Uso de NDVI e NBR para detecção de queimadas na região do Pantanal nos anos de 2019 e 2020
Autor(a) principal: | |
---|---|
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:21202024-08-19T10:51:02.926032Repositório 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_ |
1811823554783608832 |