Detecção de queimadas agrícolas no Estado do Acre através do GEE e QGis
DOI:
https://doi.org/10.37002/biodiversidadebrasileira.v9i1.1325Palavras-chave:
Classificadores supervisionados, Google Earth Engine, QgisResumo
Este estudo visou testar quatro classificadores supervisonados para mapeamento de cicatrizes de queimadas agropecuárias, avaliando a razão tempo-qualidade acuracia. Na última década, enquanto a taxa de desmatamento caiu, o número de focos de calor aumentou em toda a Amazônia. O monitoramento das queimadas tem sido baseado em focos pontuais de calor da superfície, o que não permite estimar o tamanho da área impactada pelo fogo, muito embora sejam importantes dados para acompanhamento da localização e tendência temporal de focos ativo. Com a evolução do processamento de imagens em nuvem, como a plataforma Google Earth Engine (GEE), é possível detectar e monitorar a área impactada pelo fogo de forma agil e rápida. Entretanto, é necessário testar algoritmos para ter balanço entre os erros de comissão e omissão do produto final. Para tanto, testamos a classificação em ambiente físico por meio do QGis e em ambiente de nuvem pelo GEE. Os algoritmos testados foram: máxima verossimilhança, árvore de decisão (CART), random forest e distância mínima. Avaliamos o tempo gasto em cada classificação (minutos) da cena 005/066 do Landsat 8, considerando um computador com Corel-i7, placa de vídeo-Nvidia e RAM 8GB-DDR3. Utilizamos quatro classes: floresta, desmatamento, queimadas e corpos da água, com 20 amostras para cada classe. O tempo gasto no Qgis foi de 90 min: 40 minutos para realizar o download da imagem, 13 minutos para as amostragens das classes e 37 minutos para calcular com o algoritmo. No GEE, o tempo gasto foi de 27 min: 6 minutos para as amostragens, 1 minuto para calcular com o algoritmo e 20 minutos para download da classificação. O algoritmo como melhor resultado foi distância mínima, principalmente devido a menor confusão e erros de comissão com as classes de água e desmatamento. O processamento em nuvem foi uma grande evolução do processamento digital de imagens de satélite, proporcionando menor tempo de processamento e diversidade de algoritmos para classificação. Produtos de queimadas são uma importante fonte de informação para tomadores de decisão em salas de situação, fiscalização e campanhas agrícolas, além da inserção deste produto em plataformas como TerraMA2.
Referências
ARAGÃO, L. E. O. C.; ANDERSON, L. O.; FONSECA, M. G.; et al. 21st Century drought-related fires counteract the decline of Amazon deforestation carbon emissions. Nature Communications, v. 9, n. 1, p. 536. doi: 10.1038/s41467-017-02771-y, 2018.
INPE, I. N. DE P. E. Banco de Dados de Queimadas. São José dos Campos: INPE. Recuperado de https://prodwww-queimadas.dgi.inpe.br/bdqueimadas, 2018.
SILVA, S. S.; FEARNSIDE, P. M.; GRAÇA, P. M. L. DE A.; et al. Dynamics of forest fires in the southwestern Amazon. Forest Ecology and Management, v. 424, p. 312-322. doi: 10.1016/j.foreco.2018.04.041, 2018.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2019 Os autores mantêm os direitos autorais de seus artigos sem restrições, concedendo ao editor direitos de ção não exclusivos.
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Os artigos estão licenciados sob uma licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0). O acesso é livre e gratuito para download e leitura, ou seja, é permitido copiar e redistribuir o material em qualquer mídia ou formato.