RESUMODados de focos de calor via satélites ambientais, de Sistemas Frontais (SF) e Zona de Convergência do Atlântico Sul (ZCAS), juntamente com o Standardized Precipitation Index (SPI) e os Relatórios de Ocorrência de Incêndios (ROI) no Parque Nacional do Itatiaia (PNI) foram avaliados. O SPI foi calculado com dados pluviométricos de três estações no PNI. Os dados dos SF e ZCAS foram obtidos via Climanálise. A regressão múltipla foi aplicada a ROI, SPI, SF e ZCAS de forma independente. A maior categoria do ROI ocorreu na classe C (81%), sendo os maiores percentuais no inverno (57,2%) e primavera (35,1%). Os meses críticos de focos de calor foram julho (17%), setembro (23,2%) e agosto (31,9%). Independente da estação, o SF (R2 = 0,75) se sobressaiu em relação a ZCAS (R2 = 0,43). O SF condiciona 80% das variações entre ROI e índice SPI anual, enquanto a ZCAS em apenas 40%.Palavras-chaves: sistemas produtores de chuva, incêndios florestais, índice de seca.
Relationship Between Standardized Precipitation Index (SPI) and the FireOccurrence Reports (FOR) in Itatiaia National Park
ABSTRACTWe evaluated fire foci data via environmental satellites, from Frontal Systems (FS) and South Atlantic Convergence Zone (SACZ) together with Standardized Precipitation Index (SPI) and Fire Occurrence Reports (FOR) in Itatiaia National Park (INP). SPI were computed with rainfall data from three stations in INP. SF and SACZ data were obtained via Climanálise. We applied independent multiple regression to FOR, SPI, SF and SACZ. Largest FOR occurred category in C class (81%), highest percentages during winter (57.2%) and spring (35.1%). The critical months to fire foci were July (17%), September (23.2%) and August (31.9%). Regardless of the season, FS (R 2 = 0.75) were highlighted to SACZ (R 2 = 0.43). SF conditioned 80% of variations between FOR and annual SPI index, while only 40% were due to SACZ.
A primeira Unidade de Conservação (UC) na categoria Parque com proteção integral foi o Parque Nacional do Itatiaia (PNI), criado em junho de 1937, com uma área de aproximadamente 30 mil hectares e diversos fenômenos a serem observados, sendo o sensoriamento remoto e suas aplicações, ferramentas importantes para os estudos ambientais locais. O objetivo do estudo é a construção de um mapa de cobertura da terra através do software de código aberto InterIMAGE que é desenvolvido pelo Laboratório de Visão Computacional – LVC/PUC-Rio em conjunto com a Divisão de Processamento de Imagens – DPI/INPE e Divisão de Sensoriamento Remoto – DPI/INPE. Através da metodologia de classificação baseada em objeto (OBIA) utilizando como materiais uma imagem AVNIR-2/ALOS e modelo digital de elevação, foi possível realizar a classificação da imagem em duas etapas com diferentes classes, sendo de âmbito geral a extração de áreas de vegetação, não vegetação e sombra. A área de vegetação foi identificada através do NDVI e refinada por dados altimétricos com destaque para áreas de floresta alto montana e campo de altitude. Para as áreas de não vegetação, a classificação ocorreu através do módulo Analysis Manager presente no software em que identificou através de atributos as classes de água, área urbana, rocha, queimada e nuvem. Áreas de sombra foram identificadas por meio de média aritmética das bandas. O estudo mostrou resultados promissores através do índice Kappa de 0.76 e exatidão global de 79%.
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.