Avaliação espaço-temporal de focos de calor no sudoeste do estado de Goiás, Brasil

Instituto Federal de Educação, Ciência e Tecnologia Goiano

Universidade Federal de Pernambuco

2022

Portal de Periódicos - UFPE (Universidade Federal de Pernambuco)

Década

application/pdf

https://periodicos.ufpe.br/revistas/rbgfe/article/view/254737/42884; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41510; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41511; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41512; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41513; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41514; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41516; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/41517; https://periodicos.ufpe.br/revistas/rbgfe/article/downloadSuppFile/254737/42201; Ajin, Rajendran Sobha et al. 2016. Forest fire risk zone mapping using RS and GIS techniques: a study in Achankovil Forest Division, Kerala, India. Journal of Earth, Environment and Health Sciences, 2, 109. Alvarado, Swanni T. et al 2017. Drivers of fire occurrence in a mountainous Brazilian cerrado savanna: Tracking long-term fire regimes using remote sensing. Ecological Indicators, 78, 270-281. Angelini, Lucas Peres et al 2021. Surface Albedo and Temperature Models for Surface Energy Balance Fluxes and Evapotranspiration Using SEBAL and Landsat 8 over Cerrado-Pantanal, Brazil. Sensors, 21, 7196. Anderson, Liana Oighenstein et al 2017. Utilização de dados orbitais de focos de calor para caracterização de riscos de incêndios florestais e priorização de áreas para a tomada de decisão. Revista brasileira de cartografia, 69. Araujo, Ademir Sergio Ferreira et al 2017. Fungal diversity in soils across a gradient of preserved Brazilian Cerrado. The Journal of Microbiology, 55, 273. Banko, G. A. 1998. Review of Assessing the Accuracy of Classifications of Remotely Sensed Data and of Methods Including Remote Sensing Data in Forest Inventory. International Institute for Applied Systems Analysis Interim Report. Barreto, Clarissa de Araújo, 2018.Agricultura e Meio Ambiente: percepções e práticas de sojicultores em Rio Verde-GO. Tese de Doutorado. Universidade de São Paulo. Bernier, Pierre Y. et al, 2016 Mapping local effects of forest properties on fire risk across Canada. Forests, 7, 157. Bilal, Muhammad et al 2019. A simplified and robust surface reflectance estimation method (SREM) for use over diverse land surfaces using multi-sensor data. Remote Sensing, 11, 1344. Bouaziz, 2017.Moncef; Eisold, Stefanie; Guermazi, Emna. Semiautomatic approach for land cover classification: a remote sensing study for arid climate in southeastern Tunisia. Euro-Mediterranean Journal for Environmental Integration, 2, 1-7. Boening, C.; Willis, J. K.; Landerer, F. W.; Nerem, R. S.; Fasullo, J. Boschetti, L.; Flasse, S. P. 2004.; Brivio, P. A. Analysis of the conflict between omission and commission in low spatial resolution dichotomic thematic products: The Pareto Boundary. Remote Sensing of Environment, 91, 280-292. Buschinelli, CC de A.; Costa, 2020. BMR. Expansão da silvicultura no Brasil Central: estudo de caso em Rio Verde (GO). Embrapa Meio Ambiente-Boletim de Pesquisa e Desenvolvimento (Infoteca-E). Cavalcante, Raimundo Nonato Barbosa; Sousa, Maria Hortência Rodrigues; Sousa, José Parmênidas Rodrigues 2019. A interdisciplinaridade entre matemática e geografia: inferindo conceitos de localização e distâncias na cidade. Revista Encantar-Educação, Cultura e Sociedade, 1, 07-20. Catry, Filipe X. et al. 2010 Modeling and mapping wildfire ignition risk in Portugal. International Journal of Wildland Fire, 18, 921-931. Clemente, Sara dos; Oliveira Júnior, José Francisco de; Passos Louzada, Marco Aurelio 2017. Focos de calor na Mata Atlântica do Estado do Rio de Janeiro.Revista Brasileira de Meteorologia, 32, 669-677. Congalton, R.G., K. Green. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, Lewis Publishers, Boca Raton, Florida, 137 p., 1999. Dantas, Dallys; Castilho, Denis. 2021. Acumulação por espoliação e uso corporativo do território: a concessão das rodovias federais BR-060 e BR-153 em Goiás (Brasil). Revista de Geografía Norte Grande, 71-91. Dorodnykh, Nikita et al, 2022 Forest Fire Risk Forecasting with the Aid of Case-Based Reasoning. Applied Sciences, 12 8761. Empresa Brasileira de Pesquisa Agropecuária – Embrapa (2021). GRÃOS – PORTAL Embrapa. Rio Verde – GO. Acesso em 14 janeiro de 2020. Fernandes, Luiza et al, 2020 Uso de técnicas de sensoriamento remoto utilizando imagens Modis (MCD45A1) para identificação e avaliação de áreas queimadas na Região Metropolitana de Belo Horizonte-MG, Brasil. Sustainability in Debate/ Sustentabilidade em Debate, 11. Fernández-garcía, Víctor et al, 2018 Remote sensing applied to the study of fire regime attributes and their influence on post-fire greenness recovery in pine ecosystems. Remote Sensing, 10, 733. Fibriawati, Liana et al, 2018. Model Koreksi Atmosfer Citra Landsat-7 (Atmospheric Correction Models Of Landsat-7 Imagery). Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital, 14. Fielding, A. H., Bell, J. F. 1997 A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 24, 38-49. Fisher, J. R. B.; Acosta, E. A.; Dennedy-frank, P. J.; Kroeger, T.; Boucher, T. M. 2018. Impact of satellite imagery spatial resolution on land use classification accuracy and modeled water quality. Remote Sensing in Ecology and Conservation, 4, 137–149. Florath, Janine; KELLER, 2022. Sina. Supervised Machine Learning Approaches on Multispectral Remote Sensing Data for a Combined Detection of Fire and Burned Area. Remote Sensing, 14, 657. Fonseca, L. M. G. 2000. Processamento digital de imagens. Instituto Nacional de Pesquisas Espaciais (INPE), 105p. Foody, G. M. 2002. Status of land cover classification accuracy assessment, Remote Sensing of Environment, 80, 185 – 201. Ghorbanzadeh, Omid et al 2019. Forest fire susceptibility and risk mapping using social/infrastructural vulnerability and environmental variables. Fire,. 2, 50. Giongo, Pedro Rogerio et al 2019. Uso dos solos em assentamentos rurais no sudoeste Goiano. Brazilian Applied Science Review, 3, 1331-1347. Gouveia, José Rafael Ferreira et al 2021. Caracterização de Cicatrizes de Queimadas nas Mesorregiões do Sertão e São Francisco Pernambucano a partir de dados do Sensor Modis. Revista Brasileira de Geografia Física, 14, 881-996. Guilherme, Frederico Augusto et al., 2020 Estrutura arbórea em um cerradão no sul do estado de Goiás. Enciclopédia Biosfera, 17. Hantson, S., Pueyo, S., Chuvieco, E., 2016. Global fire size distribution: from power law to log-normal. Int. J. Wildland Fire 25, 403–412. Hoki, Vanusa de Souza Pacheco; Pinto Júnior, Osvaldo Borges; Sanches, Luciana; Análise dos focos de calor em diferentes faixas de área de influência da rodovia br-242/MT no município de nova Ubiratã/MT. Revista Brasileira de Geociências. Mato Grosso, 2019). Ilori, Christopher O.; Pahlevan, Nima; Knudby, 2019 Anders. Analyzing performances of different atmospheric correction techniques for Landsat 8: application for coastal remote sensing. Remote Sensing, 11, 469. Instituto Brasileiro de Geografia e Estatística – IBGE (2010). Acesso em 12 janeiro de 2021. Disponível em < https://cidades.ibge.gov.br/brasil/go/rio-verde/panorama>. Instituto Brasileiro de Geografia e Estatística – IBGE (2020). Acesso em 09 janeiro de 2021. Disponível em < https://cidades.ibge.gov.br/brasil/go/rio-verde/pesquisa>. Instituto Nacional de Pesquisas Espaciais – INPE (2022). Inpe Programa Queimadas - BD Queimadas. Rio Verde – GO. Acesso em 14 janeiro de 2022. Instituto Nacional de Meteorologia – Inmet (2018). Banco de Dados Meteorológico para Ensino e Pesquisa - BDMEP. Rio Verde – GO. Acesso em 14 de janeiro de 2021. Instituto Nacional de Meteorologia – INMET (2022). Banco de Dados Meteorológico para Ensino e Pesquisa - BDMEP. Rio Verde – GO. Acesso em 02 de fevereiro de 2022. Juvanhol, Ronie S. et al. Gis and fuzzy logic applied to modelling forest fire risk. Anais da Academia Brasileira de Ciências, v. 93, 2021. Kanga, Shruti; Tripathi, Gaurav; Singh, Suraj Kumar. 2017 Forest fire hazards vulnerability and risk assessment in Bhajji forest range of Himachal Pradesh (India): a geospatial approach. Journal of Remote Sensing & GIS, 8, 1-16,. Kocher, Susan D.; Butsic, Van, 2017. Governance of land use planning to reduce fire risk to homes Mediterranean France and California. Land, 6, 24. Kuklina, Vera et al. Combining Community Observations and Remote Sensing to Examine the Effects of Roads on Wildfires in the East Siberian Boreal Forest. Arctic Science, n. ja, 2022. Leal, F. A., Souza, C. M., Leal, G. S. A., Miguel, E. P., 2019. Utilização do NDVI na análise da vegetação após ocorrência de incêndio. Nativa [online] 7. Disponível: http://dx.doi.org/10.31413 /nativa.v7i2.6664. Acesso: 08 dez. 2020. Leite, Ana Paula. Discriminação do uso da terra na bacia hidrográfica do rio Araquá utilizando índices radiométricos. 2019. Libonati, Renata et al, 2015 An algorithm for burned area detection in the Brazilian Cerrado using 4 µm MODIS imagery. Remote sensing, 7,. 15782-15803. Li, Fangjun; Zhang, Xiaoyang; Kondragunta, Shobha., 2020 Biomass burning in Africa: An investigation of fire radiative power missed by MODIS using the 375 m VIIRS active fire product. Remote Sensing, 12, 1561. Li, Wenmei et al. Deep learning-based classification methods for remote sensing images in urban built-up areas. IEEE Access, v. 7, p. 36274-36284, 2019. Lizundia-loiola, Joshua et al, 2020 A spatio-temporal active-fire clustering approach for global burned area mapping at 250 m from MODIS data. Remote Sensing of Environment, 236, 111493. Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., and Lim, T-K. (2006). A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1):68-72. http://dx.doi.org/10.1109/ LGRS. 2005.857030. Maniatis, Yannis; Doganis, Athanasios; Chatzigeorgiadis, Minas. Fire Risk , 2022, Probability Mapping Using Machine Learning Tools and Multi-Criteria Decision Analysis in the GIS Environment: A Case Study in the National Park Forest Dadia-Lefkimi-Soufli, Greece. Applied Sciences, 12, 2938. Martins, AL da S. et al. Índice de qualidade participativo do plantio direto para a região de Rio Verde, GO (IQP-RV). Embrapa Solos-Documentos (INFOTECA-E), 2019. Matos, Renata Mariana Póvoa; Aguiar, Lívia Lima Leite; DE Aquino Martins, Patrick Thomaz. 2020. Ocorrência de fogo no Parque Nacional da Chapada dos Veadeiros, Goiás, Brasil: histórico recente no contexto da sua ampliação. GeoTextos, 16,. Melo, Pedro et al, 2021 Assessing Wildfire Regimes in Indigenous Lands of the Brazilian Savannah-Like Cerrado. Fire, 4, 34. Menezes, Eduarda Soares et al , 2019. Análise temporal de focos de calor na reserva da biosfera da Serra do Espinhaço. Nativa, 7, 256-261 Monjarás-vega, Norma Angélica et al. Predicting forest fire kernel density at multiple scales with geographically weighted regression in Mexico. Science of The Total Environment, v. 718, p. 137313, 2020. Morante-carballo, Fernando et al, 2022 Forest fire assessment using remote sensing to support the development of an action plan proposal in Ecuador. Remote Sensing, 14, 1783. Nascimento, D. T. F.; Novais, G. T., 2020. Clima do Cerrado: dinâmica atmosférica e características, variabilidades e tipologias climáticas. Élisée-Rev. Geogr. UEG, 9, 922021. Nimer, E. 1989. Climatologia do Brasil. Rio de janeiro: IBGE. 422p. Oliveira, U, C; Oliveira, P, S. 2017 Mapas de kernel como subsídio à gestão ambiental: análise dos focos de calor na bacia hidrográfica do Rio Acaraú, Ceará, nos Anos 2010 a 2015. Espaço Aberto, 7, 87-99. Pereira, Allan Arantes et al, 2012 Validação de focos de calor utilizados no monitoramento orbital de queimadas por meio de imagens TM. Cerne, 18, 335-343. Pereira, José Antônio Vilar; Silva, Janaína Barbosa, 2016 Detecção de Focos de Calor no Estado da Paraíba: um estudo sobre as queimadas. Revista Geográfica Acadêmica, 10, 5-16. Pinheiro, Evelyn Dias; Peixoto, Erica; Fina, Bruna Gardenal, 2020. Florística e fitossociologia de um remanescente de cerradão, Aquidauana–MS. Brazilian Journal of Development, 6, 103413-103428. Pope, Richard J. et al, 2020 Substantial increases in Eastern Amazon and Cerrado biomass burning‐sourced tropospheric ozone. Geophysical Research Letters, 47, 2019GL084143. Pourghasemi, Hamid Reza et al, 2020. Is multi-hazard mapping effective in assessing natural hazards and integrated watershed management? . Geoscience Frontiers, 11, 1203-1217 Pradeep, G. S. et al, 2022 Forest fire risk zone mapping of Eravikulam National Park in India: a comparison between frequency ratio and analytic hierarchy process methods. Croatian Journal of Forest Engineering: Journal for Theory and Application of Forestry Engineering, 43, 199-217. Rodrigues, Jeferson Botelho et al, 2020. Análise de focos de queimadas no município de Balsas/MA. Nature and Conservation, 13, 146-151. Rodrigues, Julia Abrantes et al, 2018. Mapeamento de áreas queimadas em Unidades de Conservação da região serrana do Rio de Janeiro utilizando o satélite Landsat-8 durante a seca de 2014. Anuário do Instituto de Geociências, 41, 318-327. Rwanga, Sophia S. et al, 2017, Accuracy assessment of land use/land cover classification using remote sensing and GIS. International Journal of Geosciences, v. 8,. 611. Sannigrahi, Srikanta et al. Examining the effects of forest fire on terrestrial carbon emission and ecosystem production in India using remote sensing approaches. Science of the Total Environment, v. 725, p. 138331, 2020. Scholtz, Rheinhardt et al. Improving on MODIS MCD64A1 burned area estimates in grassland systems: A case study in kansas flint hills tall grass prairie. Remote Sensing, v. 12, n. 13, p. 2168, 2020. Seydi, Seyd Teymoor et al, 2021 Wildfire damage assessment over Australia using sentinel-2 imagery and MODIS land cover product within the google earth engine cloud platform. Remote Sensing, 13, 220. Silva, Alessandro Guerra et al, 2020 Cropping systems and soybean plant population in Brazilian Cerrado. Brazilian Journal of Development, 6, 51166-51178. Sobrinho, Oswaldo Palma Lopes et al, 2020 Balanço hídrico climatológico mensal e classificação climática de Köppen e Thornthwaite para o município de Rio Verde, Goiás. Revista Brasileira de Climatologia, 27. Souza, José Carlos; Aquino Martins, Patrick Thomaz; Druciaki, Vinícius Polzin. Uso e cobertura do solo no Cerrado: panorama do período de 1985 a 2018. 2020. Soydan, Orhun. , 2022, Determination of Forest Fire Risk Using GIS: A Case Study in Nigde, Turkey. Bartın Orman Fakültesi Dergisi, 24, 77-94. Szpakowski, David M.; Jensen, Jennifer LR, 2019 A review of the applications of remote sensing in fire ecology. Remote Sensing, 11, 2638. Vallejo-villalta, Ismael; Rodríguez-navas, Estefanía; Márquez-pérez, Joaquín. Mapping forest fire risk at a , 2019.local scale - A case study in Andalusia (Spain). Environments, 6, 30. Vermote, E. F.; Justice, C. Claverie, M; Franch, B, 2016. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185, 46-56. Vermote, E. F.; Tanré, D.; Deuzé, J. L.; Herman, M.; Morcrette, J. 1997. Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: An Overview. IEEE Transactions on Geoscience and Remote Sensing, 35, 675-686. Vijayakumar DBIP, Raulier F, Bernier PY, Gauthier S, Bergeron Y, Pothier D. Lengthening the historical records of fire history over large areas of boreal forest in eastern Canadá using empirical relationships. Forest Ecology and Management 2015; 2015(347): 30-39. http://dx.doi. org/10.1016/j.foreco.2015.03.011. Villarreal, Miguel L. et al, 2022. Wildfire probability models calibrated using past human and lightning ignition patterns can inform mitigation of post-fire hydrologic hazards. Geomatics, Natural Hazards and Risk, 13, 568-590. Talhada, Acadêmica. ,2020 Monitoramento Espaço-Temporal da Detecção de Mudanças em Vegetação de Caatinga por Sensoriamento Remoto no Semiárido Brasileiro. Revista Brasileira de Geografia Física, 13, 286-301. Tang, Yibo et al. Spatio-temporal index based on time series of leaf area index for identifying heavy metal stress in rice under complex stressors. International journal of environmental research and public health, v. 17, n. 7, p. 2265, 2020. Trauernicht, Clay et al. Human-imposed, fine-grained patch burning explains the population stability of a fire-sensitive conifer in a frequently burnt northern Australia savanna. Ecosystems, v. 19, n. 5, p. 896-909, 2016. Tremea, A; G, Juliano; S, Antonio J, F, 2020 Análise espaço-temporal do desmatamento via sensoriamento remoto no projeto de assentamento Santa Júlia, sudoeste do estado do Pará. Revista Meio Ambiente e Sustentabilidade, 9. Twigg, John et al, 2017 Improved methods for fire risk assessment in low-income and informal settlements. International journal of environmental research and public health, 14, 139. Us Geological Survey. Landsat 8 Collection 1 (C1) Land Surface Reflectance Code (LaSRC) Product Guide. 2020. Westerling, A.L.; Hidalgo, H.G.; Cayan, D.R.; Swetnam, T.W. Warming and earlier spring increase western U.S. Forest wildfire activity. Science 2006, 313, 940–943. [CrossRef] [PubMed]. White, B, L, A; White, L, A, S, , 2017. Queimadas e incêndios florestais no estado de Sergipe, Brasil, entre 1999 e 2015. Floresta, 46, 561-570. Yang, Y. U.; Chao, M. A.; Yingchun, F. U, 2018 Atmospheric correction assessment of surface reflectance for multi-temporal Landsat images in cloudy and rainy urban areas. Journal of South China Normal University (Natural Science Edition), p. 01. Ying, Lingxiao, et al. Wildfire detection probability of MODIS fire products under the constraint of environmental factors: a study based on confirmed ground wildfire records. Remote Sensing, 2019, 11.24: 3031. Zhan, Jialei et al, , 2021 PDAM–STPNNet: A Small Target Detection Approach for Wildland Fire Smoke through Remote Sensing Images. Symmetry, 13, 2260.; https://periodicos.ufpe.br/revistas/rbgfe/article/view/254737

10.26848/rbgf.v15.6.p3136-3155

Direitos autorais 2022 Revista Brasileira de Geografia Física ; https://creativecommons.org/licenses/by/4.0

edsbas.F7F45A3C