Monitoramento de Queimadas

MONITORAMENTO DE QUEIMADAS: AUTOMATIZAÇÃO DO
PROCESSAMENTO DE IMAGENS E ANÁLISE DO ÍNDICE DE VEGETAÇÃO

POR DIFERENÇA NORMALIZADA (NDVI)
TÁSSIA PARADA SAMPAIO¹;

DIULIANA LEANDRO²
1
Universidade federal de Pelotas – [email protected]
2
Universidade federal de Pelotas – [email protected]
1. INTRODUÇÃO
O sensoriamento remoto é uma abordagem comumente usada no

monitoramento ambiental que permite a coleta de informações sobre a superfície
da Terra por meio de imagens de sensores de satélite. A automação do
processamento de imagens é fundamental para melhorar a eficiência e a
qualidade das análises, especialmente em cenários como a avaliação de
incêndios florestais, que pode ser morosa, levar meses ou anos e requer análise
extensa de várias imagens.
Utilizando a linguagem de programação JavaScript, este estudo ofereceu
um método de automação de imagens para monitoramento ambiental, com foco
específico na avaliação de incêndios florestais. A automação permitiu a análise
eficiente de um grande volume de imagens, dispensando a necessidade de
análise manual caso a caso. Foi utilizado como base a plataforma Google Earth
Engine (GEE), que possibilitou o acesso e o processamento de imagens de
sensoriamento remoto (SOUTO et al., 2019).
A relevância deste estudo reside na contribuição para melhoria das
análises de monitoramento ambiental ao fornecer uma abordagem automatizada
que permite uma avaliação precisa e eficiente das queimadas ao longo do tempo.
Ademais, a automação usando scripts em JavaScript permite a filtragem de
imagens e a extração de informações relevantes, como o Índice de Vegetação por
Diferença Normalizada (NDVI).
O Índice de Vegetação por Diferença Normalizada (NDVI) mede o vigor e a
saúde da vegetação comparando os valores de reflectância das bandas do
vermelho (RED) e do infravermelho próximo (NIR). Os valores de NDVI variam de
-1 a +1, com valores negativos representando água, nuvens e neve, valores
próximos de zero representando rochas e solo descoberto, valores moderados
representando arbustos e pastagens e valores altos representando florestas
temperadas e tropicais (EOS, 2023). Quanto mais próxima a pontuação do NDVI
estiver de -1 (menor), maior será a perda de vegetação, que pode ser causada
por queimadas ou outros outros fatores estressantes. No entanto, variáveis
adicionais, como sazonalidade, tipo de vegetação e condições climáticas, podem
ter impacto no NDVI. Por isso, é recomendável usar outros índices
complementares para identificar áreas queimadas com maior precisão.
2. METODOLOGIA
Imagens adquiridas pelo sensor Sentinel-2 de Novembro de 2022 a Maio

de 2023 foram usadas neste estudo. A área de estudo, que compreendeu a
região do Pontal da Barra em Pelotas/RS, foi definida por meio do Google Earth
Pro. Este sensor foi escolhido devido à sua melhor resolução espacial, o que
permitiu uma visualização mais precisa dos detalhes.
Utilizando scripts JavaScript, as imagens foram processadas e analisadas

na plataforma Google Earth Engine (GEE). O foco principal do estudo foi o cálculo
e análise do NDVI como indicador da ocorrência e intensidade de incêndios
florestais. O NDVI foi calculado usando a seguinte equação:
(𝑁𝐼𝑅−𝑅𝐸𝐷)
𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅+𝑅𝐸𝐷)
Eq (1)
Onde:
NDVI: Índice de Vegetação por Diferença Normalizada;
NIR: banda do infravermelho próximo (Near Infrared);
Red: banda do vermelho.
Como resultado, com base nas bandas espectrais das imagens, é possível
identificar locais com grande diminuição do índice ao longo do tempo, sugerindo
áreas potenciais de incêndios florestais.
3. RESULTADOS E DISCUSSÃO
Os resultados obtidos demonstraram a eficácia da automação de imagens

para o monitoramento de queimadas no Pontal da Barra. A análise automatizada
das imagens permitiu identificar áreas com redução significativa do NDVI ao longo
do tempo, indicando a presença de queimadas. Essas áreas foram mapeadas e
visualizadas por meio de mapas e imagens geradas pelo GEE.
No script desenvolvido, pode-se selecionar o mês que se quer analisar o
NDVI e os valores são mostrados. Como resultado, os valores de NDVI de
novembro a maio são respectivamente: nov =0.2597682594770096, dez=
0.3132428576584489, jan =0.2622800585457226, fev = 0.31494656327710463,
mar=0.12914728658744623, abril =0.20011246386265474, maio
=0.1255011402193719. Esses valores indicam uma variação do NDVI ao longo do
tempo, sendo que os meses de março e maio apresentaram os menores valores,
indicando maior perda de vegetação. Essa variação está de acordo com o
intervalo esperado para o NDVI, que vai de -1 a 1.
4. CONCLUSÕES
A viabilidade e eficiência da automação de imagens para monitoramento

ambiental foram demonstradas neste trabalho, especificamente na avaliação de
incêndios florestais no Pontal da Barra, Pelotas/RS. A incorporação de scripts
JavaScript no GEE permitiu o processamento automático de imagens e a
identificação de áreas afetadas por incêndios ao longo do tempo. A automação
permitiu uma análise eficiente e precisa, economizando tempo e melhorando a
qualidade dos resultados.
Desta maneira, o estudo ajudou a melhorar as abordagens de
monitoramento ambiental, fornecendo uma estratégia automatizada que pode ser
usada em diferentes locais e circunstâncias.
5. REFERÊNCIAS BIBLIOGRÁFICAS
Área Queimada — Programa Queimadas - INPE. Disponível em:
https://queimadas.dgi.inpe.br/queimadas/portal/destaque/area-queimada. Acesso
em: 03 jul. 2023.
CHO, D.F. Processamento de Imagens Sentinel na Nuvem para o

Monitoramento das Autorizações de Supressão de Vegetação em
Empreendimentos Hidrelétricos na Amazônia Legal: Estudo de Caso na UHE
São Manoel. 2021. 97 f. Dissertação (Mestrado em Engenharia Elétrica) -
Universidade Federal do Pará, Belém, 2021.
EOS. NDVI: O Que É? Formula, E Para Que Serve Na Agricultura. Disponível

em: https://eos.com/pt/make-an-analysis/ndvi/. Acesso em: 03 jul. 2023.
GOOGLE DEVELOPERS. Introduction to the Earth Engine JavaScript API |

Google Earth Engine. Disponível em:
https://developers.google.com/earth-engine/tutorials/tutorial_api_01. Acesso em:
03 jul. 2023.
GOOGLE DEVELOPERS. Introduction to JavaScript for Earth Engine.

Disponível em: https://developers.google.com/earth-engine/tutorials/tutorial_js_01.
Acesso em: 03 jul. 2023.
INPE. Manual de referência de Queimadas — Programa Queimadas.

Disponível em:
https://queimadas.dgi.inpe.br/queimadas/portal/outros-produtos/manual. Acesso
em: 03 jul. 2023.
JENSEN, John R. Digital image processing: a remote sensing perspective.

New York: Springer, 2015. 4th. ed.
LIBONATI, R. et al. Monitoramento de focos de incêndio e áreas queimadas com

a utilização de imagens de sensoriamento remoto. Revista de Engenharia e
Tecnologia - UEPG, São José dos Campos, v. 1, n. 1, p. 1-10, 2009.
LOBOS, Felipe de Lucia. Introdução ao Google Earth Engine. Universidade

Federal de Pelotas, Pelotas, 2020. Disponível em:
https://wp.ufpel.edu.br/geotechidrica/files/2021/05/ApostilaGEE2020.pdf. Acesso
em: Maio, 2023.
MOHAMMAD, L. et al. Estimation of agricultural burned affected area using NDVI

and dNBR satellite-based empirical models. Journal of Environmental
Management, v. 223, p. 530-541, 2018. Disponível em:
https://www.researchgate.net/publication/371071608_Estimation_of_agricultural_b
urned_affected_area_using_NDVI_and_dNBR_satellite-based_empirical_models.
OBSERVATÓRIO DE CLIMA E SAÚDE. Índice de estado da vegetação (NDVI).

Disponível em:
https://climaesaude.icict.fiocruz.br/indicador/indice-de-estado-da-vegetacao-ndvi.
SANTOS, C.V.B.; BAPTISTA, G.M.M.; MOURA, M.S.B. Sazonalidade do Índice de
Vegetação por Diferença Normalizada (NDVI) a partir de dados do sensor OLI em
área de Caatinga e Pastagem. In: XVIII SIMPÓSIO BRASILEIRO DE
SENSORIAMENTO REMOTO - SBSR, 2017, Santos. Anais […]. Santos: INPE,
2017. Disponível em:
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/173778/1/SANTOS-et-al.-201
7.pdf. Acesso em: 03 jul. 2023.
SILVA, A.P.F. et al. Uso de técnicas de sensoriamento remoto utilizando imagens

Modis para identificação de áreas queimadas no Parque Nacional da Chapada
dos Veadeiros. Sustainability in Debate, Brasília, v. 8, n. 2, p. 88-99, maio/ago.
2017.
SOUTO, J.I.O.; BELTRÃO, N.E.S.; TAVARES, P.A. Google Earth Engine:

mapeamento da severidade de queimadas e o processo dinâmico da degradação
ambiental em Santana do Araguaia-PA. In: XIII ENCONTRO NACIONAL DA
SOCIEDADE BRASILEIRA DE ECONOMIA ECOLÓGICA, 2019, Campinas.
Anais […]. Campinas: Sociedade Brasileira de Economia Ecológica, 2019.
Disponível em:
https://www.ecoeco2019.sinteseeventos.com.br/arquivo/downloadpublic?q=YToyO
ntzOjY6InBhcmFtcyI7czozNDoiYToxOntzOjEwOiJJRF9BUlFVSVZPIjtzOjM6Ijc1M
yI7fSI7czoxOiJoIjtzOjMyOiI2YTcxYTUxZGJkYWI2ZTRiMzYyN2ViM2ExMDc3Yzgz
YyI7fQ%3D%3D. Acesso em: 03 jul. 2023.

Monitoramento de Queimadas

Enviado por

Direitos autorais:

Formatos disponíveis

Monitoramento de Queimadas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Monitoramento de Queimadas

Enviado por

Direitos autorais:

Formatos disponíveis

MONITORAMENTO DE QUEIMADAS: AUTOMATIZAÇÃO DO

PROCESSAMENTO DE IMAGENS E ANÁLISE DO ÍNDICE DE VEGETAÇÃO

TÁSSIA PARADA SAMPAIO¹;

O sensoriamento remoto é uma abordagem comumente usada no

Imagens adquiridas pelo sensor Sentinel-2 de Novembro de 2022 a Maio

Utilizando scripts JavaScript, as imagens foram processadas e analisadas

Os resultados obtidos demonstraram a eficácia da automação de imagens

A viabilidade e eficiência da automação de imagens para monitoramento

CHO, D.F. Processamento de Imagens Sentinel na Nuvem para o

EOS. NDVI: O Que É? Formula, E Para Que Serve Na Agricultura. Disponível

GOOGLE DEVELOPERS. Introduction to the Earth Engine JavaScript API |

GOOGLE DEVELOPERS. Introduction to JavaScript for Earth Engine.

INPE. Manual de referência de Queimadas — Programa Queimadas.

JENSEN, John R. Digital image processing: a remote sensing perspective.

LIBONATI, R. et al. Monitoramento de focos de incêndio e áreas queimadas com

LOBOS, Felipe de Lucia. Introdução ao Google Earth Engine. Universidade

MOHAMMAD, L. et al. Estimation of agricultural burned affected area using NDVI

OBSERVATÓRIO DE CLIMA E SAÚDE. Índice de estado da vegetação (NDVI).

SILVA, A.P.F. et al. Uso de técnicas de sensoriamento remoto utilizando imagens

SOUTO, J.I.O.; BELTRÃO, N.E.S.; TAVARES, P.A. Google Earth Engine:

Você também pode gostar