Detecção de queimadas agrícolas no Estado do Acre através do GEE e QGis

Abstract

Este estudo visou testar quatro classificadores supervisonados para mapeamento de cicatrizes de queimadas agropecuárias, avaliando a razão tempo-qualidade acuracia. Na última década, enquanto a taxa de desmatamento caiu, o número de focos de calor aumentou em toda a Amazônia. O monitoramento das queimadas tem sido baseado em focos pontuais de calor da superfície, o que não permite estimar o tamanho da área impactada pelo fogo, muito embora sejam importantes dados para acompanhamento da localização e tendência temporal de focos ativo. Com a evolução do processamento de imagens em nuvem, como a plataforma Google Earth Engine (GEE), é possível detectar e monitorar a área impactada pelo fogo de forma agil e rápida. Entretanto, é necessário testar algoritmos para ter balanço entre os erros de comissão e omissão do produto final. Para tanto, testamos a classificação em ambiente físico por meio do QGis e em ambiente de nuvem pelo GEE. Os algoritmos testados foram: máxima verossimilhança, árvore de decisão (CART), random forest e distância mínima. Avaliamos o tempo gasto em cada classificação (minutos) da cena 005/066 do Landsat 8, considerando um computador com Corel-i7, placa de vídeo-Nvidia e RAM 8GB-DDR3. Utilizamos quatro classes: floresta, desmatamento, queimadas e corpos da água, com 20 amostras para cada classe. O tempo gasto no Qgis foi de 90 min: 40 minutos para realizar o download da imagem, 13 minutos para as amostragens das classes e 37 minutos para calcular com o algoritmo. No GEE, o tempo gasto foi de 27 min: 6 minutos para as amostragens, 1 minuto para calcular com o algoritmo e 20 minutos para download da classificação. O algoritmo como melhor resultado foi distância mínima, principalmente devido a menor confusão e erros de comissão com as classes de água e desmatamento. O processamento em nuvem foi uma grande evolução do processamento digital de imagens de satélite, proporcionando menor tempo de processamento e diversidade de algoritmos para classificação. Produtos de queimadas são uma importante fonte de informação para tomadores de decisão em salas de situação, fiscalização e campanhas agrícolas, além da inserção deste produto em plataformas como TerraMA2.