Aplicação do Landsat 8 OLI na avaliação da carga e umidade do material combustível superficial do cerrado campestre, Jalapão, Tocantins, Brasil

Abstract

Resumo: O manejo eficaz do fogo no bioma Cerrado requer informações precisas sobre a carga e a umidade do combustível superficial, sendo essencial para o adequado manejo do combustível e para a tomada de decisões sobre queimas prescritas. Porém, técnicas e ferramentas para estimativas espaciais e temporais precisas desses parâmetros ainda são bastante escassas, principalmente em áreas campestres do Cerrado. A utilização de produtos de sensoriamento remoto, apresenta-se como uma solução promissora para suprir essa necessidade, permitindo a obtenção de informações de maneira eficiente e com menores custos. O presente estudo teve como principais objetivos: (1) avaliar a relação entre os produtos de Landsat 8 OLI e a carga e umidade do combustível superficial em áreas campestres do Cerrado durante a estação seca; (2) ajustar equações de regressão linear múltipla para estimar a carga de combustível; (3) estimar a carga de material combustível através dos algoritmos Random Forest e k-Nearest Neighbors (k-NN) e comparar com as estimativas realizadas pelas análises de regressão; e (4) determinar a importância das variáveis preditoras derivadas das imagens de satélite. O estudo foi conduzido na Estação Ecológica Serra Geral do Tocantins durante a estação seca (maio, junho, agosto e setembro), onde foram coletadas 64 unidades amostrais, com um distanciamento mínimo de 100 metros entre si. Para cada parcela de campo, foram extraídos valores medianos de uma janela de 3 x 3 pixels ao redor do pixel de referência. As análises de correlação linear de Pearson foram realizadas para avaliar a relação entre os dados de campo e as variáveis independentes derivadas das imagens de satélite. Adicionalmente, foram ajustados modelos de regressão linear múltipla, e algoritmos de Random Forest e k- NN foram aplicados para estimar a carga de combustível. Os resultados obtidos mostraram que as correlações mais fortes entre as variáveis de sensoriamento remoto e a carga e umidade do material combustível foram observadas para o combustível Herbáceo Morto. As correlações superiores incluíram a fração solo (r = -0,81 para carga e r = -0,60 para umidade) e a reflectância na região do infravermelho próximo (r = -0,68 para carga e r = -0,61 para umidade). Entre os índices de vegetação, os mais relevantes foram o MSI (r = 0,77 para carga e r = 0,47 para umidade), NDII6 e GVMI (ambos com r = -0,77 para carga), e correlações negativas com DER23 (r = -0,57) e MNDWI (r = -0,56) para umidade. Os modelos Random Forest apresentaram valores de R² variando de 0,52 a 0,83, superando as análises de regressão linear múltipla, cujos R² variaram de 0,63 a 0,78 e os valores de R² do algoritmo k-NN que variaram de 0,30 a 0,68. Pode-se concluir que o uso de dados de Landsat 8 OLI, especialmente através do algoritmo Random Forest, melhora significativamente a precisão das estimativas de carga de combustível superficial no Cerrado. As variáveis que exerceram maior influência nas estimativas foram a fração solo e os índices de vegetação que utilizam canais do infravermelho próximo e infravermelho de ondas curtas. Desta maneira, o sensoriamento remoto se mostra uma ferramenta de considerável importância para o manejo do fogo e a gestão de recursos naturais no Cerrado, oferecendo uma metodologia eficiente e economicamente viável para monitorar características do combustível superficial.

Abstract: Effective fire management in the Cerrado biome requires accurate information about surface fuel load and moisture, essential for adequate fuel management and decisionmaking about prescribed burns. However, techniques and tools for precise spatial and temporal estimates of these parameters still need to be available, especially in rural areas of the Cerrado. Using remote sensing products presents a promising solution to meet this need, allowing information to be obtained efficiently and at lower costs. The main objectives of the present study were: (1) to evaluate the relationship between Landsat 8 OLI products and surface fuel load and moisture in grassland areas of the Cerrado during the dry season; (2) fit multiple linear regression equations to estimate fuel load; (3) estimate the load of combustible material using the Random Forest and k-Nearest Neighbors (k-NN) algorithms and compare with the estimates made by regression analyses; and (4) determine the importance of predictor variables derived from satellite images. The study was conducted at the Serra Geral do Tocantins Ecological Station during the dry season (May, June, August, and September). Sixtyfour sampling units were collected, with a minimum distance of 100 meters between them. For each field plot, median values were extracted from a 3 x 3 pixel window around the reference pixel. Pearson linear correlation analyses evaluated the relationship between field data and independent variables derived from satellite images. Multiple linear regression models were also fitted, and Random Forest and k- NN algorithms were applied to estimate the fuel load. The results showed that the strongest correlations between the remote sensing variables and the load and moisture of the fuel material were observed for the Dead Herbaceous fuel. Top correlations included soil fraction (r = -0.81 for load and r = -0.60 for moisture) and near-infrared reflectance (r = -0.68 for load and r = -0.61 for moisture). Among the vegetation indices, the most relevant were MSI (r = 0.77 for load and r = 0.47 for humidity), NDII6 and GVMI (both with r = -0.77 for load), and negative correlations with DER23 (r = -0.57) and MNDWI (r = -0.56) for humidity. The Random Forest models presented R² values ranging from 0.52 to 0.83, surpassing the multiple linear regression analyses, whose R² varied from 0.63 to 0.78, and the R² values of the k-NN algorithm varied from 0.30 to 0.68. The study concludes that using Landsat 8 OLI data, primarily through the Random Forest algorithm, significantly improves the accuracy of surface fuel load estimates in the Cerrado. The variables that significantly influenced the estimates were the soil fraction and vegetation indices using near-infrared and short-wave infrared channels. In this way, remote sensing proves to be a tool of considerable importance for fire management and natural resource management in the Cerrado, offering an efficient and economically viable methodology for monitoring surface fuel characteristics.