EOS Platform para monitoramento das florestas da Amazônia
Na era dos dados em nuvem, a análise online de imagens de satélite se tornou uma realidade. Com as soluções em nuvem como a EOS Platform, ENVI e o software Erdas Imagine não são mais as únicas opções.
Esta nova plataforma GIS (Sistema de Informação Geográfica) contém 4 ferramentas que cobrem as tarefas relacionadas aos dados geoespaciais, desde detecção remota básica até processamento de imagem de última geração. Ela permite o fluxo ininterrupto de análise e é compatível com a maioria dos tipos de detecção remota e formatos de dados.
Para o Brasil, terceiro país com a maior floresta do mundo e que enfrenta perda florestal e degradação severos por conta de desmatamentos e mudanças climáticas, a EOS Platform pode fornecer um auxílio considerável no monitoramento de saúde e extração de madeira, rastreamento de clareiras ilegais e avaliação de danos causados por incêndios.
Monitoramento de Incêndios Florestais
Com o aumento global da temperatura do ar, milhões de acres de florestas são destruídos em incêndios causados por ondas de calor e práticas humanas. Para o Brasil, onde a seca causada pelo El Niño em 2015 resultou em um aumento de 36% nos incêndios florestais em relação aos doze anos anteriores, torna-se essencial a pronta identificação de incêndios, a avaliação de danos e o monitoramento de regeneração pós incêndio. A mudança climática que leva a secas frequentes, juntamente com o desmatamento histórico na bacia amazônica e as técnicas humanas de limpeza de território para pastagem criam as condições ideais para a ignição.
Os incêndios ocorrem mais frequentemente entre julho e outubro no Brasil, sendo que o pico ocorre em setembro. Em 2017, os incêndios de setembro foram particularmente graves. Outubro trouxe chamas mais devastadoras, especialmente nos territórios indígenas Kayapó e Xikrin, que perderam um total de 34 mil hectares. Uma área muito maior (54 mil hectares) foi queimada no Parque Nacional da Chapada dos Veadeiros no mesmo mês.
Para estimar os danos, nós pegamos um par de imagens do Landsat 8 sobre a bacia do rio
Ribeirão das Brancas (a sudeste do Parque) e calculamos a Proporção Normalizada de Queimada (NBR) no LandViewer. As áreas queimadas aparecem em tons de laranja, com vermelho indicando os pontos onde ainda há fogo ativo. Altos valores de NBR (em tons de verde) representam áreas de vegetação sobrevivente.
As análises de incêndio com base em NBR podem ser realizadas com imagens de satélite que contenham as bandas quase infravermelho (NIR) e infravermelho de ondas curtas (SWIR), como Landsat 7, Sentinel-2, etc. O LandViewer fornece acesso a todas essas coleções de imagens e também permite o carregamento de imagens próprias por meio do EOS Storage em nuvem. Esses dados podem ser usados posteriormente para criar um mapa de severidade de queimada ou mensurar a área exata utilizando uma ferramenta de desenho e a função de AOI (Área de Interesse). Para monitorar a recuperação da vegetação e estimar a mortalidade é importante repetir a análise NBR da área afetada durante a próxima temporada de crescimento.
Além da NBR, vários compostos RGB podem ser criados para visualizar incêndios florestais e cicatrizes de queimadas. Esta imagem infravermelha de ondas curtas mostra a área carbonizada em preto e o incêndio contínuo – em vermelho vivo. A combinação de banda de cores falsas também é uma boa alternativa.
Avaliação de Desmatamento e Danos Causados por Incêndio
A mudança climática global é o efeito mais perigoso do desmatamento, o que pode levar ao desaparecimento total das florestas tropicais em menos de 100 anos. As organizações ambientais do mundo todo aplicam as técnicas GIS para criar mapas atuais das mudanças e usos das florestas, e tomar contramedidas para impedir o desmatamento ilegal.
As tendências de perdas de florestas podem ser melhor observadas com uma análise multi-temporal de imagens de satélite, ou seja, ao comparar duas imagens da mesma floresta feitas em épocas diferentes. A Barra de Comparação do LandViewer pode ser útil para visualizar as diferenças entre elas e estimar visualmente a escala de desmatamento ou qualquer outro dano.
No entanto, para mapear e avaliar precisamente os danos causados por desmatamentos, incêndios ou degradação natural de uma floresta, a detecção automática de mudança tem provado ser muito mais eficiente.
A ferramenta do EOS Processing oferece uma variedade de algoritmos de processamento de imagem desenvolvidos e validados por meio de casos de uso. O algoritmo de Detecção de Mudança da EOS, aplicado a um par de imagens aéreas ou de satélite tiradas antes e depois do evento, destacará os contornos exatos da área desmatada ou queimada, respectivamente.
Essas são as imagens do Sentinel-2 sobre Floresta Nacional do Trairão, no estado do Pará – um dos territórios mais afetados da bacia amazônica que fica dentro do infame ‘arco de desmatamento’. As últimas figuras mostram que a tendência de queda no desmatamento foi revertida conforme enormes áreas foram desmatadas ilegalmente a partir do verão de 2017.
Isso é claramente visível na imagem de cor natural datada de agosto de 2018: comparada com julho de 2016, muitas áreas de verde claro e marrom apareceram, o que é um indicativo de perda parcial ou completa de cobertura de árvores.
Com a ajuda do algoritmo de detecção de mudança da EOS, que identifica mudanças a partir de imagens em espectros RGB e NIR, nós recebemos uma terceira imagem (camada vetorial/raster) que destaca as áreas exatas do desmatamento.
A análise completa pode ser feita em um curto período de tempo, devido à integração mútua de todas as ferramentas da EOS Platform: encontre as imagens no LandViewer e calcule o índice, salve-as no EOS Storage e proceda diretamente ao EOS Processing para extrair os dados analíticos.
A EOS Platform está disponível grátis para o uso online em https://eos.com/platform
* Este é um guest post da EOS. A responsabilidade sobre texto e fontes são inteiramente do autor.
