Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | https://locus.ufv.br//handle/123456789/30687 https://doi.org/10.47328/ufvbbt.2022.798 |
Resumo: | O Cerrado é a savana tropical com maior biodiversidade do mundo, caracterizada por uma variedade de estruturas de vegetação incluindo formações campestres e florestais. No entanto, a estabilidade do Cerrado tem sido ameaçada por mudanças antrópicas no regime natural de fogo. A gestão do material combustível da vegetação é uma das opções mais importantes que temos para reduzir os impactos negativos dos incêndios florestais na sociedade e no ambiente e amplificar os positivos na flora dependente do fogo. Grandes áreas como o Cerrado geralmente requerem sensores remotos para caracterizar combustíveis, especialmente aqueles a bordo de plataformas orbitais. Embora os sensores em plataformas orbitais Já existam há mais de 50 anos, novas oportunidades surgem com sensores lançados recentemente com características inéditas. No entanto, as propriedades do material combustível do Cerrado e seu potencial para serem caracterizadas com a nova geração de sensores ainda são pouco estudadas e, nesta tese, são apresentadas abordagens de sensoriamento remoto como mais um passo para ampliar a caracterização e monitoramento do material combustível no Cerrado. Esta dissertação está dividida em três capítulos, onde: i) o teor de umidade do combustível é predito usando espectroscopia foliar e algoritmos de aprendizado de maquina, ii) a carga de combustível é predita para toda a extensão do Cerrado usando dados lidar coletados a partir de aeronave não ocupada, aprendizado de máquina e dados do sensor espacial GEDI, recentemente lançado, e iii) uma revisão é apresentada sobre os novos sensores remotos espaciais com potencial para serem usados na caracterização das principais variáveis relacionadas ao material combustível para manejo integrado do fogo. Os resultados mostraram a aplicabilidade de dados de espectroscopia e lidar, aliados ao uso de modelos de aprendizado de máquina, na recuperação de características do combustível importantes para o manejo do fogo. Com o aumento da disponibilidade de dados de sensores com novas tecnologias e capacidades, que permitem a escalada de informação coletada em campo, sugere-se que estamos diante de uma nova era para o mapeamento e monitoramento de material combustível, o que é essencial para o desenvolvimento de programas de manejo integrado do fogo visando a preservação do e bioma Cerrado e outros ecossistemas semelhantes em todo o mundo. Palavras-chave: Risco de incêndio; Combustível vegetal; Espectroscopia, Lidar, GEDI, Aprendizado de máquina, Sensores satelitários |
id |
UFV_48bfa807dce946305c5ddeb149ed0561 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/30687 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Leite, Rodrigo Vieirahttp://lattes.cnpq.br/7383870179386699Amaral, Cibele Hummel do2023-04-11T17:40:37Z2023-04-11T17:40:37Z2022-12-21LEITE, Rodrigo Vieira. Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome. 2022. 106 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2022.https://locus.ufv.br//handle/123456789/30687https://doi.org/10.47328/ufvbbt.2022.798O Cerrado é a savana tropical com maior biodiversidade do mundo, caracterizada por uma variedade de estruturas de vegetação incluindo formações campestres e florestais. No entanto, a estabilidade do Cerrado tem sido ameaçada por mudanças antrópicas no regime natural de fogo. A gestão do material combustível da vegetação é uma das opções mais importantes que temos para reduzir os impactos negativos dos incêndios florestais na sociedade e no ambiente e amplificar os positivos na flora dependente do fogo. Grandes áreas como o Cerrado geralmente requerem sensores remotos para caracterizar combustíveis, especialmente aqueles a bordo de plataformas orbitais. Embora os sensores em plataformas orbitais Já existam há mais de 50 anos, novas oportunidades surgem com sensores lançados recentemente com características inéditas. No entanto, as propriedades do material combustível do Cerrado e seu potencial para serem caracterizadas com a nova geração de sensores ainda são pouco estudadas e, nesta tese, são apresentadas abordagens de sensoriamento remoto como mais um passo para ampliar a caracterização e monitoramento do material combustível no Cerrado. Esta dissertação está dividida em três capítulos, onde: i) o teor de umidade do combustível é predito usando espectroscopia foliar e algoritmos de aprendizado de maquina, ii) a carga de combustível é predita para toda a extensão do Cerrado usando dados lidar coletados a partir de aeronave não ocupada, aprendizado de máquina e dados do sensor espacial GEDI, recentemente lançado, e iii) uma revisão é apresentada sobre os novos sensores remotos espaciais com potencial para serem usados na caracterização das principais variáveis relacionadas ao material combustível para manejo integrado do fogo. Os resultados mostraram a aplicabilidade de dados de espectroscopia e lidar, aliados ao uso de modelos de aprendizado de máquina, na recuperação de características do combustível importantes para o manejo do fogo. Com o aumento da disponibilidade de dados de sensores com novas tecnologias e capacidades, que permitem a escalada de informação coletada em campo, sugere-se que estamos diante de uma nova era para o mapeamento e monitoramento de material combustível, o que é essencial para o desenvolvimento de programas de manejo integrado do fogo visando a preservação do e bioma Cerrado e outros ecossistemas semelhantes em todo o mundo. Palavras-chave: Risco de incêndio; Combustível vegetal; Espectroscopia, Lidar, GEDI, Aprendizado de máquina, Sensores satelitáriosCerrado is the most biodiverse tropical savanna in the world characterized by a range of vegetation structures from grasslands to forests. However, Cerrado’s stability has been threatened by anthropogenic changes in the fire regime. Managing fuels is one of the most important options we have for reducing wildfire’s negative impacts on society and the environment and amplifying positive ones on fire-dependent flora. Large areas such as Cerrado often require remote sensors to characterize fuels, especially those on-board space-based platforms. Even though spaceborne sensors have been around for over 50 years, new opportunities arise with recently launched sensors with unprecedented characteristics. Yet, Cerrado fuel properties and their potential to be characterized with the new generation of sensors are still little studied. In this thesis proximal and near-surface approaches as a step forward to scale-up Cerrado fuel properties are presented. The thesis is divided into three chapters, where: i) fuel moisture content is predicted using leaf spectroscopy and machine learning algorithms, ii) fuel load is predicted for the whole Cerrado extent using lidar data collected from unoccupied aerial vehicles and the recently launched GEDI spaceborne lidar sensor and ili) a review of the novel spaceborne remote sensors with potential to be used for fuel characterization and the main fuel-related variables for integrated fire management is presented. The results showed the applicability of spectroscopy and lidar data together with machine learning to retrieve important fuel characteristics for fire management. With the increasing availability of data from sensors with new technologies and capabilities, which allow the upscaling of information collected in the field, it is suggested that we are facing a new era for the mapping and monitoring of fuels, which is essential for the development of integrated fire management programs aiming at preserving the Cerrado biome and similar ecosystems worldwide. Keywords: Fire risk, Vegetation fuel, Spectroscopy, Lidar, GEDI, Machine learning, Satellite-borne sensorsCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorengUniversidade Federal de ViçosaCiência FlorestalIncêndios florestais - Prevenção e controleIncêndios florestais - Sensoriamento remotoAprendizado do computadorCerradosFotointerpretação FlorestalFuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biomeCaracterização de material combustível por sensoriamento remoto como suporte ao manejo de incêndios florestais em larga escala no bioma Cerradoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal de ViçosaDepartamento de Engenharia FlorestalDoutor em Ciência FlorestalViçosa - MG2022-12-21Doutoradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/30687/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf14709101https://locus.ufv.br//bitstream/123456789/30687/3/texto%20completo.pdf9b72171447e8f63fbfb1196e7747a8c0MD53123456789/306872023-04-18 09:13:25.886oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452023-04-18T12:13:25LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.en.fl_str_mv |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
dc.title.pt-BR.fl_str_mv |
Caracterização de material combustível por sensoriamento remoto como suporte ao manejo de incêndios florestais em larga escala no bioma Cerrado |
title |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
spellingShingle |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome Leite, Rodrigo Vieira Incêndios florestais - Prevenção e controle Incêndios florestais - Sensoriamento remoto Aprendizado do computador Cerrados Fotointerpretação Florestal |
title_short |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
title_full |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
title_fullStr |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
title_full_unstemmed |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
title_sort |
Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome |
author |
Leite, Rodrigo Vieira |
author_facet |
Leite, Rodrigo Vieira |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/7383870179386699 |
dc.contributor.author.fl_str_mv |
Leite, Rodrigo Vieira |
dc.contributor.advisor1.fl_str_mv |
Amaral, Cibele Hummel do |
contributor_str_mv |
Amaral, Cibele Hummel do |
dc.subject.pt-BR.fl_str_mv |
Incêndios florestais - Prevenção e controle Incêndios florestais - Sensoriamento remoto Aprendizado do computador Cerrados |
topic |
Incêndios florestais - Prevenção e controle Incêndios florestais - Sensoriamento remoto Aprendizado do computador Cerrados Fotointerpretação Florestal |
dc.subject.cnpq.fl_str_mv |
Fotointerpretação Florestal |
description |
O Cerrado é a savana tropical com maior biodiversidade do mundo, caracterizada por uma variedade de estruturas de vegetação incluindo formações campestres e florestais. No entanto, a estabilidade do Cerrado tem sido ameaçada por mudanças antrópicas no regime natural de fogo. A gestão do material combustível da vegetação é uma das opções mais importantes que temos para reduzir os impactos negativos dos incêndios florestais na sociedade e no ambiente e amplificar os positivos na flora dependente do fogo. Grandes áreas como o Cerrado geralmente requerem sensores remotos para caracterizar combustíveis, especialmente aqueles a bordo de plataformas orbitais. Embora os sensores em plataformas orbitais Já existam há mais de 50 anos, novas oportunidades surgem com sensores lançados recentemente com características inéditas. No entanto, as propriedades do material combustível do Cerrado e seu potencial para serem caracterizadas com a nova geração de sensores ainda são pouco estudadas e, nesta tese, são apresentadas abordagens de sensoriamento remoto como mais um passo para ampliar a caracterização e monitoramento do material combustível no Cerrado. Esta dissertação está dividida em três capítulos, onde: i) o teor de umidade do combustível é predito usando espectroscopia foliar e algoritmos de aprendizado de maquina, ii) a carga de combustível é predita para toda a extensão do Cerrado usando dados lidar coletados a partir de aeronave não ocupada, aprendizado de máquina e dados do sensor espacial GEDI, recentemente lançado, e iii) uma revisão é apresentada sobre os novos sensores remotos espaciais com potencial para serem usados na caracterização das principais variáveis relacionadas ao material combustível para manejo integrado do fogo. Os resultados mostraram a aplicabilidade de dados de espectroscopia e lidar, aliados ao uso de modelos de aprendizado de máquina, na recuperação de características do combustível importantes para o manejo do fogo. Com o aumento da disponibilidade de dados de sensores com novas tecnologias e capacidades, que permitem a escalada de informação coletada em campo, sugere-se que estamos diante de uma nova era para o mapeamento e monitoramento de material combustível, o que é essencial para o desenvolvimento de programas de manejo integrado do fogo visando a preservação do e bioma Cerrado e outros ecossistemas semelhantes em todo o mundo. Palavras-chave: Risco de incêndio; Combustível vegetal; Espectroscopia, Lidar, GEDI, Aprendizado de máquina, Sensores satelitários |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-21 |
dc.date.accessioned.fl_str_mv |
2023-04-11T17:40:37Z |
dc.date.available.fl_str_mv |
2023-04-11T17:40:37Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
LEITE, Rodrigo Vieira. Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome. 2022. 106 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2022. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/30687 |
dc.identifier.doi.pt-BR.fl_str_mv |
https://doi.org/10.47328/ufvbbt.2022.798 |
identifier_str_mv |
LEITE, Rodrigo Vieira. Fuel characterization using remote sensing in support of large-scale wildfire management in the Cerrado biome. 2022. 106 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2022. |
url |
https://locus.ufv.br//handle/123456789/30687 https://doi.org/10.47328/ufvbbt.2022.798 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.publisher.program.fl_str_mv |
Ciência Florestal |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/30687/2/license.txt https://locus.ufv.br//bitstream/123456789/30687/3/texto%20completo.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 9b72171447e8f63fbfb1196e7747a8c0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212841656582144 |