Área Queimada
A plataforma ALARMES disponibiliza alerta das áreas queimadas sobre o Brasil em tempo quase-real. O termo ‘tempo quase-real’ se refere a processamentos que ocorrem de forma rápida, logo a seguir à ocorrência do evento, porém não de forma instantânea (tempo real). Em nosso caso, o atraso em relação à passagem do satélite é de algumas horas, devido ao tempo de processamento de todas as etapas do mapeamento. De modo geral, a área queimada mapeada do dia anterior estará disponível no dia seguinte.
Produtos de área queimada em tempo quase-real têm aplicações importantes para serviços de emergência e avaliações rápidas para a tomada de decisão.
O monitoramento de áreas queimadas por meio de produtos derivados de satélite em tempo quase-real tem aplicações importantes para os serviços de resposta à emergência, avaliações rápidas para a formulação de planos de ação e tomada de decisão.
Esses produtos permitem a detecção rápida e exata dos incêndios florestais, fornecendo informações atualizadas sobre a extensão e a localização destas áreas.
Algoritmo
O classificação da área queimada utiliza o algoritmo BA-Net (Pinto et al., 2020), que combina imagens de satélite do sensor Visible Infrared Imaging Radiometer Suite (VIIRS), dos satélites SUOMI-NPP, NOAA-20 e NOAA-21, focos de calor do mesmo sensor e técnicas de aprendizado profundo (deep learning). Adicionalmente, o BA-Net faz uso do produto global de área queimada MCD64A1 como referência para o treinamento da rede neural profunda, definindo os pesos para a classificação da área queimada por bioma.
Para cada detecção de pixel com área queimada, o algoritmo atribui duas bandas de informações: a data estimada da área queimada em dia juliano e um valor de nível de confiança entre 0 e 1 (0 a 100 %), que representa o percentual de confiabilidade da classificação da área queimada.
Validação do produto
A validação é uma etapa fundamental na certificação e no refinamento dos produtos, pois avalia a sua habilidade de detecção automática de área queimada e fornece informações essenciais para a melhoria do sistema. Algumas das técnicas utilizadas são listadas abaixo:
- Comparação com coordenadas de fotografias de campo;
- Comparação com RGB de imagens de satélite com maior resolução espacial (por exemplo, Landsat e Sentinel-2);
- Comparação com polígonos de referência (polígonos de área queimada que representam a realidade);
- Comparação com focos de calor.
Análise da situação (WebGIS)
No WebGIS, o usuário consegue visualizar as cicatrizes de área queimada no Brasil, bem como podendo olhar com maior detalhe sobre a região de interesse dentre de uma das categorias existentes (biomas, unidades de federação, municípios, terras indígenas, unidades de conservação, assentamentos). No WebGIS é possível observar a área queimada nos seguintes modos:
- HISTÓRICO – registros históricos anuais da área queimada desde 2012;
- ALERTA NRT – alerta diário da área queimada para o ano corrente. Também existe a possibilidade de filtrar a área queimada pelos últimos 1, 7, 15, 30 e 60 dias e do ano corrente.
Portal de estatísticas (Dashboard)
No dashboard, o usuário visualiza um conjunto de informações estatísticas do ano corrente para cada região de interesse do sistema:
- Total estimado da área queimada;
- Área queimada relativa;
- Evolução diária da área queimada;
- Evolução diária da área queimada acumulada;
- Comparativo anual da área queimada desde 2012;
- Comparativo mensal da área queimada entre o ano corrente e a média histórica;
- Tabela com total mensal da área queimada desde 2012;
- Tabela com o total estimado para o ano corrente para todas as regiões de interesse.
Fontes da base de dados utilizados
Todas as fontes das base e dados utilizadas e disponíveis tanto no mecanismo de busca da região de interesse quanto nas camadas auxiliares estão descritas na tabela a seguir:
Referências
Pinto, M. M.; Libonati, R.; Trigo, R. M.; Trigo, I. F.; DaCamara, C. C. A deep learning approach for mapping and dating burned areas using temporal sequences of satellite images. ISPRS Journal of Photogrammetry and Remote Sensing, v. 160, p. 260-274, 2020. https://doi.org/10.1016/j.isprsjprs.2019.12.014.
