Análise de detecção de áreas queimadas no cerrado utilizando cenas Envisat-Meris e Terra-Modis
DOI:
https://doi.org/10.51359/2238-6211.2022.252145Palabras clave:
MODIS, MERIS., incendios, Detección RemotaResumen
Os sensores de observação da Terra MODIS (Moderate-Resolution Imaging Spectr oradiometer) e MERIS (Medium Resolution Imaging Spectrometer) periodicamente geram dados de extensão e emissão do fogo para todo o globo; no entanto, incertezas devidas as características de suas resoluções espaciais e temporais devem ser introduzidas. Neste trabalho é apresentado uma validação da área queimada com o apoio do classificador supervisionado Máquinas de Vetores de Suporte (SVM) para os dados espectrais obtidos pelos sensores orbitais MODIS e MERIS, comparados com os polígonos de referência espaciais de maior resolução espacial para dois locais de estudo no bioma Cerrado. Foi considerada a temporada de queimadas no mês de setembro de 2010, quando ocorreram incêndios florestais graves com distribuição de focos de calor historicamente alta. Em uma análise comparativa, os mapas classificados de área queimada identificaram 22% para o MERIS e um pouco maior para o MODIS, de 54%. Os erros de comissão (EC) e de omissão (EO), bem como o coeficiente de dados (DC) para pixels queimados, foram comparados. Para o MERIS, o OE e o CE médios foram 64% e 76%, e para o MODIS, 67% e 36%. Métricas de regressão também foram utilizadas e mostram Coeficientes de Determinação (r²) médio das regressões lineares entre a área queimada de (r² < 0,6) para ambos os sensores. Os produtos de área queimadas produzidos foram capazes de fornecer uma fonte de dados eficiente para monitorar e avaliar os padrões espaciais e temporais e os impactos do fogo.
Citas
ASHRAF, MUHAMMAD AQEEL AND MAAH, MOHD. JAMIL AND YUSOFF, ISMAIL, Introduction to Remote Sensing of Biomass, Biomass and Remote Sensing of Biomass, 2011.doi:10.5772/16462.
ALONSO-CANAS, Itziar; CHUVIECO, Emilio. Global burned area mapping from ENVISAT-MERIS and MODIS active fire data. Remote Sensing Of Environment, [S.L.], v. 163, p. 140-152, jun. 2015. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2015.03.011.
AWAD, Mariette; KHANNA, Rahul. Support Vector Machines for Classification. Efficient Learning Machines, [S.L.], p. 39-66, 2015. Apress. http://dx.doi.org/10.1007/978-1-4302-5990-9_3.
AMOS, Craig; PETROPOULOS, George P.; FERENTINOS, Konstantinos P.. Determining the use of Sentinel-2A MSI for wildfire burning & severity detection. International Journal Of Remote Sensing, [S.L.], v. 40, n. 3, p. 905-930, 11 out. 2018. Informa UK Limited. http://dx.doi.org/10.1080/01431161.2018.1519284.
BENALI, Akli; RUSSO, Ana; SÁ, Ana; PINTO, Renata; PRICE, Owen; KOUTSIAS, Nikos; PEREIRA, José. Determining Fire Dates and Locating Ignition Points With Satellite Data. Remote Sensing, [S.L.], v. 8, n. 4, p. 326, 13 abr. 2016. MDPI AG. http://dx.doi.org/10.3390/rs8040326.
BRANDO, Paulo; MACEDO, Marcia; SILVÉRIO, Divino; RATTIS, Ludmila; PAOLUCCI, Lucas; ALENCAR, Ane; COE, Michael; AMORIM, Cristina. Amazon wildfires: scenes from a foreseeable disaster. Flora, [S.L.], v. 268, p. 151609, jul. 2020. Elsevier BV. http://dx.doi.org/10.1016/j.flora.2020.151609.
BOSCHETTI, Luigi; ROY, David P.; JUSTICE, Christopher O.; HUMBER, Michael L.. MODIS–Landsat fusion for large area 30 m burned area mapping. Remote Sensing Of Environment, [S.L.], v. 161, p. 27-42, maio 2015. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2015.01.022.
CRISTIANINI, Nello; RICCI, Elisa. Support Vector Machines. Encyclopedia Of Algorithms, [S.L.], p. 928-932, 2008. Springer US. http://dx.doi.org/10.1007/978-0-387-30162-4_415.
CHUVIECO, Emilio; MOUILLOT, Florent; WERF, Guido R. van Der; MIGUEL, Jesús San; TANASE, Mihai; KOUTSIAS, Nikos; GARCÍA, Mariano; YEBRA, Marta; PADILLA, Marc; GITAS, Ioannis. Historical background and current developments for mapping burned area from satellite Earth observation. Remote Sensing Of Environment, [S.L.], v. 225, p. 45-64, maio 2019. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2019.02.013.
CAMPAGNOLO, M.L.; LIBONATI, R.; RODRIGUES, J.A.; PEREIRA, J.M.C.. A comprehensive characterization of MODIS daily burned area mapping accuracy across fire sizes in tropical savannas. Remote Sensing Of Environment, [S.L.], v. 252, p. 112115, jan. 2021. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2020.112115.
FLANNIGAN, M.D.; WOTTON, B.M.. Climate, Weather, and Area Burned. Forest Fires, [S.L.], p. 351-373, 2001. Elsevier. http://dx.doi.org/10.1016/b978-012386660-8/50012-x.
FERNÁNDEZ-MANSO, Alfonso; QUINTANO, Carmen. A Synergetic Approach to Burned Area Mapping Using Maximum Entropy Modeling Trained with Hyperspectral Data and VIIRS Hotspots. Remote Sensing, [S.L.], v. 12, n. 5, p. 858, 6 mar. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12050858.
FILIPPONI, Federico. Exploitation of Sentinel-2 Time Series to Map Burned Areas at the National Level: a case study on the 2017 italy wildfires. Remote Sensing, [S.L.], v. 11, n. 6, p. 622, 14 mar. 2019. MDPI AG. http://dx.doi.org/10.3390/rs11060622.
HUANG, Haiyan; ROY, David; BOSCHETTI, Luigi; ZHANG, Hankui; YAN, Lin; KUMAR, Sanath; GOMEZ-DANS, Jose; LI, Jian. Separability Analysis of Sentinel-2A Multi-Spectral Instrument (MSI) Data for Burned Area Discrimination. Remote Sensing, [S.L.], v. 8, n. 10, p. 873, 22 out. 2016. MDPI AG. http://dx.doi.org/10.3390/rs8100873.
HANTSON, Stijn; PADILLA, Marc; CORTI, Dante; CHUVIECO, Emilio. Strengths and weaknesses of MODIS hotspots to characterize global fire occurrence. Remote Sensing Of Environment, [S.L.], v. 131, p. 152-159, abr. 2013. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2012.12.004.
HAWBAKER, Todd J.; RADELOFF, Volker C.; SYPHARD, Alexandra D.; ZHU, Zhiliang; STEWART, Susan I.. Detection rates of the MODIS active fire product in the United States. Remote Sensing Of Environment, [S.L.], v. 112, n. 5, p. 2656-2664, maio 2008. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2007.12.008.
Jensen, J.R. Introductory Digital Image Processing: A Remote Sensing Perspective, 2nd ed.; Prentice Hall: Upper Saddle River, NJ, USA, 1996.
KLINK, Carlos A.; MACHADO, Ricardo B.. Conservation of the Brazilian Cerrado. Conservation Biology, [S.L.], v. 19, n. 3, p. 707-713, jun. 2005. Wiley. http://dx.doi.org/10.1111/j.1523-1739.2005.00702.x.
LIZUNDIA-LOIOLA, Joshua; OTÓN, Gonzalo; RAMO, Rubén; CHUVIECO, Emilio. A spatio-temporal active-fire clustering approach for global burned area mapping at 250 m from MODIS data. Remote Sensing Of Environment, [S.L.], v. 236, p. 111493, jan. 2020. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2019.111493
LIBONATI, Renata; DACAMARA, Carlos; SETZER, Alberto; MORELLI, Fabiano; MELCHIORI, Arturo. An Algorithm for Burned Area Detection in the Brazilian Cerrado Using 4 µm MODIS Imagery. Remote Sensing, [S.L.], v. 7, n. 11, p. 15782-15803, 24 nov. 2015. MDPI AG. http://dx.doi.org/10.3390/rs71115782.
MORGAN, Penelope; KEANE, Robert E.; DILLON, Gregory K.; JAIN, Theresa B.; HUDAK, Andrew T.; KARAU, Eva C.; SIKKINK, Pamela G.; HOLDEN, Zachary A.; STRAND, Eva K.. Challenges of assessing fire and burn severity using field measures, remote sensing and modelling. International Journal Of Wildland Fire, [S.L.], v. 23, n. 8, p. 1045, 2014. CSIRO Publishing. http://dx.doi.org/10.1071/wf13058.
NOI, Phan Thanh; KAPPAS, Martin. Comparison of Random Forest, k-Nearest Neighbor, and Support Vector Machine Classifiers for Land Cover Classification Using Sentinel-2 Imagery. Sensors, [S.L.], v. 18, n. 2, p. 18, 22 dez. 2017. MDPI AG. http://dx.doi.org/10.3390/s18010018.
Ngadze F, Mpakairi KS, Kavhu B, Ndaimani H, Maremba MS (2020) Exploring the utility of Sentinel-2 MSI and Landsat 8 OLI in burned area mapping for a heterogenous savannah landscape. PLoS ONE (2020), 15(5): e0232962. https://doi.org/10.1371/journal.pone.0232962
OLIVA, P.; MARTÍN, P.; CHUVIECO, E.. Burned area mapping with MERIS post-fire image. International Journal Of Remote Sensing, [S.L.], v. 32, n. 15, p. 4175-4201, 10 ago. 2011. Informa UK Limited. http://dx.doi.org/10.1080/01431161.2010.489062.
PACHECO, A.d.P.; Junior, J.A.d.S.; Ruiz-Armenteros, A.M.; Henriques, R.F.F. Assessment of k-Nearest Neighbor and Random Forest Classifiers for Mapping Forest Fire Areas in Central Portugal Using Landsat-8, Sentinel-2, and Terra Imagery. Remote Sens. 2021, 13, 1345. https://doi.org/10.3390/rs13071345
PAL, M.; MATHER, P. M.. Support vector machines for classification in remote sensing. International Journal Of Remote Sensing, [S.L.], v. 26, n. 5, p. 1007-1011, mar. 2005. Informa UK Limited. http://dx.doi.org/10.1080/01431160512331314083.
PENHA, Thales Vaz; KÖRTING, Thales Sehn; FONSECA, Leila Maria Garcia; SILVA JÚNIOR, Celso Henrique Leite; PLETSCH, Mikhaela Aloísia Jessie Santos; ANDERSON, Liana Oighenstein; MORELLI, Fabiano. Burned Area Detection in the Brazilian Amazon using Spectral Indices and GEOBIA. Revista Brasileira de Cartografia, [S.L.], v. 72, n. 2, p. 253-269, 22 jun. 2020. EDUFU - Editora da Universidade Federal de Uberlandia. http://dx.doi.org/10.14393/rbcv72n2-48726.
PEREIRA, Allan; PEREIRA, José; LIBONATI, Renata; OOM, Duarte; SETZER, Alberto; MORELLI, Fabiano; MACHADO-SILVA, Fausto; CARVALHO, Luis de. Burned Area Mapping in the Brazilian Savanna Using a One-Class Support Vector Machine Trained by Active Fires. Remote Sensing, [S.L.], v. 9, n. 11, p. 1161, 14 nov. 2017. MDPI AG. http://dx.doi.org/10.3390/rs9111161.
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, [S.L.], v. 37, n. 1, p. 217-226, 1999. Institute of Electrical and Electronics Engineers (IEEE). http://dx.doi.org/10.1109/36.739156.
QIU, Jie; WANG, Heng; SHEN, Wenjuan; ZHANG, Yali; SU, Huiyi; LI, Mingshi. Quantifying Forest Fire and Post-Fire Vegetation Recovery in the Daxin’anling Area of Northeastern China Using Landsat Time-Series Data and Machine Learning. Remote Sensing, [S.L.], v. 13, n. 4, p. 792, 21 fev. 2021. MDPI AG. http://dx.doi.org/10.3390/rs13040792.
ROY, D.P.; LI, Z.; GIGLIO, L.; BOSCHETTI, L.; HUANG, H.. Spectral and diurnal temporal suitability of GOES Advanced Baseline Imager (ABI) reflectance for burned area mapping. International Journal Of Applied Earth Observation And Geoinformation, [S.L.], v. 96, p. 102271, abr. 2021. Elsevier BV. http://dx.doi.org/10.1016/j.jag.2020.102271.
ROTETA, E.; BASTARRIKA, A.; PADILLA, M.; STORM, T.; CHUVIECO, E.. Development of a Sentinel-2 burned area algorithm: generation of a small fire database for sub-saharan africa. Remote Sensing Of Environment, [S.L.], v. 222, p. 1-17, mar. 2019. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2018.12.011.
REIS, Simone Matias; LENZA, Eddie; MARIMON, Beatriz Schwantes; GOMES, Letícia; FORSTHOFER, Mônica; MORANDI, Paulo Sérgio; MARIMON JUNIOR, Ben Hur; FELDPAUSCH, Ted R.; ELIAS, Fernando. Post-fire dynamics of the woody vegetation of a savanna forest (Cerradão) in the Cerrado-Amazon transition zone. Acta Botanica Brasilica, [S.L.], v. 29, n. 3, p. 408-416, set. 2015. FapUNIFESP (SciELO). http://dx.doi.org/10.1590/0102-33062015abb0009.
SILVA, Patrícia S.; BASTOS, Ana; LIBONATI, Renata; RODRIGUES, Julia A.; DACAMARA, Carlos C.. Impacts of the 1.5 °C global warming target on future burned area in the Brazilian Cerrado. Forest Ecology And Management, [S.L.], v. 446, p. 193-203, ago. 2019. Elsevier BV. http://dx.doi.org/10.1016/j.foreco.2019.05.047.
SHIMABUKURO, Yosio Edemir; DUTRA, Andeise Cerqueira; ARAI, Egidio; DUARTE, Valdete; CASSOL, Henrique Luís Godinho; PEREIRA, Gabriel; CARDOZO, Francielle da Silva. Mapping Burned Areas of Mato Grosso State Brazilian Amazon Using Multisensor Datasets. Remote Sensing, [S.L.], v. 12, n. 22, p. 3827, 21 nov. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12223827.
SCHROEDER, Wilfrid; CSISZAR, Ivan; MORISETTE, Jeffrey. Quantifying the impact of cloud obscuration on remote sensing of active fires in the Brazilian Amazon. Remote Sensing Of Environment, [S.L.], v. 112, n. 2, p. 456-470, fev. 2008. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2007.05.004
SCHMIDT IB, FIGUEIREDO IB, SCARIOT A (2007) Ethnobotany and Effects of Harvesting on the Population Ecology of Syngonanthus nitens (Bong.) Ruhland (Eriocaulaceae), a NTFP from Jalapão Region, Central Brazil. Econ Bot 61: 73–85.
SANTOS, V.E. MARTINS, A.R. FERREIRA, M.I. O Processo de Ocupação do Bioma Cerrado e a Degradação do Subsistema Vereda no Sudeste de Goiás. XIII Simpósio Brasileiro de Geografia Física Aplicada, 12., 2009, Viçosa. Anais… Viçosa: SBGFA, Eixo 2. 200 p. Disponível:https://www.geomorfologia.ufv.br/simposio/simposio/trabalhos/trabalhos_completos/eixo2/005.pdf
SILVA JUNIOR, Juarez Antonio; PACHECO, Admilson da Penha. Avaliação de incêndio em ambiente de Caatinga a partir de imagens Landsat-8, índice de vegetação realçado e análise por componentes principais. Ciência Florestal, [S.L.], v. 31, n. 1, p. 417-439, 15 mar. 2021. Universidad Federal de Santa Maria. http://dx.doi.org/10.5902/1980509843818.
TANASE, Mihai A.; BELENGUER-PLOMER, Miguel A.; ROTETA, Ekhi; BASTARRIKA, Aitor; WHEELER, James; FERNÁNDEZ-CARRILLO, Ángel; TANSEY, Kevin; WIEDEMANN, Werner; NAVRATIL, Peter; LOHBERGER, Sandra. Burned Area Detection and Mapping: intercomparison of sentinel-1 and sentinel-2 based algorithms over tropical africa. Remote Sensing, [S.L.], v. 12, n. 2, p. 334, 20 jan. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12020334.
TORRALBO, F A; BENITO, A. Landsat and MODIS Images for Burned Areas Mapping in Galicia, Spain. (Dissertação de Mestrado em Geoinformática) – School of Architecture and the Built Environment Royal Institute of Technology (KTH) Stockholm, Sweden, p. 71. 2012.
TAN, Xicheng; SONG, Yang; XIANG, Wenting. Remote Sensing Image Classification Based on SVM and Object Semantic. Geo-Informatics In Resource Management And Sustainable Ecosystem, [S.L.], p. 748-755, 2013. Springer Berlin Heidelberg. http://dx.doi.org/10.1007/978-3-642-45025-9_73.
VALENCIA, Germán M.; ANAYA, Jesús A.; VELÁSQUEZ, Éver A.; RAMO, Rubén; CARO-LOPERA, Francisco J.. About Validation-Comparison of Burned Area Products. Remote Sensing, [S.L.], v. 12, n. 23, p. 3972, 4 dez. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12233972.
VAPNIK, V.: The Nature of Statistical Learning Theory. Springer, New York (1995)
VERMOTE, E. MOD09A1 MODIS/Terra Surface Reflectance 8-Day L3 Global 500m SIN Grid V006 (2015). NASA EOSDIS Land Processes DAAC. https://doi.org/10.5067/MODIS/MOD09A1.006
VERAVERBEKE, S.; HARRIS, S.; HOOK, S.. Evaluating spectral indices for burned area discrimination using MODIS/ASTER (MASTER) airborne simulator data. Remote Sensing Of Environment, [S.L.], v. 115, n. 10, p. 2702-2709, out. 2011. Elsevier BV. http://dx.doi.org/10.1016/j.rse.2011.06.010.
SCHEPERS, Lennert; HAEST, Birgen; VERAVERBEKE, Sander; SPANHOVE, Toon; BORRE, Jeroen Vanden; GOOSSENS, Rudi. Burned Area Detection and Burn Severity Assessment of a Heathland Fire in Belgium Using Airborne Imaging Spectroscopy (APEX). Remote Sensing, [S.L.], v. 6, n. 3, p. 1803-1826, 27 fev. 2014. MDPI AG. http://dx.doi.org/10.3390/rs6031803.
SAULINO, Luigi; RITA, Angelo; MIGLIOZZI, Antonello; MAFFEI, Carmine; ALLEVATO, Emilia; GARONNA, Antonio Pietro; SARACINO, Antonio. Detecting Burn Severity across Mediterranean Forest Types by Coupling Medium-Spatial Resolution Satellite Imagery and Field Data. Remote Sensing, [S.L.], v. 12, n. 4, p. 741, 24 fev. 2020. MDPI AG. http://dx.doi.org/10.3390/rs12040741
TSELA, Philemon; HELDEN, P. & Frost, PHILIP & Wessels, K. & ARCHIBALD, Sally. Validation of the MODIS burned-area products across different biomes in South Africa. International Geoscience and Remote Sensing Symposium (IGARSS). (2010). http://dx.doi.org.3652 - 3655.10.1109/IGARSS.2010.5650253.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Juarez Antônio da Silva Júnior, Admilson da Penha Pacheco
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantêm os direitos autorais e concedem à REVISTA DE GEOGRAFIA da Universidade Federal de Pernambuco o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional. CC BY - 
. Esta licença permite que os reutilizadores distribuam, remixem, adaptem e criem a partir do material em qualquer meio ou formato, desde que a atribuição seja dada ao criador. A licença permite o uso comercial.
b) 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.
c) 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.
d) Os conteúdos da REVISTA DE GEOGRAFIA estão licenciados com uma Licença Creative Commons Atribuição 4.0 Internacional. CC BY - . Esta licença permite que os reutilizadores distribuam, remixem, adaptem e criem a partir do material em qualquer meio ou formato, desde que a atribuição seja dada ao criador. A licença permite o uso comercial.
No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da REVISTA DE GEOGRAFIA ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar.
