@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"
}