Aqui apresentamos um resumo do método desenvolvido e aplicado na Coleção 2 do mapeamento das cicatrizes de fogo do Brasil (1985-2022).
Para maiores detalhes metodológicos acesse o ATBD (Documento Base da Teoria do Algoritmo) neste LINK.

1. CARACTERÍSTICAS GERAIS

Todo o mapeamento de cicatrizes de fogo no Brasil foi baseado em mosaicos de imagens dos satélites Landsat com resolução espacial de 30 metros. O período de mapeamento foi de 1985 a 2022, com dados mensais e anuais de cicatrizes de queimada cobrindo todo o território brasileiro.
Todo processo foi feito de forma colaborativa entre instituições do MapBiomas e com inteligência artificial a partir do uso de algoritmos de aprendizagem de máquina (deep learning) na plataforma Google Earth Engine e Google Cloud Storage que oferecem imensa capacidade de processamento em nuvem.
O trabalho foi organizado por biomas e regiões, com coleta de amostras em áreas queimadas e não queimadas para treino do algoritmo por regiões, além do uso de mapas de referência, como de áreas queimadas do produto do MODIS (MCD64A1 – https://lpdaac.usgs.gov/products/mcd64a1v006/) de 500 m de resolução espacial e dados de focos de calor do INPE (https://queimadas.dgi.inpe.br/).

2. VISÃO GERAL DO MÉTODO

A primeira etapa consiste na definição das regiões por bioma para classificação. Já a segunda etapa consiste na construção dos mosaicos anuais para classificação, e a terceira etapa na coleta de amostras de treinamento de áreas queimadas e não queimadas nos mosaicos de imagens Landsat na plataforma Google Earth Engine. Para a etapa de classificação foi usada a plataforma Google Cloud Storage Bucket, onde foram armazenados os mosaicos para classificação e as amostras de treinamento, além da utilização de máquinas virtuais para o processamento dos algoritmos de classificação.
O diagrama abaixo ilustra as principais etapas e plataformas usadas no processo de classificação das cicatrizes de fogo no Brasil.

2.1. DEFINIÇÃO DE REGIÕES POR BIOMA

Para cada bioma foram definidas regiões para as coletas de amostras de treinamento e a classificação de áreas queimadas por região, com objetivo de obter uma classificação mais precisa com base em fatores edafoclimáticas e da vegetação regional. As seguintes regiões foram definidas para cada bioma:

2.2. MOSAICOS ANUAIS 

A classificação foi realizada usando mosaicos de refletância de superfície (SR) USGS Landsat Collection 2 (Tier 1) (30m × 30 m) construídos para cada ano de 1985 a 2022. Foram considerados todos os anos Landsat 5 disponíveis (de 1985 a 2011), Landsat 7 (1999 a 2012) e Landsat 8 (2013 a 2022), com intervalo de retorno de 16 dias.

2.3. COLETA DE AMOSTRAS

Esta etapa consiste na coleta de polígonos de amostras de treinamento de áreas queimadas e não queimadas nos mosaicos anuais Landsat para cada região dos biomas e para cada sensor (Landsat 05/Landsat 07 e Landsat 08).
Dessa forma, obteve-se um conjunto amostral por sensor e para as 28 regiões do Brasil, para serem usadas no treinamento do modelo de classificação.

2.4. CLASSIFICAÇÃO

O modelo de classificação utilizado foi o Deep Neural Network (redes neurais profundas) que consiste em modelos computacionais baseados em cálculos matemáticos capazes de realizar o aprendizado de máquina e reconhecimento de padrões visuais.
O algoritmo de mapeamento das áreas queimadas consistiu em duas fases: treinamento e predição. Com base nas amostras de treinamento de áreas queimadas e não queimadas, as seguintes bandas espectrais foram usadas como entrada para o modelo de classificação de áreas queimadas: vermelho (VERMELHO – 0,65 µm), infravermelho próximo (NIR – 0,86 µm) e infravermelho de ondas curtas (SWIR 1 – 1,6 µm e SWIR 2 – 2,2 µm). Essas bandas espectrais do Landsat foram escolhidas com base em sua sensibilidade a eventos de fogo.  A entrada dos dados de treinamento foi dividida em dois conjuntos: 70% das amostras utilizadas para treinamento e 30% para teste.

2.5. PÓS-CLASSIFICAÇÃO

Após treinar e testar o modelo, a classificação foi aplicada com imagens Landsat quinzenais para todo o período de análise (1985 a 2022). Um filtro espacial foi aplicado para remoção de ruído e preencher pequenas lacunas vazias: áreas menores ou iguais a 1,4 hectares (16 pixels) foram removidas, e lacunas vazias menores ou iguais a 5,8 ha (64 pixels) foram preenchidos como áreas queimadas.
Após avaliação dos resultados da classificação, foram também aplicados filtros de pós classificação removendo pixels que estavam nas seguintes classes de cobertura e uso da terra da Coleção 7 do MapBiomas nos biomas:

• Caatinga: Afloramento Aquático e Rochoso;
• Cerrado: Água e Área urbanizada;
• Mata Atlântica: Água, Área Urbanizada, Arroz, Mineração, Soja; Cultura Temporária, Cana-de-Açúcar e Outras Culturas Temporárias
• Pampa: Arroz, Soja, Outras Culturas Temporárias, Mosaico de Usos, Área Urbanizada e Água;
• Pantanal: Água, Soja, Algodão e Outras Culturas Temporárias;

Para obter a informação do mês em que a cicatriz de fogo foi mapeada, foi realizado um processamento de pós-classificação para recuperar a informação da data do pixel que foi queimado, a partir da data do pixel em que o mosaico anual foi construído.

2.6. AVALIAÇÃO DA CLASSIFICAÇÃO

Avaliações da classificação de cicatrizes de fogo foram realizadas com imagens Landsat, com inspeção visual, estatísticas e relação com uso e cobertura da terra do MapBiomas, além de comparação com mapas de referência (MapBioms Fire Collection 1, MODIS, INPE, GABAM, FIRMS, FireCCi, hotspots).