Journal of Biotechnology and Biodiversity | v.8 | n.1 | 2020
Journal of Biotechnology and Biodiversity
journal homepage: https://sistemas.uft.edu.br/periodicos/index.php/JBB/index
Técnicas de sensoriamento remoto para delimitação de áreas queimadas no Tocantins através do processamento digital de imagens Landsat 8- TM
Francisca Cassia da Silva Silvaa* , Fabianna Rodrigues Pinheiroa , Igor Viana Souzaa , Victor Braga Rodrigues Duartea , Marcos Vinícius Cardoso da Silvaa , Augustus Portellaa , Marcos Giongo a
a Universidade Federal do Tocantins, Brasil
* Autor correspondente (fcassia.silv@gmail.com )
I N F O A B S T R A C T
Keyworks
detection
brazilian savannah fire use
Remote sensing techniques for delimitation of burned areas in Tocantins through Landsat 8-TM digital image processing
Methods of detection of burned areas are fundamental for a historical survey, as well as for the sizing of the effects produced by fire on the environment. In this sense, the objective of this work was to evaluate the procedure and methodology for the delimitation of burned areas by processing Landsat 8-TM images, during the period of greatest occurrence of hot flashes in three areas, which are located in the Eastern, Southern and Northern regions of the state of. Tocantins. To obtain the burned areas, image classification procedures were performed aiming at the class of interest (burned area). Initially, pre-processing was performed on the images: radiometric, atmospheric correction and projection system correction. After this step, the images were processed to obtain the Normalized Difference Vegetation Index (NDVI) in images before and after fire, called Im1 and Im2. After obtaining the NDVI, the images were compared pixel by pixel by subtracting the NDVI values, generating a difference image. Supervised rating shows better per- formance than unsupervised. The highest occurrences of burnt areas were in scenes 221/67 and 222/68 which is related to the climate, vegetation, occupation and land use of the regions covered by these scenes.
R E S U M O
Palavras-ch ave
detecção
savana brasileira uso do fogo
Métodos de detecção de áreas queimadas são fundamentais para que se possa realizar um levantamento histórico, bem como para o dimensionamento dos efeitos produzidos pelo fogo sobre o ambiente. Nesse sentindo o objetivo desse trabalho foi avaliar procedimento e metodologia para a delimitação de áreas queimadas através do processamento de imagens Landsat 8-TM, no período de maior ocorrência de focos de calor em três áreas, sendo estas localizadas nas regiões Leste, Sul e Norte do estado do Tocantins. Para a obtenção das áreas queimadas foram realizados procedimentos de classificação das imagens objetivando a classe de interesse (área queimada). Inicialmente foi realizado pré-processamento nas imagens sendo: correção radiométrica, atmosférica e correção do sistema de projeção. Após esta etapa, foi realizado o processamento das imagens para a obtenção do NDVI (Normalized Difference Vegetation Index) em imagens antes e depois do fogo, denominadas de Im1 e Im2. Após a obtenção do NDVI, as imagens foram comparadas pixel a pixel por subtração dos valores de NDVI, gerando uma imagem diferença. A classifi- cação supervisionada apresentou melhor desempenho que a não supervisionada. As maiores ocorrências de áreas queimadas foram nas cenas 221/67 e 222/68 que está relacionada com o clima, vegetação, ocu- pação e uso do solo das regiões abrangidas por estas cenas.
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
6
Silva et al. / Journal of Biotechnology and Biodiversity / v.8 n.1 (2020) 006- 011
INTRODUÇÃO
Ocerrado vem sofrendo distúrbios devido a ação humana podendo ter relação com o fato de que em- bora o fogo ocorra de forma natural neste bioma, seu uso é comumente associado a agricultura. Esta ação, em geral, está voltada para a ampliação de áreas para renovação de pastagens, seja para cria- ção de gados ou para rotação de culturas, podendo ocasionar prejuízos aos recursos naturais. De acordo com Goulart et al. (2011), as transformações ocorridas no cerrado se devem ao uso intensivo do fogo, e ainda, segundo França et al. (2007) fatores como clima seco, predominância de gramíneas e materiais inflamáveis podendo ocasionar o inci- dente de focos de incêndios.
Nesse sentindo o uso de dados oriundos do sen- soriamento remoto se tornam relevantes, sendo as- sim fonte de informações sobre os vários fenôme- nos que ocorrem na superfície terrestre. Estes dados permitem desenvolver estudos das características espectrais do uso da terra, bem como da cobertura do solo, movimentos de massa, rochas, solos, ex- pansão de áreas agrícolas e florestas, monitora- mento de inundações e secas, análise temporal da paisagem e detecção e estimativa de áreas queima- das.
No entanto, a falta de informações adequadas da localização dos incêndios florestais e sua extensão em termos de área queimada prejudica a estimativa do impacto do fogo sobre o ambiente. Portanto, mé- todos de detecção de áreas queimadas são funda-
mentais para que se possa realizar um levantamento histórico, bem como para o dimensionamento dos efeitos produzidos pelo fogo sobre o ambiente. Neste ponto, a delimitação das áreas queimadas a
partir de dados do sensoriamento remoto vem se de- senvolvendo notavelmente nos últimos anos, de-
corrente de um grande interesse em se obter avali- ção das áreas afetadas pelos incêndios florestais (Ahern et al., 2001).
A utilização de imagens de média resolução es- pacial na quantificação de áreas queimadas apre- senta desvantagem relacionada a presença de nu- vens e a baixa frequência temporal. Imagens com alta frequência temporal geralmente possuem baixa resolução espacial e recomenda-se o uso das ima- gens de média/alta resolução para validação dos da- dos (Boschetti et al., 2007).
O estado do Tocantins é considerado , entre os estados brasileiros , um dos mais impactados em in- cêndios florestais, possuindo inúmeras áreas de di- fícil acesso que frequentemente apresentam ocor- rências do fogo (acima de 225 mil focos de calor no período de 1998 a 2016, segundo dados do INPE) e o uso de dados de sensores orbitais pode ser fonte
de informação importante para o entendimento da dinâmica destes eventos e subsidiar as ações de pre- venção e combate de incêndios florestais, bem como a definição de políticas públicas regionais. Levando em consideração que o clima seco nos me- ses de junho a setembro ocasiona maior risco de in- cêndios (INPE, 2016; Pivello, 2011 ).
Neste sentido, se faz necessário a realização do procedimento e metodologia para a delimitação de áreas queimadas através do processamento digital de imagens Landsat/ TM, a fim de automatizar o processo de análises das imagens e consequente- mente melhorar os resultados finais. Desta forma o objetivo desse trabalho foi avaliar procedimento e metodologia para a delimitação de áreas queimadas através do processamento de imagens Landsat, no período de maior ocorrência de focos de calor em três áreas distintas no estado do Tocantins.
MATERIAL E MÉTODOS
O estado do Tocantins localiza-se na região Norte do país, ocupando uma área com 227.620 km², entre os paralelos 5º 10’ 06” e 13º 27’ 59” de latitude S, e entre os meridianos 45º 44’ 46” e 50º 44’ 33” de longitude O, com temperatura média 32º C na seca e 26° C no período de chuvoso (SE- PLAN, 2015). Para realização das avaliações de metodologia de processamento de imagens, vi- sando a delimitação de cicatrizes de incêndios flo- restais, foi utilizado 3 cenas (Figura 01).
• Cena 1: 221/67, localizada ao Leste, abrangendo 7 municípios;
• Cena 2: 222/68, localizada ao Sul, abrangendo 13 municípios;
• Cena 3: 223/65, localizada ao Norte, abrangendo 23 municípios.
Figura 01 - Localização das cenas.
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
7
Silva et al. / Journal of Biotechnology and Biodiversity / v.8 n.1 (2020) 006- 011
Emcada cena foram utilizadas imagens pré e pós fogo que estão descritas na tabela 01.
Tabela 01 – Cenas utilizadas para a realização do estudo.
NDVI = Índice de normalização da diferença da ve- getação.
Cena
Pré- fogo
Data s
Pós- fogo
NIR = Refletância no infravermelho próximo, banda 4 do sensor TM 0,76 – 0,90 μm.
221/67 03/06/2016 222/68 25/06/2016 223/65 03/07/2016
05/08 e 07/09/2016 29/08 e 14/06/2016 20/08 e 21/09/2016
VIS = Refletância no infravermelho, banda 3 do sensor TM 0,63 – 0,69 μm.
Após a obtenção do NDVI, as imagens foram
Para a obtenção das áreas queimadas foram rea- lizados procedimentos de classificação das imagens
objetivando a classe de interesse (área queimada). Inicialmente foi realizado pré-processamento nas imagens sendo: correção radiométrica e atmosf é- rica e correção do sistema de projeção. Para com- posição das cenas e para delimitação visual da á rea queimada, foram utilizadas as composições RGB: 653 e 754 e que apresentam, respectivamente, as seguintes faixas do espectro: Banda 3 – Visível Verde (0,53 – 0,59 m), Banda 4 - Visível Verme- lho (0,64 – 0,67 m), Banda 5 - Infravermelho Pró- ximo (0,85 – 0,88 m), Banda 6 - Infravermelho Médio (1,57 – 1,65 m) e a Banda 7 - Infraverme- lho Médio (2,11 – 2,29 m).
Após esta etapa, foi realizado o processamento das imagens para a obtenção do NDVI ( Normalized Difference Vegetation Index) em imagens antes e depois do fogo, denominadas de Im1 e Im2, respec- tivamente. O índice (NDVI) foi obtido através da seguinte fórmula:
comparadas pixel a pixel por subtração dos valores de NDVI, gerando uma imagem diferença. Nesta imagem, os valores próximos de zero indicam á reas onde não ocorreram mudanças na cobertura da terra. Valores positivos indicam áreas onde houve diminuição da cobertura vegetal e valores negativos indicam áreas onde houve um crescimento expres- sivo da cobertura vegetal (Carvalho, 2008).
A partir da imagem diferença foi realizada a classificação não supervisionada em que consistiu na utilização de algoritmos para reconhecimento das classes presentes na imagem (Xu e Wunsch , 2005) , seguido do pós-processamento de classifi- cação como análise de maioria-minoria e a combi- nação de classes semelhantes para correção de pos- síveis erros tendo como resultado final a delimita- ção dos polígonos de áreas queimadas. A metodo- logia desse trabalho, para a obtenção dos polí gonos das cicatrizes de áreas queimadas, pode ser verifi- cada na figura 02 que representa o diagrama de fluxo do processamento:
Figura 02 - Fluxograma da metodologia desenvolvida.
A avaliação da eficiência do método de classifi- cação não supervisionada foi feita por meio da ma- triz de erro com a área queimada delimitada visual- mente. O emprego da matriz de erro torna-se uma
das técnicas mais utilizadas na realização de avali- ação de acurácia da classificação de dados de sen- soriamento remoto e que, também, pode ser conhe- cida como matriz de confusão (Congalton, 1991). Esta é uma matriz quadrada de números definidos
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
8
Silva et al. / Journal of Biotechnology and Biodiversity / v.8 n.1 (2020) 006- 011
em linhas e colunas que expressam o número de unidades da amostra (pixels, grupos de pixels ou polígonos) atribuído a uma categoria particular re- lativo à categoria atual.
Assim, foram estimados erros de inclusão (erros de comissão) e o de exclusão (erros de o missão) presentes na classificação, em que um erro de omis- são ocorre ao incluir um objeto na classe à qual ele não pertence e o de omissão quando um objeto é excluído da classe a que pertence.
fatores podem influenciar nesses resultados, como solo, clima e vegetação. Com relação a área queimada delimitada visualmente, as maiores ocorrências foram nas cenas 221/67 e 222/68 que apresentaram mais de 119 mil hectares de área queimada. Tal resultado possui relação com o clima, vegetação, ocupação e uso do solo destes dois locais do estado do Tocantins (região leste – 221/67; região sul – 222/68). A cena 221/67 apresentou maior área queimada tanto na
classificação supervisionada como não
RESULTADOS E DISCUSSÃO
A classificação manual (acerto < 42,76%) apre- sentou melhor resultado quando comparada a cl as- sificação não supervisionada (Tabela 2), diversos
supervisionada isso deve ao fato dessa região apresentar maior período de estiagem , tendo em vista que a escassez de chuva pode influenciar em um maior número de queimadas (NATURATINS, 2003).
Tabela 02 - Área queimada delimitada manualmente e por meio de classificação não supervisionada (NDVI), em hectares e seus erros de omissão e comissão e percentagem de acerto .
CENA
Área Queimada (ha) Manual NDVI
Erros (%) Omissão
Comissão
Acerto (%)
221/67 120.539,35 165.140,41 65,88 102,88 34,12
222/68 119.281,11 121.796,51 57,24 59,21 42,76
223/65 7.988,98 34.846,24 95,41 99,02 4,59
Segundo Eva e Lambin (2000) e Ometto et al. (2014), em áreas de transição há um aumento nas áreas queimadas, que está intimamente ligado com as mudanças nas últimas décadas em uso e cobertura do solo. Por exemplo, de acordo com Silva (2007), o estado do Tocantins apresenta faixas de transições entre o bioma Amazônia e o Cerrado, com predomínio deste último e que se- gundo dados publicados por Fanin e Van der Werf (2015), a região de savana (Cerrado), que inclui
Maranhão e Tocantins, apresentou maior concen- tração de áreas queimadas de 2002 a 2012, com base no produto MCD64A1.
Na figura 03 é possível verificar que a cena 223/65 apresentou menor área queimada na deli mi- tação manual, podendo ser explicado pelos diferen- tes aspectos geológicos e geomofológicas entre os rios Tocantins e Araguaia, conferindo assim uma vegetação bastante variada na área , apresentando Floresta Ombrófila Aberta e Densa, Floresta Esta- cional Semidecidual (SEPLAN , 2012) .
Figura 03 - Área queimada delimitada manualmente em três áreas distintas do estado do Tocantins .
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
9
Silva et al. / Journal of Biotechnology and Biodiversity / v.8 n.1 (2020) 006- 011
No tocante aos locais de maior ocorrência de área queimada neste estudo, Libonati et al. (2015) relatam que a presença de estação seca dos meses
de maio a setembro e que anos com menores
precipitações foram os que apresentaram maiores áreas queimadas, como também observado por
Araújo e Ferreira (2015), com relação aos meses do
ano. No entanto, Libonati et al. (2015) destacam que além do clima, o fator humano exerce
influência no regime do fogo.
Phulpin et al. (2002) relatam que as imagens de
satélites têm sido utilizadas para monitorar incên- dios, estudos climáticos e avaliação dos impactos
das queimadas. Os dados, coletados através dessas imagens, são de grande importância pois servem de
alerta para as autoridades durante o período em que as queimadas ocorrem. De acordo com Hardesty et al. (2005), as influências humanas no regime do
fogo ocorrem de forma direta e indireta em que o aumento direto no número de ignições está
associado principalmente com limpeza de áreas para pastagem, preparação de terras para
agricultura e atração animal para a caça, situações em que o fogo pode sair do controle e gerar grandes incêndios florestais.
CONCLUSÕES
A classificação supervisionada apresentou me- lhor desempenho que a não supervisionada para a
identificação de áreas queimadas nas três regiões distintas do Estado do Tocantins, necessitando de
ajustes para o local de estudo. As maiores ocorrências de áreas queimadas foram nas cenas 221/67 e 222/68 que está relacionada com o clima,
vegetação, ocupação e uso do solo das regiões abrangidas por estas cenas.
REFERÊNCIAS BIBLIOGRÁFICAS
Ahern FJ, Goldammer JG, Justice CO. Global and regional vegetation fire monitoring from space: planning a coordi- nated international effort. Holanda: Kugler Publications, 303p. 2001.
Araújo FM, Ferreira LG. Satellite-based automated burned area detection: A performance assessment of the MODIS MCD45A1 in the Brazilian savanna. International Journal of Applied Earth Observation and Geoinformation, v. 36, p. 94-102, 2015.
https://doi.org/10.1016/j.jag.2014.10.009 .
Boschetti L, Eva HD, Brivio PA, Grégoire JM. Lessons to belearned from the comparison of three satellite- derived biomas burnings pruducts. In: Setzer, A.; Morelli, F.; Lom- bardi, R. R; (Org.). O sensor MODIS e suas aplicações no Brasil. São José dos Campos: Editora Parêntese, 2007. cap. 28, p. 403- 417.
Brasil. Ministério do Meio Ambiente. Mapeamento do uso e cobertura do cerrado: Projeto TerraClass Cerrado 2013. Brasília: MMA, 2015.
Carvalho LMT, Scolforo JRS. Inventário Florestal de Minas Gerais: Monitoramento da Flora Nativa. 2005-2007. Lav- ras: Editora UFLA, 318p. 2008.
Congalton RG. A review of assessing the accuracy of classi- fications of remotely sensed data. Remote Sensing of Envi- ronment, v.49, n.12, p.1671-1678, 1991.
Eva H, Lambin EF. Fires and land-cover change in the trop- ics: a remote sensing analysis at the landscape scale. Jour- nal of Biogeography, v. 27, n. 3, p. 765-776, 2000. https:// doi:10.1046/j.1365- 2699.2000.00441.x.
Fanin T, Van der Werf GR. Relationships between burned area, forest cover loss, and land cover change in the Brazil- ian Amazon based on satellite data. Biogeosciences, v.12, p.6033-6043, 2015.
https:// doi:10.5194/bgd-12-8235- 2015.
França H, Neto MBR, Setzer A. O fogo no Parque Nacional das Emas. Brasília: MMA, 140p., 2007.
Goulart AA, Morelli F, Setzer A. Focos de queimadas e i n- cêndios detectados por satélites nas unidades de c onserva- ção do Cerrado no Mato Grosso em 2010. In: Simpósio Brasileiro de Geografia Física Aplicada, 14, 2011, Doura- dos. Anais. Mato Grosso do Sul: UFGD.
Hardesty J, Myers R, Fulks W. Fire, ecosystems and people: a preliminary assessment of fire as a global conservation issue. Fire Manage, v.22, p.78-87, 2005.
Instituto Nacional de Pesquisas Espaciais (INPE). Portal Pro- grama Queimadas. 2016. Disponível em: Acesso 31 nov. 2019.
Libonati R, Camara CC, Setzer AW, Morelli F, Melchiori AE. An algorithm for burned area detection in the Brazil- ian Cerrado using 4 µm MODIS imagery. Remote sensing, v.7, p.15782-15803, 2015.
https://doi:10.3390/rs71115782 .
NATURATINS - Instituto Natureza do Tocantins. Plano de Manejo do Parque Estadual do Jalapão–PEJ. Palmas: Naturatins, 2003. 204 p.
Ometto JP, Aguiar AP, Assis T, Soler L, Valle P, Tejada G , Lapola DM, Meir P. Amazon forest biomass density maps: tackling the uncertainty in carbon emission estimates. Cli- matic Change, v.124, n.3, p.545-560, 2014.
http://dx.doi.org/10.1007/s10584-014-1058-7 .
Phulpin T, Lavenu F, Bellan MF, Mougenot B, Blasco F. US- ING SPOT-4 HRVIR and VEGETATION sensors to as- sess impact of tropical forest fires in Roraima, Brazil. In- ternational Journal of Remote Sensing, v.23, n.10, p.1943 - 1966, 2002.
https://doi.org/10.1080/01431160110076135 .
Pivello V. The use of fire in the Cerrado and Amazonian Rainforests of Brazil: past and present. Fire Ecology, v.7, n.1, p.25-39, 2011.
https://doi: 10.4996/fireecology.0701024.
Secretaria do Planejamento Superintendência do Planeja- mento e Gestão Central de Políticas Públicas (SEPLAN). Diretoria de Zoneamento Ecológico-Econômico (DEZ).
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
10
Silva et al. / Journal of Biotechnology and Biodiversity / v.8 n.1 (2020) 006- 011
Base de dados geográficos do Tocantins, Palmas, SE- PLAN/DEZ, 201 5.
SEPLAN. Secretária de Planejamento do Estado do Tocan- tins. Atlas do Tocantins: subsídios ao planejamento à ges- tão territorial. 6º edição. Palmas. 2012. 80p.
Silva LAGC. Biomas presentes no estado de Tocantins. Bra- sília: Consultoria Legislativa, 2007. 10 p. (Nota técnica). Acesso em: 20 out. 2019. Disponível em: <https://goo.gl/ENNyjd>.
Xu R, Wunsch ID. Survey of clustering algorithms. IEEE Transactions on Neural Networks. v.16, n.3, p.645- 678, 2005.
© 2020 Journal of Biotechnology and Biodiversity ISSN: 2179- 4804
DOI: https://doi.org/10.20873/jbb.uft.cemaf.v8n1.silva
11