Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020

Detalhes bibliográficos
Autor(a) principal: Silva, Emanuele Pinheiro Pinto da
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/25674
Resumo: Silva, Emanuele. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 78 folhas. Trabalho de Conclusão de Curso (Bacharelado em Geografia) - Universidade Federal Fluminense. Niterói, 2021. O sensoriamento remoto representa um dos maiores avanços na área de tecnologia. Começando de maneira simples com câmeras acopladas em pombos ou balões, hoje dispõe-se de uma gama de satélites de última geração que facilitam o monitoramento e estudo da superfície terrestre. As imagens obtidas por meio do Landsat 8 serviram de base para este trabalho, que constitui-se na utilização de NDVI e NBR para detecção de queimadas na região do Pantanal. Foi feito um comparativo entre os anos de 2019 e 2020 aplicando-se os NDVI e NBR. Ambos são índices de vegetação e baseiam-se numa álgebra de mapas, no cálculo da razão entre duas bandas. A escolha da região do Pantanal, que é a maior planície de inundação do mundo e um dos principais biomas brasileiros, deve-se ao fato de que 2020 foi um ano atípico em termos de números de queimadas, tendo 23% de sua área queimada. Desde o começo do monitoramento pelo INPE, em 1998, o ano com mais focos de calor foi 2020. Foram feitos o NDVI, que destacou-se por detectar a diminuição dos espelhos d’água; e o NBR, que detectou as regiões queimadas mais precisamente. Complementar a isto, também foi feito um dNBR que é mais uma álgebra, consistindo da diminuição do NBR de 2019 do de 2020. Além disso, foram adicionados os focos de calor obtidos no INPE que casam com a região queimada. Por fim, conclui-se que os índices de vegetação são importantes aliados para monitoramento da saúde da vegetação, detecção de queimada e visualização de corpos hídricos, e a banda 7 do Landsat provou ser a peça-chave na distinção entre a vegetação queimada e a saudável.
id UFF-2_e91eca76d6608ac062f1a65c6a97dab0
oai_identifier_str oai:app.uff.br:1/25674
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020Sensoriamento RemotoPantanalQueimadaNDVINBRSensoriamento remotoNormalized Burn RatioNormalized Difference Vegetation IndexQueimadaPantanalRemote SensingPantanalBurnNDVINBRSilva, Emanuele. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 78 folhas. Trabalho de Conclusão de Curso (Bacharelado em Geografia) - Universidade Federal Fluminense. Niterói, 2021. O sensoriamento remoto representa um dos maiores avanços na área de tecnologia. Começando de maneira simples com câmeras acopladas em pombos ou balões, hoje dispõe-se de uma gama de satélites de última geração que facilitam o monitoramento e estudo da superfície terrestre. As imagens obtidas por meio do Landsat 8 serviram de base para este trabalho, que constitui-se na utilização de NDVI e NBR para detecção de queimadas na região do Pantanal. Foi feito um comparativo entre os anos de 2019 e 2020 aplicando-se os NDVI e NBR. Ambos são índices de vegetação e baseiam-se numa álgebra de mapas, no cálculo da razão entre duas bandas. A escolha da região do Pantanal, que é a maior planície de inundação do mundo e um dos principais biomas brasileiros, deve-se ao fato de que 2020 foi um ano atípico em termos de números de queimadas, tendo 23% de sua área queimada. Desde o começo do monitoramento pelo INPE, em 1998, o ano com mais focos de calor foi 2020. Foram feitos o NDVI, que destacou-se por detectar a diminuição dos espelhos d’água; e o NBR, que detectou as regiões queimadas mais precisamente. Complementar a isto, também foi feito um dNBR que é mais uma álgebra, consistindo da diminuição do NBR de 2019 do de 2020. Além disso, foram adicionados os focos de calor obtidos no INPE que casam com a região queimada. Por fim, conclui-se que os índices de vegetação são importantes aliados para monitoramento da saúde da vegetação, detecção de queimada e visualização de corpos hídricos, e a banda 7 do Landsat provou ser a peça-chave na distinção entre a vegetação queimada e a saudável.Silva, Emanuele. Use of NDVI and NBR for detection of burns in the Pantanal region in 2019 and 2020. 2021. 78 pages. Trabalho de Conclusão de Curso (Bacharelado em Geografia) - Universidade Federal Fluminense. Niterói, 2021. Remote sensing represents one of the greatest advances in the field of technology. Starting simply with cameras attached to pigeons or balloons, today we have a range of state-of-the-art satellites that facilitate the monitoring and study of the earth's surface. The images obtained through Landsat 8 served as the basis for this work, which consists of the use of NDVI and NBR to detect fires in the Pantanal region. A comparison was made between the years 2019 and 2020 applying the NDVI and NBR. Both are vegetation indices and are based on map algebra, calculating the ratio between two bands. The choice of the Pantanal region, which is the largest floodplain in the world and one of the main Brazilian biomes, is due to the fact that 2020 was an atypical year in terms of numbers of fires, with 23% of its area burned. Since the beginning of monitoring by INPE, in 1998, the year with the most hot spots was 2020. The NDVI was carried out, which stood out for detecting the reduction of water mirrors; and NBR, which detected the burnt regions more precisely. Complementing this, a dNBR was also made, which is more of an algebra, consisting of the reduction of the 2019 NBR from that of 2020. In addition, the heat sources obtained at INPE that match the burned region were added. Finally, it is concluded that vegetation indices are important allies for monitoring the health of vegetation, detection of fire and visualization of water bodies, and Band 7 proved to be the key band to distinguish burned from healthy vegetation.77 f.Universidade Federal FluminenseNiteróiCarriello, FelixCarriello, FelixSalgado, Carla MacielDias, Fábio FerreiraSilva, Emanuele Pinheiro Pinto da2022-07-12T20:03:55Z2022-07-12T20:03:55Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSILVA, Emanuele Pinheiro Pinto da. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 77 f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2021.http://app.uff.br/riuff/handle/1/25674Aluno de GraduaçãoCC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-07-12T20:03:59Zoai:app.uff.br:1/25674Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-07-12T20:03:59Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
title Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
spellingShingle Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
Silva, Emanuele Pinheiro Pinto da
Sensoriamento Remoto
Pantanal
Queimada
NDVI
NBR
Sensoriamento remoto
Normalized Burn Ratio
Normalized Difference Vegetation Index
Queimada
Pantanal
Remote Sensing
Pantanal
Burn
NDVI
NBR
title_short Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
title_full Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
title_fullStr Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
title_full_unstemmed Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
title_sort Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
author Silva, Emanuele Pinheiro Pinto da
author_facet Silva, Emanuele Pinheiro Pinto da
author_role author
dc.contributor.none.fl_str_mv Carriello, Felix
Carriello, Felix
Salgado, Carla Maciel
Dias, Fábio Ferreira
dc.contributor.author.fl_str_mv Silva, Emanuele Pinheiro Pinto da
dc.subject.por.fl_str_mv Sensoriamento Remoto
Pantanal
Queimada
NDVI
NBR
Sensoriamento remoto
Normalized Burn Ratio
Normalized Difference Vegetation Index
Queimada
Pantanal
Remote Sensing
Pantanal
Burn
NDVI
NBR
topic Sensoriamento Remoto
Pantanal
Queimada
NDVI
NBR
Sensoriamento remoto
Normalized Burn Ratio
Normalized Difference Vegetation Index
Queimada
Pantanal
Remote Sensing
Pantanal
Burn
NDVI
NBR
description Silva, Emanuele. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 78 folhas. Trabalho de Conclusão de Curso (Bacharelado em Geografia) - Universidade Federal Fluminense. Niterói, 2021. O sensoriamento remoto representa um dos maiores avanços na área de tecnologia. Começando de maneira simples com câmeras acopladas em pombos ou balões, hoje dispõe-se de uma gama de satélites de última geração que facilitam o monitoramento e estudo da superfície terrestre. As imagens obtidas por meio do Landsat 8 serviram de base para este trabalho, que constitui-se na utilização de NDVI e NBR para detecção de queimadas na região do Pantanal. Foi feito um comparativo entre os anos de 2019 e 2020 aplicando-se os NDVI e NBR. Ambos são índices de vegetação e baseiam-se numa álgebra de mapas, no cálculo da razão entre duas bandas. A escolha da região do Pantanal, que é a maior planície de inundação do mundo e um dos principais biomas brasileiros, deve-se ao fato de que 2020 foi um ano atípico em termos de números de queimadas, tendo 23% de sua área queimada. Desde o começo do monitoramento pelo INPE, em 1998, o ano com mais focos de calor foi 2020. Foram feitos o NDVI, que destacou-se por detectar a diminuição dos espelhos d’água; e o NBR, que detectou as regiões queimadas mais precisamente. Complementar a isto, também foi feito um dNBR que é mais uma álgebra, consistindo da diminuição do NBR de 2019 do de 2020. Além disso, foram adicionados os focos de calor obtidos no INPE que casam com a região queimada. Por fim, conclui-se que os índices de vegetação são importantes aliados para monitoramento da saúde da vegetação, detecção de queimada e visualização de corpos hídricos, e a banda 7 do Landsat provou ser a peça-chave na distinção entre a vegetação queimada e a saudável.
publishDate 2021
dc.date.none.fl_str_mv 2021
2022-07-12T20:03:55Z
2022-07-12T20:03:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Emanuele Pinheiro Pinto da. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 77 f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2021.
http://app.uff.br/riuff/handle/1/25674
Aluno de Graduação
identifier_str_mv SILVA, Emanuele Pinheiro Pinto da. Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020. 2021. 77 f. Trabalho de Conclusão de Curso (Graduação em Geografia) - Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2021.
Aluno de Graduação
url http://app.uff.br/riuff/handle/1/25674
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1807838710408937472