Painel de controle da Amazônia

This page is also available in: English

O painel de controle da Amazônia rastreia incêndios individuais na região amazônica usando uma nova abordagem para agrupar e classificar as detecções de incêndio ativas (VIIRS) por tipo de incêndio (consulte os Métodos). Com base na localização, intensidade, duração e taxa de propagação do fogo, cada evento individual pode ser classificado como: incêndio de desmatamento, incêndio florestal de sub-bosque, pequena clareira e incêndio agrícola, ou incêndio na savana. Os dados e números resumidos são atualizados diariamente usando as detecções de incêndio ativas combinadas de instrumentos VIIRS, nos satélites Suomi-NPP e NOAA-20. 

Use o mapa para localizar incêndios em regiões específicas, incluindo ocorrências em áreas protegidas ou territórios indígenas, ou faça o download dos dados em formato shapefile para uma visão completa das atividades com fogo em 2020 na região de estudo do sul da Amazônia (0-25S).


FAQ / Métodos

O painel de controle da Amazônia é baseado em uma nova metodologia em tempo quase real (Andela et al., em revisão) para agrupar as detecções ativas de incêndio por satélite em eventos de incêndio individuais e classificar cada evento como um dos quatro tipos diferentes de incêndio da Amazônia. Diferenciamos incêndios de desmatamento, incêndios em florestas de sub-bosque, pequenas clareiras ou incêndios agrícolas, e incêndios em savanas e pastagens.

O algoritmo rastreia cinco métricas de comportamento de incêndio para cada incêndio individual. Essas métricas de comportamento do fogo são, subsequentemente, combinadas com informações sobre cobertura da terra e desmatamento histórico dentro do perímetro do fogo para identificar o tipo específico de fogo e o nível de confiança de cada evento (baixo, moderado, alto). Os métodos de classificação são explicados em mais detalhes abaixo. 

Os dados sobre incêndios individuais são atualizados diariamente para o hemisfério sul da América do Sul (0-25 ° S) e estão disponíveis em formato shapefile para uso em qualquer software GIS. A tabela de atributos do shapefile contém informações sobre cada evento de incêndio, incluindo tipo de incêndio, dados usados ​​pelo algoritmo para estimar o tipo de incêndio, bem como outras informações práticas para fins de gerenciamento de solo (Tabela 1).

Em caso de dúvidas, entre em contato com Niels Andela ou Douglas Morton.

Tabela 1: Tabela de atributos e unidades do Shapefile

Classe de AtributoAtributoExplicação / unidades
Classificação do tipo de fogocluster_ID Número identificador único de evento de incêndio, mudanças a cada atualização diária
fire_type(1) savana e pastagem, (2) pequena clareira e agricultura, (3) incêndio florestal (sub-bosque) e (4) incêndios de desmatamento
confidence(1) baixo, (2) moderado, (3) alto
Métricas usadas para caracterização do tipo de incêndiotree coverFração média da cobertura florestal dentro do perímetro (%) de Hansen et al. (2013)
biomassBiomassa média dentro do perímetro do fogo (ton ha-1 ) de Avitabile (2016)
deforestationFração (0-1) de células de grade de 550m com desmatamento histórico (2015-2019) dentro do perímetro de incêndio do INPE (2020)
sizeTamanho da área com fogo em km2
detectionsNúmero total de detecções de incêndio dentro do perímetro de incêndio
frpPotência radiativa média de incêndio (FRP) para todas as detecções de incêndio dentro do perímetro de incêndio em megawatts (MW)
persistencePersistência média de incêndio em células de grade de 550m dentro do perímetro de incêndio (dias)
progressionFração média de progressão de fogo em células de grade de 550m dentro do perímetro (0-1)
daytimeFração de detecções de 13:30 (0-1) para todas as detecções de incêndio dentro do perímetro de incêndio
Statusstart_DOYO dia do novo incêndio começa no dia do ano (1-366)
last_DOYDetecção ativa de incêndio mais recente dentro do perímetro de incêndio no dia do ano (1-366)
is_newNovo incêndio iniciado nas últimas 24 horas (1) ou incêndio existente (0)
is_activeO fogo estava ativo nos últimos 10 dias (1) ou não (0)
biomeO fogo está dentro (1) ou fora (0) do bioma Amazônia de acordo com RAISG
protectedFração (0-1) de incêndio ocorrendo dentro de área protegida ou terra indígena de acordo com RAISG

Rastreamento de incêndios florestais quase em tempo real

Um trabalho recente de Oliva and Schroeder (2015) mostrou que as detecções ativas de incêndio do Visible Infrared Imaging Radiometer Suite (Schroeder et al., 2014) podem ser usadas para mapear a área queimada de incêndios florestais lentos em tempo quase real. Aqui, combinamos as detecções de incêndio ativas diurnas e noturnas de 375 m dos sensores VIIRS a bordo dos satélites Suomi-NPP e NOAA20 (consulte FIRMS) para fornecer estimativas diárias de área queimada com resolução de 0,005° (~550 m).

Em seguida, usamos o algoritmo Global Fire Atlas (Andela et al., 2019) para rastrear o perímetro de incêndios florestais individuais em qualquer dia em toda a região. As comparações iniciais com mapas de áreas queimadas (que normalmente estão disponíveis com um atraso de 2-3 meses) indicam um bom acordo para ecossistemas florestais (por exemplo, desmatamento e incêndios no sub-bosque das florestas Amazônicas), mas as taxas de propagação de fogo em savanas e pastagens são normalmente muito rápidas para capturar toda área queimada com base apenas nas detecções de incêndio ativas. Isso resulta na fragmentação artificial de alguns polígonos de incêndio de savanas e pastagens em nosso conjunto de dados. Nosso principal objetivo, entretanto, é fornecer uma ferramenta de monitoramento aprimorada e identificação precoce dos tipos de incêndios florestais.

Identificando o tipo de fogo

Grandes incêndios florestais de vários dias contribuem para a maior parte da área global queimada e detecções ativas de incêndio (Andela et al., 2019).  Agregar detecções de incêndio ativas em eventos de incêndio individuais, portanto, fornece novos insights sobre a natureza de eventos maiores.

Para cada evento de incêndio, combinamos informações sobre a cobertura do solo (cobertura de árvores, biomassa, taxas históricas de desmatamento) dentro do perímetro do incêndio e características do incêndio (por exemplo, potência radiativa do fogo, persistência, progressão, fração de detecção diurna e tamanho) com base em todos detecções de incêndio por satélite dentro do perímetro maior. A combinação desses dados fornece uma assinatura única de cada tipo de incêndio que permite a classificação usando três intervalos de confiança (baixo, moderado e alto).

Os incêndios de desmatamento normalmente têm alto poder radiativo inicial de fogo, pois os detritos lenhosos empilhados levam a uma maior liberação de energia e longa persistência de fogo, uma vez que essas pilhas podem arder por dias. Em contraste, os incêndios florestais no sub-bosque se espalham lentamente por semanas ou meses, com menor FRP que leva a uma fração maior de detecções noturnas de incêndio. 

Por exemplo, durante 2019, o evento médio de incêndio no sub-bosque desencadeou 54 detecções de fogo ativo e queimou 5,1 km2.Pequenos incêndios em sistemas florestais (cobertura de árvores> 50% e menor ou igual a 5 detecções de incêndio) foram classificados como pequenos desmatamentos ou incêndios agrícolas, uma ampla classe que abrange uma variedade de pequenos tipos de incêndios com curta duração. 

Para separar o fogo em savanas e pastagens de outros tipos de fogo, combinamos informações sobre a fração de cobertura de árvores e taxas históricas de desmatamento dentro do perímetro do fogo.

Desenvolvimento futuro

A metodologia atual foi desenvolvida com base na temporada de incêndios de 2019 e os limites foram selecionados com base em dados históricos de desmatamento (2014 – 2018) e um número (77) de incêndios de sub-bosque selecionados manualmente. Os métodos estão em desenvolvimento ativo, pois ainda estamos aguardando feedback sobre nosso manuscrito e estamos atualmente colaborando com vários parceiros do projeto SERVIR Amazônia para melhorar ainda mais o treinamento regional do algoritmo. Portanto, recomendamos tratar os dados como uma estimativa inicial e encorajar os usuários a avaliar criticamente os dados com base em seus próprios conhecimentos regionais. Entre em contato com Niels Andela com qualquer sugestão de melhorias no algoritmo.

Referências