Matas ciliares são florestas associadas a córregos, rios e lagos possuindo influência na proteção dos ecossistemas de ações antrópicas. O objetivo deste estudo foi identificar as alterações nas áreas de mata ciliar da Caatinga, a partir da sensibilidade espectral dos índices de vegetação (IVs): GNDVI, NDVI e EVI, considerando uma análise espaço temporal (1985 a 2019) no entorno do Reservatório de Serrinha II – PE - Brasil. Para isso, foram utilizadas imagens dos satélites TM - Landsat 5, OLI - Landsat 8 e MSI - Sentinel 2. Os IVs foram validados comparando perfis espectrais e correlação dos produtos gerados pelo Landsat 8 e Sentinel 2. Através da classificação binária dos índices, foram identificadas as alterações na cobertura vegetal, entre 1996 e 2019, resultando uma perda de 55,40% de vegetação. Estes eventos, associados aos efeitos da seca também foram observados para o reservatório, entre 2012 e 2019, com 32,36% de redução do espelho d’água. Entre os IVs, o GNDVI e NDVI apresentaram maior sensibilidade para identificar a mata ciliar com coeficiente de Pearson igual a 0,93 para o Landsat 8; 0,94 para o Sentinel 2 e acurácia global superior a 95%. Por outro lado, o EVI mostrou-se mais sensível para identificar a área do reservatório, com acurácia global de 99,48%. O monitoramento de reservatórios artificiais e mata ciliares de florestas sazonalmente secas como a Caatinga se beneficiam do uso de IVs onde a escolha de um determinado IV isolado deve ser interpretada com cautela de acordo com as características da região estudada.
A disponibilidade gratuita de dados de sensoriamento remoto em áreas atingidas por incêndios florestais em escala global oferece a oportunidade de geração sistemática de produtos terrestres de média resolução espacial, porém as conhecidas limitações de precisão é objeto de estudo em todo o mundo. Este artigo tem como objetivo analisar a acurácia da detecção de áreas queimadas utilizando o classificador Random Forest (RF) por meio de uma cena do sensor Radiômetro de Imagem Infravermelho Visível (VIIRS) (1Km) em quatro pontos da savana brasileira. Os resultados foram validados através dos produtos de referência espacial de áreas queimadas: Aq30m, Fire_cci e MCD64A1 por meio de uma abordagem estratificada possibilitando a amostragem dos dados no espaço e tempo. Os modelos de RF avaliados com seus parâmetros de entrada, em que, incluiu-se 400 árvores e um atributo, fornecendo uma taxa de erro abaixo de 4%. Os resultados mostraram que o mapeamento validado com o produto Aq30m apresentou importantes estimativas de Coeficiente de Sorensen-Dice enquanto a validação realizada entre os modelos globais, o MCD64A1 mostrou-se com maior exatidão (>50%) principalmente em feições de áreas queimadas de grandes proporções (> 200Km²). Em particular, a análise sugere que a validação de produtos de área queimada sempre deve estar ligada ao tempo mínimo da data dos dados de validação e o tamanho da área atingida pelo fogo. Os resultados mostram que esta abordagem é muito útil para ser usado para determinar áreas de floresta queimada. Accuracy analysis for mapping burnt areas using a 1Km VIIRS scene and Random Forest classification A B S T R A C TThe availability of remote sensing data with medium spatial resolution has offered several mapping possibilities for areas affected by forest fires on the Earth's surface. In this context, the analysis of sensor spatial accuracy limitations has been the subject of global research. The objective of this study was to analyze the mapping accuracy of the VIIRS sensor on board the NOAA satellite, using the Random Forest (RF) classifier for the detection of burned areas, in four points of the Chapada dos Veadeiros National Park - Goiás, inserted in the Brazilian savanna. The methodology consisted in validating the classification using the Sorensen-Dice coefficient (SD) in a stratified approach, using as reference the products: Aq30m, Fire_cci and MCD64A1. As a result, the RF models, included 400 trees and one attribute, with an error of less than 4%. Among the global models, the MCD64A1 presented a significant accuracy, greater than 50%, especially in features of burned areas greater than 200Km². Thus, the data suggest that the quality of accuracy of the validation process of mapping products for burned areas is associated with the minimum time interval of availability of validation data and the size of the area affected by fire. Based on this, the results show effectiveness in using the RF algorithm on medium spatial resolution images for fire detection in seasonally dry forests, such as the Cerrado.Keywords: Cerrado, fires, Random Forest.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.