Modelo preditivo de recuperação da vegetação afetada por incêndios florestais

Detalhes bibliográficos
Autor(a) principal: Reis, Rui Paulo Marques dos Santos
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.21/12319
Resumo: Dissertação para obtenção do grau de mestre em Engenharia Informática e de Computadores
id RCAP_d63ed71d9d077f025db1a6b07d30cc85
oai_identifier_str oai:repositorio.ipl.pt:10400.21/12319
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelo preditivo de recuperação da vegetação afetada por incêndios florestaisFogo florestalWildfireDeteção remotaRemote sensingNDVIGoogle Earth EnginePythonPythonDissertação para obtenção do grau de mestre em Engenharia Informática e de ComputadoresNos últimos anos, a ocorrência de fogos florestais em Portugal tem causado danos patrimoniais, destruição de habitats e, tragicamente, a perda de vidas humanas. A estimativa da taxa de recuperação da vegetação numa área ardida é possível utilizando dados de deteção remota e, nomeadamente, o Índice de Diferenças Normalizadas de Vegetação (NDVI). Partindo de metodologias já definidas em trabalhos anteriores, propõe-se um procedimento que integre diversas fontes de dados cuja natureza permite melhorar os modelos preditivos existentes e não exige o conhecimento do histórico da vegetação no período anterior ao incêndio, usando em alternativa o comportamento de uma zona geometricamente adjacente como referencial o que se apresenta como uma importante vantagem no que se refere às necessidades de informação disponível. Foram utilizados dados recolhidos pela missão Sentinel 2 e o Google Earth Engine, como plataforma de desenvolvimento, na concretização da metodologia o que é, tanto quanto se conhece, uma técnica inovadora dada a escassez de trabalhos publicados nesta temática. Deste trabalho resulta também uma biblioteca de código Python reutilizável, que suporta a interação com o Google Earth Engine na extração de dados agregados. Como prova de conceito, o modelo é aplicado às áreas afetadas pelos incêndios de 2017 de Pedrogão Grande e Mata Nacional de Leiria.In recent years, wildfires in Portugal lead to property damage, natural habitat destruction and the loss human lives. The vegetation recovery rate can be estimated using remote sensing data, in particular the often-used Normalized Difference Vegetation Index (NDVI). Taking advantage of methodologies set in previous work, by other authors, the proposed model relies on the integration of several data sources that leverage the existing estimators and will not be constrained by the availability of historical knowledge of the vegetation normal behavior prior to the wildfire episode. Instead, it will use the behavior of a geometrically neighboring area as a baseline. The fact that this method does not depend on the existence of historical data presents itself as a major advantage. The model was implemented using Sentinel 2 mission data and the Google Earth Engine platform, which is, to the author’s knowledge, a novel technique given the shortage of publications citing their usage. This work also produced a Python reusable library, which supports interaction with Google Earth Engine while extracting aggregate data. As a proof-of-concept, the model implementation will be applied to two areas affected by the 2017 wildfires: Pedrogão Grande and Mata Nacional de Leiria.Instituto Superior de Engenharia de LisboaPato, Matilde Pós-de-MinaDatia, Nuno Miguel SoaresRCIPLReis, Rui Paulo Marques dos Santos2020-11-02T19:12:49Z2019-12-172019-12-17T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.21/12319TID:202533751porREIS, Rui Paulo Marques dos Santos - Modelo preditivo de recuperação da vegetação afetada por incêndios florestais. Lisboa: Instituto Superior de Engenharia de Lisboa, 2019. Dissertação de mestrado.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-08-03T10:04:59Zoai:repositorio.ipl.pt:10400.21/12319Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:20:25.874750Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
title Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
spellingShingle Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
Reis, Rui Paulo Marques dos Santos
Fogo florestal
Wildfire
Deteção remota
Remote sensing
NDVI
Google Earth Engine
Python
Python
title_short Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
title_full Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
title_fullStr Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
title_full_unstemmed Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
title_sort Modelo preditivo de recuperação da vegetação afetada por incêndios florestais
author Reis, Rui Paulo Marques dos Santos
author_facet Reis, Rui Paulo Marques dos Santos
author_role author
dc.contributor.none.fl_str_mv Pato, Matilde Pós-de-Mina
Datia, Nuno Miguel Soares
RCIPL
dc.contributor.author.fl_str_mv Reis, Rui Paulo Marques dos Santos
dc.subject.por.fl_str_mv Fogo florestal
Wildfire
Deteção remota
Remote sensing
NDVI
Google Earth Engine
Python
Python
topic Fogo florestal
Wildfire
Deteção remota
Remote sensing
NDVI
Google Earth Engine
Python
Python
description Dissertação para obtenção do grau de mestre em Engenharia Informática e de Computadores
publishDate 2019
dc.date.none.fl_str_mv 2019-12-17
2019-12-17T00:00:00Z
2020-11-02T19:12:49Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.21/12319
TID:202533751
url http://hdl.handle.net/10400.21/12319
identifier_str_mv TID:202533751
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv REIS, Rui Paulo Marques dos Santos - Modelo preditivo de recuperação da vegetação afetada por incêndios florestais. Lisboa: Instituto Superior de Engenharia de Lisboa, 2019. Dissertação de mestrado.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Engenharia de Lisboa
publisher.none.fl_str_mv Instituto Superior de Engenharia de Lisboa
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133473408024576

Registros relacionados