geociências, da Universidade Federal do Oeste do Pará. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Proteção Florestal, atuando principalmente nos seguintes temas: Incêndios Florestais, Geotecnologias, Métodos Inteligentes e Planejamento Estratégico.

Amanda Cavalcante da Silva, Universidade Federal do Piauí

Engenheira Florestal pela Universidade Federal do Piauí (UFPI), Campus Professora Cinobelina Elvas (CPCE). Realizou pesquisa na área de meteorologia aplicada a ciências florestais, sendo membro do grupo de pesquisa do CNPq intitulado Agrometeorologia e Análises Climáticas- AAC (2017-2019). Foi estudante de pesquisa na área de Incêndios Florestais (2019-2023). Foi bolsista através do Programa Institucional de Bolsas de Iniciação Científica (PIBIC/CNPq), com o trabalho intitulado Variabilidade espaço-temporal de ocorrências de fogo no Bioma Caatinga usando dados de satélite MODIS(2019-2020). Atuou como Vice Diretora Geral do Setor de Qualidade na Empresa Florestal do Piauí Júnior intitula EFloPI Jr (2019-2020). Foi estagiária na Empresa Cerrados Florestal (2021-2022), na área de Licenciamento Ambiental e Georreferenciamento de imóveis rurais. Foi estagiária de Planejamento Estratégico Inteligência Florestal na empresa Klabin S/A (2022-2023). Tem experiência na área de Recursos Florestais e Engenharia Florestal, atuando principalmente nos seguintes temas: Incêndios florestais, meteorologia, geotecnologias aplicada a prevenção e monitoramento de incêndios florestais.

Jonathan da Rocha Miranda, Instituto Federal de Minas Gerais

Formado em Engenharia Agrícola e Ambiental pela UFMG, com mestrado em Recursos Hídricos e doutorado em Engenharia Agrícola pela UFLA. Possui experiência em processamento de imagens de satélite para monitoramento ambiental e agrícola, utilizando técnicas de machine learning. Além disso, tem experiência em sensoriamento remoto, geoprocessamento e manejo de irrigação.

Alexandre Rosa dos Santos, Universidade Federal do Espírito Santo

Professor Titular da UFES e bolsista CNPq de longa duração em Produtividade em Pesquisa - PQ, nível 1C. Possui Graduação em Agronomia pela Universidade Federal do Espírito Santo (1997) e Licenciatura em Letras - Português e Inglês pela Universidade de Franca (UNIFRAN) (2018). Especialização em Metodologia Ensino da Língua Portuguesa e Inglesa pela Universidade Candido Mendes (UCAM) (2016), Mestrado em Meteorologia Agrícola pela Universidade Federal de Viçosa (1999), Doutorado em Engenharia Agrícola pela Universidade Federal de Viçosa (2001) e Pós-doutorado em Ciências Florestais pela Universidade Federal de Viçosa (2016). Atualmente é professor Titular da Universidade Federal do Espírito Santo, atuando profissionalmente no Departamento de Engenharia Rural (ERU-UFES) e Programa de Pós-graduação em Ciências Florestais da UFES (PPGCF-UFES) e Programa de Pós-graduação em Ciência Florestal da UFV (PPGCF-UFV) como professor permanente de Mestrado e Doutorado. Tem experiência nas áreas de Geotecnologias, Agronomia, Geometeorologia, Agrometeorologia, Geotecnologias Aplicadas ao Meio Ambiente e Saúde, Metodologia de Ensino da Língua Portuguesa e Inglesa e Letras. Atua principalmente nos seguintes temas: Sistemas de Informações Geográficas (SIG), Sensoriamento Remoto, Meteorologia, Climatologia, Mudanças Climáticas Globais. É coordenador do grupo de pesquisa do CNPq intitulado Geotechnology Applied to Global Environment (GAGEN), certificado e autorizado oficialmente pelo CNPq que tem como objetivo colaborar com o desenvolvimento e reconhecimento da área ambiental do Brasil e mundo, com pesquisas direcionadas para o(s) elemento(s) do sistema terrestre (Atmosfera, Litosfera, Hidrosfera e Biosfera). Também é coordenador do canal do YouTube intitulado MUNDO DA GEOMÁTICA onde são disponibilzados videoaulas gratuitas e cursos relacionados com o universo das Geotecnologias.

Referências

Alencar, A.A., Arruda, V.L., Silva, W.V.D., Conciani, D.E., Costa, D.P., Crusco, N., Velez-Martin, E., 2022. Long-term landsat-based monthly burned area dataset for the Brazilian biomes using deep learning. Remote Sensing 14, 2510, 2022. https://doi.org/10.3390/rs14112510

Anadon, J.D., Sala, O.E., Maestre, F.T., 2014. Climate change will increase savannas at the expense of forests and treeless vegetation in tropical and subtropical Americas. Journal of Ecology 102, 1363-1373. https://doi.org/10.1111/1365-2745.12325

Araujo, H.F.F., Canassa, N.F., Machado, C.C.C., Tabarelli, M., 2023. Human disturbance is the major driver of vegetation changes in the Caatinga dry forest region. Scientific Reports, 13, 18440. https://doi.org/10.1038/s41598-023-45571-9

Avetisyan, D., Stankova, N., Dimitrov, Z., 2023. Assessment of Spectral Vegetation Indices Performance for Post-Fire Monitoring of Different Forest Environments. Fire 6, 290. https://doi.org/10.3390/fire6080290

Baeza, S., Vélez-Martin, E., Abelleyra, D., Banchero, S., Gallego, F., Schirmbeck, J., Hasenack, H., 2022. Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiative. Remote Sensing Applications: Society and Environment 28, 100834. https://doi.org/10.1016/j.rsase.2022.100834

Barros, M.F., Ribeiro, E. M., Vanderlei, R.S., Paula, A.S., Silva, A.B., Wirth, R., Tabarelli, M., 2021. Resprouting drives successional pathways and the resilience of caatinga dry forest in human-modified landscapes. Forest Ecology and Management 482, 118881. https://doi.org/10.1016/j.foreco.2020.118881

Beck, H.E., Zimmermann, N.E., Mcvicar, T.R., Vergopolan, N., Berg, A., Wood, E.F., 2018. Publisher Correction: Present and future Köppen-Geiger climate classification maps at 1-km resolution. Scientific data 5, 180214. https://doi.org/10.1038/sdata.2018.214

Benfica, N.S., Silva, D.P., Delgado, R.C, 2021. Dinâmica de áreas queimadas através de dados orbitais do sensor modis e influência climática no parque nacional da Chapada Diamantina. Brazilian Journal of Development 7, 75875-75890. https://doi.org/10.34117/bjdv7n8-014

Bolano, D.S., Camargo, C.Y., Soro, T.D., N'Dri, A.B., Bolaño-Ortiz, T.R., 2022. Spatio-Temporal Characterization of Fire Using MODIS Data (2000–2020) in Colombia. Fire 5, 134. https://doi.org/10.3390/fire5050134

Boschetti, L., Roy, D.P., Giglio, L., Huang, H., Zubkova, M., Humber, M.L., 2019. Global validation of the collection 6 MODIS burned area product. Remote sensing of environment 235, 111490. https://doi.org/10.1016/j.rse.2019.111490

Buthelezi, N.L., Mutanga, O., Rouget, M., Sibanda, M., 2016. A spatial and temporal assessment of fire regimes on different vegetation types using modis burnt area products. Bothalia-African Biodiversity & Conservation 46, 1-9. http://dx.doi.org/10.4102/abc.v46i2.2148

Caccamo, G., Bradstock, R., Collins, L., Penman, T., Watson, P., 2015. Using MODIS data to analyse post-fire vegetation recovery in Australian eucalypt forests. Journal of Spatial Science 60, 341-352. https://doi.org/10.1080/14498596.2015.974227

Cai, Z., Jonsson, P., Jin, H., Eklundh, L., 2017. Performance of Smoothing Methods for Reconstructing NDVI Time-Series and Estimating Vegetation Phenology from MODIS Data. Remote Sensing 9, 1271. https://doi.org/10.3390/rs9121271

Chen, J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B., Eklundh, L., 2004. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter. Remote Sensing of Environment 91, 332–344. https://doi.org/10.1016/ j.rse.2004.03.014

Clarke, P.J., Lawes, M.J., Midgley, J.J., Lamont, B.B., Ojeda, F., Burrows, G.E., Knox, K.J.E., 2013. Resprouting as a key functional trait: how buds, protection and resources drive persistence after fire. New phytologist 197, 19-35. https://doi.org/10.1111/nph.12001

Didan, K., 2015. MOD13Q1 MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V006. NASA EOSDIS Land Processes Distributed Active Archive Center.

Dombroski, J.L.D., Praxedes, S.C., Freitas, R.M.O., Pontes, F.M., 2011. Water relations of caatinga trees in the dry season. South African Journal of Botany 77, 430-434. https://doi.org/10.1016/j.sajb.2010.11.001

Fendrich, A.N., Barretto, A., Faria, V.G., Bastiani, F., Tenneson, K., Pinto, L.F.G., Sparovek, G., 2020. Disclosing contrasting scenarios for future land cover in Brazil: Results from a high-resolution spatiotemporal model. Science of the Total Environment 742, 140477. https://doi.org/10.1016/j.scitotenv.2020.140477

Francisco, P.R.M., Medeiros, R.D., Santos, D., Matos, R.D., 2015. Classificação climática de Köppen e Thornthwaite para o estado da Paraíba. Revista Brasileira de Geografia Física 8, 1006-1016. https://doi.org/10.5935/1984-2295.20150049

Galvíncio, J.D., Mendes, S.M., Morais, Y.C.B., Miranda, R.Q., Souza, W.M., Moura, M.S.B., Santos, W., 2020. Correlação linear entre a precipitação e o Índice de Área Foliar do bioma caatinga. Revista Brasileira de Geografia Física 13, 3304-3314. https://doi.org/10.26848/rbgf.v13.07.p3304-3314

Gouveia, J.R.F., Nascimento, C.R., Oliveira Júnior, J.G., Moura, G.B.A., Lopes, P.M.O., 2021. Caracterização de Cicatrizes de Queimadas nas Mesorregiões do Sertão e São Francisco Pernambucano a partir de dados do Sensor Modis. Revista Brasileira de Geografia Física 14, 881-896. https://doi.org/10.26848/rbgf.v14.2.p881-996

Gomes, V.P., Galvíncio, J.D., Moura, M.S.B., Ferreira, P.D.S., Paz, Y.M., Miranda, R.D.Q., 2016. Sensoriamento remoto hyperspectral aplicado para análise dos indicadores de resiliência e suscetibilidade do bioma caatinga frente às mudanças climáticas. Revista Brasileira de Geografia Física 9, 1122-1136. http://dx.doi.org/10.26848/rbgf.v09.4.p1122-1136

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R., 2017. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031.

Guerrero, J.V., Escobar-Silva, E.V., Chaves, M.E., Mataveli, G.A., Bourscheidt, V., Oliveira, G., Moschini, L.E., 2020. Assessing land use and land cover changes in the direct influence zone of the Braço Norte Hydropower Complex, Brazilian Amazonia. Forests 11, 988 https://doi.org/10.3390/f11090988.

INPE 2025. Disponível em: BDQueimadas - Programa Queimadas, 〈https://terrabrasilis. dpi.inpe.br/queimadas/bdqueimadas/〉Acesso em: 31 de Março de 2025.

Jardim, et al., 2022. Using remote sensing to quantify the joint effects of climate and land use/land cover changes on the caatinga biome of northeast Brazilian. Remote Sensing 14, 1911. https://doi.org/10.3390/rs14081911.

Jin, Z., Xu, B., 2013. A novel compound smoother—RMMEH to reconstruct MODIS NDVI time series. IEEE Geoscience and Remote Sensing Letters 10, 942-946. https://doi.org/10.1109/LGRS.2013.2253760.

Souza Junior, C.M. et al., 2020. Reconstructing three decades of land use and land cover changes in Brazilian biomes with landsat archive and Earth Engine. Remote Sensing 12, 2735. https://doi.org/10.3390/rs12172735.

Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka, E., Wolfe, R.E., Saleous, N., Morisette, J.T., 2002. An overview of MODIS Land data processing and product status. Remote sensing of Environment 83, 3-15. https://doi.org/10.1016/S0034-4257(02)00084-6.

Justice, C.O., Vermote, E., Townshend, J.R., Defries, R., Roy, D.P., Hall, D.K., Barnsley, M.J., 1998. The Moderate Resolution Imaging Spectroradiometer (MODIS): Land remote sensing for global change research. IEEE transactions on geoscience and remote sensing 36, 1228-1249. https://doi.org/ 10.1109/36.701075

Katagis, T., Gitas, I.Z., 2022. Assessing the Accuracy of MODIS MCD64A1 C6 and FireCCI51 Burned Area Products in Mediterranean Ecosystems. Remote Sensing 14, 602. https://doi.org/10.3390/rs14030602.

Latorre, M.L., Anderson, L.O., Shimabukuro, Y.E., Carvalho, J.O.A., 2003. Sensor MODIS: Características gerais e aplicações. Revista Espaço e Geografia 6, 91-121.

Lentile, L.B., Morgan, P., Hudak, A.T., Bobbitt, M. J., Lewis, S.A., Smith, A.M., Robichaud, P.R., 2007. Post-fire burn severity and vegetation response following eight large wildfires across the western United States. Fire Ecology 3, 91-108.

Maillard, O., 2023. Post-Fire Natural Regeneration Trends in Bolivia: 2001–2021. Fire 6, 18. https://doi.org/10.3390/fire6010018.

Marinho, F.P., Mazzochini, G.G., Manhães, A.P., Weisser, W.W., Ganade, G., 2016. Effects of past and present land use on vegetation cover and regeneration in a tropical dryland forest. Journal of Arid Environments 132, 26-33. https://doi.org/10.1016/j.jaridenv.2016.04.006

Marques, T.V., Mendes, K., Mutti, P., Medeiros, S., Silva, L., Perez-Marin, A.M., Bezerra, B., 2020. Environmental and biophysical controls of evapotranspiration from Seasonally Dry Tropical Forests (caatinga) in the Brazilian Semiarid. Agricultural and Forest Meteorology 287, 107957. https://doi.org/10.1016/j.agrformet.2020.107957

Martins, S.F.S., Santos, A.M., Silva, C.F.A., Rudke, A.P., Alvarado, S.T., Melo, J.L.S., 2024. The drivers of fire in the Caatinga Biome in Brazil. Forest Ecology and Management 572, 122260.https://doi.org/10.1016/j.foreco.2024.122260

Mendes, K.R., Campos, S., Silva, L.L., Mutti, P.R., Ferreira, R.R., Medeiros, S.S., Santos e Silva, C.M., 2020. Seasonal variation in net ecosystem CO2 exchange of a Brazilian seasonally dry tropical forest. Scientific Reports 10, 9454. https://doi.org/10.1038/s41598-020-66415-w

Meneses, B.M., 2021. Vegetation Recovery Patterns in Burned Areas Assessed with Landsat 8 OLI Imagery and Environmental Biophysical Data. Fire 4, 76. https://doi.org/10.3390/fire4040076

Menezes, R.S.C., Sampaio, E.V.S.B., Giongo, V., Pérez-Marin, A.M., 2012. Biogeochemical cycling in terrestrial ecosystems of the caatinga biome. Brazilian Journal of Biology 72, 643-653. https://doi.org/10.1590/S1519-69842012000400004

Morales, F.E.C., Rodrigues, D.T., Marques, T.V., Amorim, A.C.B., Oliveira, P.T.D., Silva, C.M.S.E., Lucio, P.S., 2023. Spatiotemporal analysis of extreme rainfall frequency in the northeast region of Brazil. Atmosphere 14, 531. https://doi.org/ 10.3390/atmos14030531.

Munawar, H.S., Ullah, F., Khan, S.I., Qadir, Z., Qayyum, S., 2021. UAV assisted spatiotemporal analysis and management of bushfires: A case study of the 2020 victorian bushfires. Fire 4, 40. https://doi.org/10.3390/fire4030040

Nyongesa, K.W., Pucher, C., Poletti, C., Vacik, H., 2023. Evaluation of the Relationship between Spatio-Temporal Variability of Vegetation Condition Index (VCI), Fire Occurrence and Burnt Area in Mount Kenya Forest Reserve and National Park. Fire 6, 282. https://doi.org/10.3390/fire6080282

Oliveira, J.J.F., Shah, M., Abbas, A., Correia, W.L.F, Silva Junior, C.A, Santiago, D.B., Teodoro, P.E., Mendes, D., de Souza, A., Aviv-Sharon, E., 2022. Spatiotemporal Analysis of Fire Foci and Environmental Degradation in the Biomes of Northeastern Brazil. Sustainability 14, 6935. https://doi.org/10.3390/su14116935

Parra, A.; Hinojosa, M.B., 2023. Burn Severity Effect on the Short-Term Functional Response of Quercus ilex after Fire. Fire 6, 286. https://doi.org/10.3390/fire6080286

QGIS Desktop Version 3.22.9 Bialowiesa 2022-Jul-15 17:19 Disponível em: https://download.osgeo.org/qgis/win64/

Ribeiro, F.A.A., Adams, C., Murrieta, R.S.S., 2013. The impacts of shifting cultivation on tropical forest soil: a review. Boletim do Museu Paraense Emílio Goeldi. Ciências Humanas 8, 693–727. https://doi.org/10.1590/S1981-81222013000300013

Rocha , W.J.S.F., et al., 2024. Mapping Burned Area in the Caatinga Biome: Employing Deep Learning Techniques. Fire 7, 437. https://doi.org/10.3390/fire7120437

RStudio Desktop. Version 4.2.1 (2022-06-23 ucrt). Disponível em: https://posit.co/download/rstudio-desktop/

Santana, N.C., 2019. Fire Recurrence and Normalized Difference Vegetation Index (NDVI) Dynamics in Brazilian Savanna. Fire 2, 1. https://doi.org/10.3390/fire2010001

Seixas, H.T., Brunsell, N.A., Moraes, E.C., Oliveira, G., Mataveli, G., 2022. Exploring the ecosystem resilience concept with land surface model scenarios. Ecological Modelling 464, 109817. https://doi.org/10.1016/j.ecolmodel.2021.109817

Shah, S., Yebra, M., Aijm, V.D., Cary, G.J., 2022. A New Fire Danger Index Developed by Random Forest Analysis of Remote Sensing Derived Fire Sizes. Fire 5, 152. https://doi.org/10.3390/fire5050152

Silva, A.B., 2021. Efeitos da Agricultura de Corte-e-queima sobre a regeneração da caatinga.

Silva, C.D.D., Silva, L.M.C., Cavalcante, B.P., Santos, D.B., 2021. O domínio da caatinga e sua biodiversidade: concepções alternativas de alunos da educação básica. Revista Macambira 5, e052004. https://doi.org/10.35642/rm.v5i2.618

Silva, E.E.D.M., Paixao, V.H.F., Torquato, J.L., Lunardi, D.G., Lunardi, V.O., 2020. Fruiting phenology and consumption of zoochoric fruits by wild vertebrates in a seasonally dry tropical forest in the Brazilian caatinga. Acta Oecologica 105, 103553, 2020. https://doi.org/10.1016/j.actao.2020.103553

Silva, A.C., Juvanhol, R.S., Miranda, J.R., 2023. Variabilidade espaço-temporal de ocorrência e recorrência de fogo no Bioma Caatinga usando dados do sensor MODIS. Ciência Florestal 33, e70195. https://doi.org/10.5902/1980509870195

Silva, F.R.D., Vasconcelos, R.S., Galvão, C.D.O., Rufino, I.A.A., Cunha, J.E.D.B.L., 2020. Representação matemática do comportamento intra-anual do NDVI no Bioma caatinga. Ciência Florestal 30, 473-488. https://doi.org/10.5902/1980509837279

Silva, S.S., Oliveira, I., Morello, T.F., Anderson, L.O., Karlokoski, A., Brando, P.M., de Melo, A.W.F., da Costa, J.G., de Souza, F.S.C., da Silva, I.S., et al., 2021 Burning in southwestern Brazilian Amazonia, 2016-2019. Journal of Environmental Management 286, 112189. https://doi.org/10.1016/j.jenvman.2021.112189

Smith, T.B., Kark, S., Schneider, C.J., Wayne, R.K., Moritz, C., 2001. Biodiversity hotspots and beyond: the need for preserving environmental transitions. Trends in Ecology & Evolution 16, 431. https://doi.org/10.1016/S0169-5347(01)02201-7

Souza, M.P., Coutinho, J.M.C.P., Silva, L.S., Amorim, F.S., Alves, A.R., 2017. Composição e estrutura da vegetação de caatinga no sul do Piauí, Brasil. Revista Verde de Agroecologia e Desenvolvimento Sustentável 12, 210-217. https://doi.org/10.18378/rvads. v12i2.4588

Tabarelli, M., Leal, I.R., Scarano, F.R., Silva, J.M.C.D., 2017. The future of the caatinga. Caatinga: The largest tropical dry forest region in South America, 461-474. https://doi.org/10.1007/978-3-319-68339-3_19

Vasconcelos, R.N., Santana, M.M., Costa, D.P., Duverger, S.G., Ferreira-Ferreira, J., Oliveira, M., Barbosa, L.S., Cordeiro, C.L., Rocha, W.J.S., 2025. Machine Learning Model Reveals Land Use and Climate’s Role in Caatinga Wildfires: Present and Future Scenarios. Fire 8, 8. https://doi.org/10.3390/fire8010008

Viana, S.A., Aguado, I., Martínez, S., 2017. Assessment of Post-Fire Vegetation Recovery Using Fire Severity and Geographical Data in the Mediterranean Region (Spain). Environments 4, 90. https://doi.org/10.3390/environments4040090