%0 Journal Article
%4 sid.inpe.br/mtc-m21c/2020/07.06.14.30
%2 sid.inpe.br/mtc-m21c/2020/07.06.14.30.30
%@doi 10.14393/rbcv72n2-48726
%@issn 0560-4613
%@issn 1808-0936
%T Burned area detection in the brazilian Amazon using spectral indices and GEOBI
%D 2020
%9 journal article
%A Penha, Thales Vaz,
%A Körting, Thales Sehn,
%A Fonseca, Leila Maria Garcia,
%A Silva Júnior, Celso Henrique Leite,
%A Pletsch, Mikhaela Aloísia Jéssie Santos,
%A Anderson, Liana Oighenstein,
%A Morelli, Fabiano,
%@affiliation Universidade de São Paulo (USP)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Centro Nacional de Monitoramento e Alertas de Desastres Naturais (CEMADEN)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress thalesvazpenha@gmail.com
%@electronicmailaddress thales.korting@inpe.br
%@electronicmailaddress leila.fonseca@inpe.br
%@electronicmailaddress
%@electronicmailaddress
%@electronicmailaddress
%@electronicmailaddress fabiano.morelli@inpe.br
%B Revista Brasileira de Cartografia
%V 72
%N 2
%P 253-269
%K Fires mapping. Tropical forest. Landsat-8 OLI. Sentinel-2A MSI, Mapeamento de áreas queimadas. Floresta tropical. Landsat-8 OLI. Sentinel-2A MSI.
%X Mapping refined burned areas (BA) in the Brazilian Amazon is still a challenge. The main difficulty of BA detection in large areas is the presence of cloud cover and water bodies. The use of different data sources of medium spatial resolution satellite images can provide a higher availability of cloud-free images. Besides that, it may decrease the uncertainties associated with coarse spatial resolution data (>250m), which can under or overestimate BA and hinder the detection of small BA patches (<0.1km²). In this study, we propose an innovative methodology based on spectral indices and geographic object-based image analysis (GEOBIA), using medium spatial resolution images to improve BA detection in the Brazilian Amazon region. Firstly, we assessed the performance of nine spectral indices in two study areas, derived from Landsat-8 OLI and Sentinel-2A MSI data to identify the most suitable index for BA detection in this region. Then, we refined this data through the GEOBIA-based model. The results showed that the Burned Area Index (BAI) was the most suitable index for BA mapping (M index >1.5) for both sensors. Our model allowed detecting more than 80% of small BA and also presented high Dice coefficient values (~0.70) with low omission and commission errors (0.22 and 0.32, respectively). Such combined approach corresponds to a novel contribution to the BA detection in the Brazilian Amazon region and for enhancing the operational product generation. RESUMO: O mapeamento refinado de áreas queimadas (AQ) na Amazônia brasileira ainda é um desafio. A principal dificuldade na detecção de AQ para grandes áreas é a presença de nuvens e corpos hídricos. A utilização de diferentes fontes de dados de imagens de sensoriamento remoto de média resolução espacial pode fornecer uma maior disponibilidade de imagens livres de nuvens, além de reduzir as incertezas associadas aos dados de resolução espacial grosseira (>250m), os quais podem subestimar ou superestimar AQ e dificultar a detecção de AQ pequenas (<0,1km²). Neste estudo, propomos uma metodologia inovadora baseada no uso de índices espectrais e análise de imagem baseada em objetos geográficos (GEOBIA), usando imagens de média resolução espacial para melhorar a detecção de AQ em áreas teste na Amazônia. Primeiramente, avaliamos o desempenho de nove índices espectrais em duas áreas de estudo obtidos a partir de cenas do Landsat-8 OLI e Sentinel-2A MSI para identificar o índice mais adequado para a detecção de AQ. Em seguida, refinamos esses dados através do modelo baseado em GEOBIA. Os resultados mostraram que o Índice de Área queimada (BAI) foi o mais adequado para o mapeamento de AQ (índice M>1,5) para ambos os sensores. Nosso modelo permitiu detectar mais de 80% das AQs pequenas (<1 km²) e também apresentou altos valores de coeficiente Dice (~0,70) com baixos erros de omissão e comissão (0,22 e 0,32, respectivamente). Essa abordagem integrada correspondeu a uma contribuição inédita para a detecção de AQs na região amazônica e para o aprimoramento da geração de produtos operacionais.
%@language en
%3 penha_burned.pdf