Desenvolvimento do Índice de Perigo de Incêndio (IPI) a partir de dados meteorológicos e imagens MODIS para a prevenção e combate a incêndios

Authors

  • Gabriel Henrique de Almeida Pereira Sistema Meteorológico Do Paraná - SIMEPAR
  • Clóvis Cechim Júnior Universidade Estadual do Oeste do Paraná
  • Giovani Fronza Sistema Meteorológico Do Paraná - SIMEPAR
  • Flávio Deppe Sistema Meteorológico Do Paraná - SIMEPAR

DOI:

https://doi.org/10.5902/2179460X37624

Keywords:

sensoriamento remoto, processamento de imagens, monitoramento de incêndios.

Abstract

O conhecimento da propagação de incêndios é imprescindível para o monitoramento ambiental em função de auxiliar na determinação das áreas suscetíveis as ocorrências e permitir o estabelecimento de métodos de prevenção e combate. O objetivo deste trabalho foi desenvolver uma metodologia para determinação de um Índice de Perigo de Incêndio (IPI). Para análise da eficiência deste índice, utilizou-se como área de estudo a região compreendida entre os estados do Pará, Maranhão, Tocantins e Goiás. A metodologia foi desenvolvida a partir do uso de dados como relevo e uso do solo, que são relativamente estáticos, e também de dados dinâmicos, como o índice de vegetação (NDVI) derivado de imagens do sensor orbital MODIS, bem como dados meteorológicos calculados e interpolados diariamente por meio do inverso do quadrado das distâncias (IQD). Os resultados mostraram-se efetivos, trazendo um bom panorama das condições para a perigo e propagação de incêndios, sendo possível replicar tal índice para outros biomas e áreas de interesse.

Downloads

Download data is not yet available.

Author Biography

Clóvis Cechim Júnior, Universidade Estadual do Oeste do Paraná

Programa de Pós-graduação em Engenharia Agrícola

References

BATISTA, A. C. "Mapas de risco: uma alternativa para o planejamento de controle de incêndios florestais." Floresta. v. 30, n. ½, 2000.

DEPPE, F.; VEDOR de PAULA, E.; MENEGHETTE, C. R.; VOSGERAU, J. Comparação de índice de risco de incêndio florestal com focos de calor no Estado do Paraná. Revista Floresta. v.34, p-119-126, 2004.

ESCUIN, S.; NAVARRO, R.; FERNANDEZ, 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, p.1053-1073, 2008.

ESKANDARI, S., GHADIKOLAEI, J. O., JALILVAND, H., & SARADJIAN, M. R. Prediction of Future Forest Fires Using the MCDM Method. Polish Journal of Environmental Studies, 24(5), 2015.

GIGLIO, L.; DESCLOITRES, J.; JUSTICE, C. O.; KAUFMAN, Y. An enhanced contextual fire detection algorithm for MODIS. Remote Sensing Environment. v.87, p.273-282, 2003.

GIGLIO, L.; Schroeder, W.; Justice, C. O. The collection 6 MODIS active fire detection algorithm and fire products. Remote Sensing Environment. v.178, p.31-41, 2016.

JUSTINO, F. B., Souza, S. S., & Setzer, A. A relação entre focos de calor e condições meteorológicas no Brasil. In: Anais do XII Congresso Brasileiro de Meteorologia. p. 1-15, 2002.

LEON, J. R. R.; van Leeuwen, W.J.D.; Casady, G.M. Using MODIS-NDVI-for the modeling of post-wildfire vegetation response as a function of environmental conditions and pre-fire restoration treatmensts. Remote Sensing. v.4, p.598-621, 2012.

LI, X.; SONG, W; LIAN, L.; WEI, X. Forest fire smoke detection using back-propagation neural network based on MODIS data. Remote Sensing. v.7, p.447-4498, 2015.

PIVELLO, V. The use of fire in the Cerrado and Amazonian Rainforests of Brazil: past and present. Fire Ecology, v.7, n.1, p. 25-39, 2011.

MORISSETTE, J. T.; GIGLIO, L.; CSISZAR, I.; SETZER, A.; SCHROEDER, W.; MORTON, D.; JUSTICE, C.O. Validation of MODIS active fire detection products derived from two algorithms. Earth Interactions, v.2005, p.09-0009, 2005.

PEREIRA, G. H. A.; LOHMANN M.; DEPPE, F. Monitoramento de incêndios utilizando imagens Landsat 8: Um estudo de caso para o estado do Tocantins. Anais…XVIII Simpósio Brasileiro de Sensoriamento Remoto - SBSR. Santos. INPE, p. 2700-2707, 2017.

SCHROEDER, W.; A.; OLIVIA, P.; CSIZAR, I. S. The new VIIRS 375 m active fire detection data product: Algorithm description and initial assessment. Remote Sensing Environment. v.143, p.85-96, 2014.

SILVEIRA, H. L. F.; VETTORAZZI, C. A.; VALENTE, R. O. A. Avaliação multicriterial no mapeamento de risco de incêndios florestais, em ambiente sig, na bacia do Rio Corumbataí, SP. Revista Árvore. v.32, p. 259-268, 2008.

SHARPLES, J.J., R.H.D. McRAE, R.O. WEBER, and A.M. GILL, A simple index for assessing fuel moisture content. Environmental Modelling and Software, v.24, p.637-646. 2009.

SILVA, J, C.; FIEDLER, N, C.; SILVA, F, G. Uso da formula de Monte Alegre na determinação de períodos críticos de ocorrência de incêndios florestais na área de proteção ambiental do Gama Cabeça-de-Viado, Brasília-DF. Brasil Florestal, n.72, p. 29-36, 2001.

SOARES, R.V. Índices de perigo de incêndio. Revista Floresta, v.3, n.3, 1972. p.19-40.

SOARES, R. V. Incêndios florestais: controle e uso do fogo. Curitiba: FUPEF, 1985. 213 p.

VERHEGGHEN, A.; EVA, H.; CECCHERINI, G.; ACHARD, F.; GOND, V.; GOULERT-FREURY, S.; CERUTTI, P, O. The potencial of Sentinel for burnt area mapping and monitoring in the Congo Basin Forests. Remote Sensing, v.8, p.1-22, 2016.

WANG, W. T.; QU, J. J; HAO, X. J.; LIU, Y.Q.; SOMMERS, W.T. An Improved algorithm for small and cool fire detection using modis data: A preliminary study in the southeastern United States. Remote Sensing Environment. v.108, p.163-170, 2007.

WOOSTER, M. J.; ROBERTS, G.; PERRY, G. L W. Retrieval of biomass combustion rates and total from fire radiative power observations: FRP derivation and calibration relationships between biomass consumption and fire radiative energy release. Geophysical Research. v.110, p.1-24, 2005.

Published

2020-06-29

How to Cite

de Almeida Pereira, G. H., Cechim Júnior, C., Fronza, G., & Deppe, F. (2020). Desenvolvimento do Índice de Perigo de Incêndio (IPI) a partir de dados meteorológicos e imagens MODIS para a prevenção e combate a incêndios. Ciência E Natura, 42, e60. https://doi.org/10.5902/2179460X37624

Similar Articles

You may also start an advanced similarity search for this article.