Repository logo
 
Publication

Modelo preditivo de recuperação da vegetação afetada por incêndios florestais

2019-12-17Master thesis Open access
Simple item page
dc.contributor.advisorPato, Matilde Pós-de-Mina
dc.contributor.advisorDatia, Nuno Miguel Soares
dc.contributor.authorReis, Rui Paulo Marques dos Santos
dc.date.accessioned2020-11-02T19:12:49Z
dc.date.available2020-11-02T19:12:49Z
dc.date.issued2019-12-17
dc.descriptionDissertação para obtenção do grau de mestre em Engenharia Informática e de Computadorespt_PT
dc.description.abstractNos 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.pt_PT
dc.description.abstractIn recent years, wildfires in Portugal lead to property damage, natural habitat destruction and the loss human lives. The vegetation recovery rate can be estimated using remote sensing data, in particular the often-used Normalized Difference Vegetation Index (NDVI). Taking advantage of methodologies set in previous work, by other authors, the proposed model relies on the integration of several data sources that leverage the existing estimators and will not be constrained by the availability of historical knowledge of the vegetation normal behavior prior to the wildfire episode. Instead, it will use the behavior of a geometrically neighboring area as a baseline. The fact that this method does not depend on the existence of historical data presents itself as a major advantage. The model was implemented using Sentinel 2 mission data and the Google Earth Engine platform, which is, to the author’s knowledge, a novel technique given the shortage of publications citing their usage. This work also produced a Python reusable library, which supports interaction with Google Earth Engine while extracting aggregate data. As a proof-of-concept, the model implementation will be applied to two areas affected by the 2017 wildfires: Pedrogão Grande and Mata Nacional de Leiria.pt_PT
dc.description.versionN/Apt_PT
dc.identifier.citationREIS, Rui Paulo Marques dos Santos - Modelo preditivo de recuperação da vegetação afetada por incêndios florestais. Lisboa: Instituto Superior de Engenharia de Lisboa, 2019. Dissertação de mestrado.pt_PT
dc.identifier.tid202533751
dc.identifier.urihttp://hdl.handle.net/10400.21/12319
dc.language.isoporpt_PT
dc.peerreviewedyespt_PT
dc.publisherInstituto Superior de Engenharia de Lisboapt_PT
dc.subjectFogo florestalpt_PT
dc.subjectWildfirept_PT
dc.subjectDeteção remotapt_PT
dc.subjectRemote sensingpt_PT
dc.subjectNDVIpt_PT
dc.subjectGoogle Earth Enginept_PT
dc.subjectPythonpt_PT
dc.subjectPythonpt_PT
dc.titleModelo preditivo de recuperação da vegetação afetada por incêndios florestaispt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Dissertação.pdf
Size:
6.67 MB
Format:
Adobe Portable Document Format
Download

Collections

ISEL - Eng. Elect. Tel. Comp. - Dissertações de Mestrado