Avaliação de incêndio em ambiente de Caatinga a partir de imagens Landsat-8, índice de vegetação realçado e análise por componentes principais

Autores

DOI:

https://doi.org/10.5902/1980509843818

Palavras-chave:

Cobertura Vegetal, Incêndios, Sensoriamento Remoto e Estatística

Resumo

O fogo é um fator importante na perturbação e perda de florestas secas tropicais globais. Os incêndios florestais exercem um papel ecológico relevante, pois afetam a biodiversidade local, as propriedades do solo e o suprimento de água. O bioma Caatinga apresenta um alto nível de degradação de atividades antrópicas e naturais, sendo extremamente afetado por incêndios originados predominantemente por atividades humanas. O sensoriamento remoto orbital, por apresentar características espaciais, espectrais e temporais específicas, é uma alternativa tecnológica imprescindível no monitoramento de áreas afetadas pelo fogo na superfície terrestre. Este trabalho teve como objetivo analisar, no âmbito espacial, espectral e temporal, o comportamento de um incêndio em ambiente de Caatinga a partir de Imagens Landsat-8, Índice de Vegetação Realçado e Análise por Componentes Principais. A quantificação de características da vegetação derivada do índice espectral fornece uma melhor avaliação da condição física da superfície terrestre sob efeitos do fogo. Técnicas de sensoriamento remoto e estatística multivariada foram utilizadas para avaliar comportamento espectral da vegetação nativa exposta a eventos de incêndio do bioma Caatinga. Os resultados do Teste de Normalidade Kolmogorov-Smirnov apresentaram um nível de significância de 5 %. A integração dos métodos estatísticos de Regressão Linear Simples e Análise por Componentes Principais possibilitaram diagnósticos importantes nas estimativas e/ou relacionamentos entre as variáveis aleatórias. A técnica multivariada permitiu avaliar 94% da variação de dados. Os mapas resultantes da metodologia testada representam um aprimoramento importante no mapeamento da distribuição da vegetação. Este estudo gera indicativos para futuras pesquisas científicas vinculadas ao gerenciamento do espaço relacionado à vulnerabilidade e recuperação de paisagens de vegetação do clima semiárido sob situações de fogo geradas por incêndios.

Downloads

Não há dados estatísticos.

Biografia do Autor

Juarez Antonio Silva Junior, Universidade Federal de Pernambuco, Recife, PE

Graduação em andamento em Engenharia Cartográfica.
Universidade Federal de Pernambuco, UFPE, Brasil. Tem experiência na área de Geociências, com ênfase em Sensoriamento Remoto VIS e por Radar, atuando principalmente nos seguintes temas: Desmatamento de Florestas Tropicais e Recursos Hídricos.

Admilson da Penha Pacheco, Universidade Federal de Pernambuco, Recife, PE

Físico com Mestrado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE) e Doutorado em Geofísica pela Universidade de São Paulo - USP/Instituto Astronômico e Geofísico - IAG; Pós-Doutorado no Instituto de Ciências da Terra da Universidade do Minho/Portugal (2019); Professor Titular da Universidade Federal de Pernambuco (UFPE/Depto de Engenharia Cartográfica e de Agrimensura); Coordenação e Participação em Projetos de Pesquisa e Desenvolvimento (CNPq, FINEPE, FACEPE, ANEEL, ANA, CHESF, FUNDAJ), atuando nas áreas de Geofísica Aplicada, Meio Ambiente, Sensoriamento Remoto e Processamento de Imagens de Materiais Naturais e Artificiais.

Referências

ABOELGHAR, M. et al. Retrieving leaf area index from SPOT4 satellite data. The Egyptian Journal of Remote Sensing and Space Science, [s. l.], v. 13, n. 2, p. 121-127, 2010.

ALEXANDRIS, N.; KOUTSIAS, N.; GUPTA, S. Remote sensing of burned areas via PCA, Part 2: SVD-based PCA using MODIS and Landsat data. Open Geospatial Data, Software and Standards, [s. l.], v. 2, n. 21, 2017. DOI: https://doi.org/10.1186/s40965-017-0029-0

BOWMAN, D. M. et al. Fire in the earth system. Science, New York, v. 324, p. 481-484, 2009.

CAMPOS, S. et al. Closure and partitioning of the energy balance in a preserved area of a Brazilian seasonally dry tropical forest. Agricultural and Forest Meteorology, Amsterdam, v. 271, p. 398-412, 2019.

CHAVEZ JUNIOR, P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, New York, v. 24, p. 459-479, 1988.

CHUVIECO, E. Teledeteccion Ambiental. La observacion de la Tierra desde el espacio. Barcelona: Editorial Ariel, 2010. 528 p.

COMPANHIA DE PESQUISA DE RECURSOS MINERAIS (Brasil). Serviço Geológico do Brasil. Projeto cadastro de fontes de abastecimento por água subterrânea. Diagnóstico do município de Floresta, Estado de Pernambuco. [S. l.], 2005. 33 p.

CORDER, G. W.; FOREMAN, D I. Nonparametric statistics for non-statisticians: a step-by-step approach.[S. l.]:John Wiley & Sons, 2011. 264 p.

DENG, J. et al. A methodology to monitor urban expansion and green space change using a time series ofmulti-sensor spot and sentinel-2a images. Remote Sensing, Basel, v. 11, n. 10, p. 1-21, 2019.

FERNANDES, P. M. et al. Bottom-up variables govern large-fire size in Portugal. Ecosystems, New York, v. 19, p. 1362-1375, 2016.

FORMIGONI, M. H.; XAVIER, A. C.; LIMA, J. S. S. Análise Temporal da Vegetação na Região do Nordeste através de dados EVI do MODIS. Ciência Florestal, Santa Maria, v. 21, n. 1, p. 1-8, 2011.

GAITANI, N. et al. High-resolution spectral mapping of urban thermal properties with unmanned aerial vehicles. Building Environment, Oxford, v. 121, p. 215-224, 2017.

GALVÃO, L. S. et al. On intra-annual EVI variability in the dry season of tropical forest: a case study with MODIS and hyperspectral data. Remote Sensing of Environment, New York, v. 115, n. 9, p. 2350-2359, 2011.

GAO, X. et al. Optical-biophysical relationships of vegetation spectra without background contamination. Remote Sensing of Environment, New York, v. 74, n. 3, p. 609-620, 2000.

HUETE, A. R. et al. Amazon rainforests green up with sunlight in dry season. Geophysical Research Letters, Medford, v. 33, n. L06405, 2006.

HUETE, A. R. et al. A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, New York, v. 59, n. 3, p. 440-451, 1997.

IBGE. Metadados2016. [S. l.], 2016. Disponível em: ftp://geoftp.ibge.gov.br. Acesso em: 21 jan. 2020.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013. 1535 p.

ISLAM, T. U. Ranking of normality tests: an appraisal through skewed alternative space. Symmetry, [s. l.], v. 11, n. 7, p. 1-14, 2019.

KAISER, H. F. The varimax criterion for analytic rotation in fator analysis. Psychometrika, New York, v. 23, n. 3, p. 187- 200, 1958.

KOUTSIAS, N.; MALLINIS, G.; KARTERIS, M. A forward/backward principal component analysis of Landsat-7 ETM+ data to enhance the spectral signal of burnt surfaces. ISPRS Journal of Photogrammetry and Remote Sensing, Amsterdam, v. 64, n. 1, p. 37-46. DOI: doi:10.1016/j.isprsjprs. 2008.06.004

LIZUNDIA-LOIOLA, J.; PETTINARI, M. L.; CHUVIECO, E. Temporal Anomalies in Burned Area Trends: Satellite Estimations of the Amazonian 2019 Fire Crisis. Remote Sensing, Basel, v. 12, n. 151, p. 1-8, 2020.

MACHADO, G. C. Efeitos dos incêndios florestais na vegetação do cerrado utilizando dados do sensor MODIS. 2015. Dissertação (Mestrado em Engenharia Florestal) - Universidade de Brasília, Departamento de Engenharia Florestal, Brasília, 2015.

MARIANO, D. A. et al. Use of remote sensing indicators to assess effects of drought and human induced land degradation on ecosystem health in Northeastern Brazil. Remote Sensing of Environment, New York, v. 213, p. 129-143, 2018.

MISHRA, P. et al. Descriptive statistics and normality tests for statistical data. Annals of Cardiac Anaesthesia, [s. l.], v. 22, n. 1, p. 67–72, 2019.

MOLINA, D. M. Origins of Arson in Northwestern Spain. Fire Management Notes, Washington, v. 57, n. 3, p. 18-23, 1997.

PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento remoto no estudo da vegetação. São José dos Campos: Parêntese, 2010. 127 p.

THENKABAIL, P. S.; LYON, J. G.; HUETE, A. Hyper spectral remote sensing of vegetation. Boca Raton: CRC Press, 2016. 782 p.

UNITED STATES GEOLOGICAL SURVEY. Heart Explorer Data System. Base de dados 2019. USA, 2019. Disponível em: https://earthexplorer.usgs.gov/. Acesso em: 22 nov. 2019.

WALLACE, C. S. A.; WEBB, R. H.; THOMAS, K. A. Estimated distribution of perennial vegetation cover in the Mojave desert using MODIS-EVI data. GI Science and Remote Sensing, USA, v. 45, n. 2, p. 167-187, 2008.

Downloads

Publicado

15-03-2021

Como Citar

Silva Junior, J. A., & Pacheco, A. da P. (2021). Avaliação de incêndio em ambiente de Caatinga a partir de imagens Landsat-8, índice de vegetação realçado e análise por componentes principais. Ciência Florestal, 31(1), 417–439. https://doi.org/10.5902/1980509843818

Edição

Seção

Artigos