Modelo preditivo de recuperação da vegetação afetada por incêndios florestais

• Main Author: Reis, Rui Paulo Marques dos Santos
• Publication Date: 2019
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.21/12319
• topic: Fogo florestal; Wildfire; Deteção remota; Remote sensing; NDVI; Google Earth Engine; Python; Python

Nos últimos anos, a ocorrência de fogos florestais em Portugal tem causado danos patrimoniais, destruição de habitats e, tragicamente, a perda de vidas humanas. A estimativa da taxa de recuperação da vegetação numa área ardida é possível utilizando dados de deteção remota e, nomeadamente, o Índice de Diferenças Normalizadas de Vegetação (NDVI). Partindo de metodologias já definidas em trabalhos anteriores, propõe-se um procedimento que integre diversas fontes de dados cuja natureza permite melhorar os modelos preditivos existentes e não exige o conhecimento do histórico da vegetação no período anterior ao incêndio, usando em alternativa o comportamento de uma zona geometricamente adjacente como referencial o que se apresenta como uma importante vantagem no que se refere às necessidades de informação disponível. Foram utilizados dados recolhidos pela missão Sentinel 2 e o Google Earth Engine, como plataforma de desenvolvimento, na concretização da metodologia o que é, tanto quanto se conhece, uma técnica inovadora dada a escassez de trabalhos publicados nesta temática. Deste trabalho resulta também uma biblioteca de código Python reutilizável, que suporta a interação com o Google Earth Engine na extração de dados agregados. Como prova de conceito, o modelo é aplicado às áreas afetadas pelos incêndios de 2017 de Pedrogão Grande e Mata Nacional de Leiria.