@Article{PenhaKöFoSiPlAnMo:2020:BuArDe,
               author = "Penha, Thales Vaz and K{\"o}rting, Thales Sehn and Fonseca, Leila 
                         Maria Garcia and Silva J{\'u}nior, Celso Henrique Leite and 
                         Pletsch, Mikhaela Alo{\'{\i}}sia J{\'e}ssie Santos and 
                         Anderson, Liana Oighenstein and Morelli, Fabiano",
          affiliation = "{Universidade de S{\~a}o Paulo (USP)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)} and {Instituto Nacional de Pesquisas Espaciais (INPE)} and 
                         {Centro Nacional de Monitoramento e Alertas de Desastres Naturais 
                         (CEMADEN)} and {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)}",
                title = "Burned area detection in the brazilian Amazon using spectral 
                         indices and GEOBI",
              journal = "Revista Brasileira de Cartografia",
                 year = "2020",
               volume = "72",
               number = "2",
                pages = "253--269",
             keywords = "Fires mapping. Tropical forest. Landsat-8 OLI. Sentinel-2A MSI, 
                         Mapeamento de {\'a}reas queimadas. Floresta tropical. Landsat-8 
                         OLI. Sentinel-2A MSI.",
             abstract = "Mapping refined burned areas (BA) in the Brazilian Amazon is still 
                         a challenge. The main difficulty of BA detection in large areas is 
                         the presence of cloud cover and water bodies. The use of different 
                         data sources of medium spatial resolution satellite images can 
                         provide a higher availability of cloud-free images. Besides that, 
                         it may decrease the uncertainties associated with coarse spatial 
                         resolution data (>250m), which can under or overestimate BA and 
                         hinder the detection of small BA patches (<0.1km²). In this study, 
                         we propose an innovative methodology based on spectral indices and 
                         geographic object-based image analysis (GEOBIA), using medium 
                         spatial resolution images to improve BA detection in the Brazilian 
                         Amazon region. Firstly, we assessed the performance of nine 
                         spectral indices in two study areas, derived from Landsat-8 OLI 
                         and Sentinel-2A MSI data to identify the most suitable index for 
                         BA detection in this region. Then, we refined this data through 
                         the GEOBIA-based model. The results showed that the Burned Area 
                         Index (BAI) was the most suitable index for BA mapping (M index 
                         >1.5) for both sensors. Our model allowed detecting more than 80% 
                         of small BA and also presented high Dice coefficient values 
                         (~0.70) with low omission and commission errors (0.22 and 0.32, 
                         respectively). Such combined approach corresponds to a novel 
                         contribution to the BA detection in the Brazilian Amazon region 
                         and for enhancing the operational product generation. RESUMO: O 
                         mapeamento refinado de {\'a}reas queimadas (AQ) na Amaz{\^o}nia 
                         brasileira ainda {\'e} um desafio. A principal dificuldade na 
                         detec{\c{c}}{\~a}o de AQ para grandes {\'a}reas {\'e} a 
                         presen{\c{c}}a de nuvens e corpos h{\'{\i}}dricos. A 
                         utiliza{\c{c}}{\~a}o de diferentes fontes de dados de imagens de 
                         sensoriamento remoto de m{\'e}dia resolu{\c{c}}{\~a}o espacial 
                         pode fornecer uma maior disponibilidade de imagens livres de 
                         nuvens, al{\'e}m de reduzir as incertezas associadas aos dados de 
                         resolu{\c{c}}{\~a}o espacial grosseira (>250m), os quais podem 
                         subestimar ou superestimar AQ e dificultar a detec{\c{c}}{\~a}o 
                         de AQ pequenas (<0,1km²). Neste estudo, propomos uma metodologia 
                         inovadora baseada no uso de {\'{\i}}ndices espectrais e 
                         an{\'a}lise de imagem baseada em objetos geogr{\'a}ficos 
                         (GEOBIA), usando imagens de m{\'e}dia resolu{\c{c}}{\~a}o 
                         espacial para melhorar a detec{\c{c}}{\~a}o de AQ em {\'a}reas 
                         teste na Amaz{\^o}nia. Primeiramente, avaliamos o desempenho de 
                         nove {\'{\i}}ndices espectrais em duas {\'a}reas de estudo 
                         obtidos a partir de cenas do Landsat-8 OLI e Sentinel-2A MSI para 
                         identificar o {\'{\i}}ndice mais adequado para a 
                         detec{\c{c}}{\~a}o de AQ. Em seguida, refinamos esses dados 
                         atrav{\'e}s do modelo baseado em GEOBIA. Os resultados mostraram 
                         que o {\'{\I}}ndice de {\'A}rea queimada (BAI) foi o mais 
                         adequado para o mapeamento de AQ ({\'{\i}}ndice M>1,5) para 
                         ambos os sensores. Nosso modelo permitiu detectar mais de 80% das 
                         AQs pequenas (<1 km²) e tamb{\'e}m apresentou altos valores de 
                         coeficiente Dice (~0,70) com baixos erros de omiss{\~a}o e 
                         comiss{\~a}o (0,22 e 0,32, respectivamente). Essa abordagem 
                         integrada correspondeu a uma contribui{\c{c}}{\~a}o in{\'e}dita 
                         para a detec{\c{c}}{\~a}o de AQs na regi{\~a}o amaz{\^o}nica e 
                         para o aprimoramento da gera{\c{c}}{\~a}o de produtos 
                         operacionais.",
                  doi = "10.14393/rbcv72n2-48726",
                  url = "http://dx.doi.org/10.14393/rbcv72n2-48726",
                 issn = "0560-4613 and 1808-0936",
             language = "en",
           targetfile = "penha_burned.pdf",
        urlaccessdate = "18 abr. 2024"
}