Avaliação de índices espectrais e Classificação Normal Bayes usando imagens OLI e TIRS para o mapeamento de áreas queimadas no Cerrado

Juarez Antônio da Silva Júnior, Admilson da Penha Pacheco

Resumo


R E S U M O

Nos últimos anos, a resolução espacial e temporal de dados Landsat-8, permitiram o desenvolvimento de mapeamento pós-incêndio detalhado e oportuno. A disponibilidade deste mapeamento é importante para apoiar estratégias de gestão pós-risco, incluindo estimativa de controle de emissão atmosférica e recuperação de perdas ambientais. Os índices espectrais, gerados por dados de satélite, são amplamente utilizados para mapeamento de áreas queimadas, embora os seus desempenhos sejam frequentemente avaliados sob diferentes condições de gravidade do fogo, tipos de vegetação e seu estágio fenológico. Este estudo propôs uma abordagem para a detecção de áreas queimadas no bioma Cerrado usando dados multiespectrais ópticos dos sensores OLI e TIRS, aproveitando as suas diferentes bandas espectrais na faixa 0,64 - 2,29µm para gerar uma combinação de índices espectrais com o auxílio do classificador semi-supervisionado Normal Bayes. A avaliação da precisão foi baseada na comparação com dados de referência espacial através da análise visual, separabilidade estatística, acurácia temática e regressão linear. Os resultados são encorajadores considerando o alto nível de precisão dos mapas finais alcançados, embora a ocorrência de incompatibilidades associados à sub e superestimação. O índice MIRBI mostrou-se com maior desempenho com acurácia global de 98,5% e R² de 0,6 enquanto o NBR e NBRT foram de 96,3% e 97% e R² de 0,12 e 0,48 respectivamente. Os resultados obtidos podem ser considerados como parte importante no desenvolvimento de ferramentas automáticas de extração de áreas queimadas para a região do Cerrado, principalmente para áreas de conservação onde mudanças bruscas são comumente ocasionadas por incêndios.

 

Palavras-Chaves: Índices Espectrais, Incêndio Florestal, Sensoriamento Remoto, Cerrado.

 

Evaluation of spectral indices and Normal Bayes Classification using OLI and TIRS images for the mapping of burnt areas in the Cerrado

 

A B S T R A C T

In recent years, the spatial and temporal resolution of Landsat-8 data has enabled the development of detailed and timely post-fire mapping. The availability of this mapping is important to support post-risk management strategies, including atmospheric emission control estimation and environmental loss recovery. Spectral indices, generated by satellite data, are widely used for mapping burned areas, although their performance is often evaluated under different conditions of fire severity, vegetation types and their phenological stage. This study proposed an approach for the detection of burnt areas in the Cerrado biome using optical multispectral data from OLI and TIRS sensors, taking advantage of their different spectral bands in the range 0.64 - 2.29µm to generate a combination of spectral indices with the aid of Normal Bayes semi-supervised classifier. The accuracy assessment was based on comparison with spatial reference data through visual analysis, statistical separability, thematic accuracy and linear regression. The results are encouraging considering the high level of accuracy of the final maps achieved, despite the occurrence of incompatibilities associated with under- and over-estimation. The MIRBI index showed the highest performance with an overall accuracy of 98.5% and R² of 0.6 while the NBR and NBRT were of 96.3% and 97% and R² of 0.12 and 0.48 respectively. The results obtained can be considered as an important part in the development of automatic tools for the extraction of burned areas for the Cerrado region, mainly for conservation areas where sudden changes are commonly caused by fires.

 

Keywords: Spectral Indices, Forest Fire, Remote Sensing, Cerrado.


Texto completo:

PDF (Português)

Apontamentos

  • Não há apontamentos.


Direitos autorais 2022 Juarez Antônio da Silva Júnior, Admilson da Penha Pacheco

Revista Brasileira de Meio Ambiente | ISSN: 2595-4431

CC-BY 4.0 Revista sob Licença Creative Commons
Language/Idioma
02bandeira-eua01bandeira-ingla
03bandeira-spn