O artigo A multi-temporal dataset for mapping burned areas in the Brazilian Cerrado using time series of remote sensing imagery (tradução: Um conjunto de dados multitemporais para o mapeamento de áreas queimadas no Cerrado Brasileiro utilizando séries temporais de imagens de sensoriamento remoto) foi publicado em 17/fev/25  na revista Big Earth Data, da editora Taylor & Francis.

O estudo foi conduzido pelo doutorando Alisson Cleiton de Oliveira e pelo pesquisador Thales Sehn Körting, ambos da Divisão de Observação da Terra e Geoinformática (DIOTG), do Instituto Nacional de Pesquisas Espaciais (INPE), e do Programa de Pós-Graduação em Sensoriamento Remoto (PGSER). O trabalho apresenta um conjunto de dados multitemporais (dataset) processados de imagens de sensoriamento remoto, e combina imagens dos três satélites brasileiros do INPE para mapear áreas queimadas no Parque Nacional da Chapada dos Veadeiros, em Goiás, abrangendo os anos de 2020 a 2022.

O dataset inclui bandas espectrais (azul, verde, vermelho e infravermelho próximo) e índices espectrais derivados do sensor WFI dos satélites CBERS-4A, CBERS-4 e AMAZONIA-1. Para a análise, foi aplicado o classificador Random Forest, permitindo o desenvolvimento e a validação de modelos baseados em amostras rotuladas como totalmente queimadas (TB), parcialmente queimadas (PB) e não queimadas (NB). Foi empregado, também, o produto mensal MCD64A1 do MODIS (Moderate Resolution Imaging Spectroradiometer), que é um sensor a bordo dos satélites Terra e Aqua da NASA, para validação e comparação dos resultados.

Foram testadas duas abordagens de classificação: uma binária, diferenciando apenas entre áreas queimadas (BA) e não queimadas (NB), e outra que distingue áreas TB, PB e NB como classes independentes. Sete abordagens de validação foram implementadas, considerando diferentes combinações pós-classificação, com foco em métricas como acurácia, precision, recall e IoU (Intersection over Union). Os resultados indicaram maior correspondência quando as classes TB, PB e NB foram utilizadas como rótulos individuais na construção dos modelos de inteligência artificial (IA), e que os resultados melhoram quando num estágio de pós-classificação as classes PB e NB são agrupadas como "área não queimada", mantendo-se TB como a única representante da classe "área queimada".

O estudo visa explorar o potencial do sensor WFI no mapeamento de áreas queimadas sem a utilização da banda do SWIR e sugere futuras abordagens com outros algoritmos de IA para aprofundar a análise do potencial e das limitações do conjunto de dados. O dataset é público e pode ser acessado no link <https://doi.org/10.57760/sciencedb.14040>, e sua elaboração foi financiada parcialmente pela FAPESP (#2023/09118-6) e pelo CNPq (#302205/2023-3).

O artigo pode ser acessado livremente em: https://www.tandfonline.com/doi/full/10.1080/20964471.2025.2463731

 Figura: Local do estudo: Parque Nacional da Chapada dos Veadeiros, no Estado de Goiás.