Saltar para o conteúdo principal
foRESTER

foRESTER - Data fusion of sensor networks and fire spread modelling for decision support in forest fire suppression

Estado do projeto
Em curso
Financiamento
Fundação para a Ciência e Tecnologia
Prazo de execução
março 2019 - janeiro 2023
Participantes

Instituto de Desenvolvimento de Novas Tecnologias (UNINOVA/FCTUNL/UNL) (coordenação), Direção-Geral do Território (DGT), Instituto Superior de Agronomia (ISA/ULisboa), NOVA Information Management School (NOVA IMS) (NOVA IMS/UNL), Universidade de Aveiro (UA), Centro de Tecnologias e Sistemas (CTS/UNINOVA/FCTUNL/UNL), Centro de Estudos do Ambiente e do Mar (CESAM/UA), Centro de Estudos Florestais (CEF/ISA/ULisboa), Centro de Investigação em Gestão de Informação (MagIC).

Equipa

Mário Caetano, Hugo Costa, Pedro Benevides.

Objetivo

Criar uma rede sensorial de baixo custo utilizando novas tecnologias de sistemas de informação para apoiar a tomada de decisões no contexto do combate ao fogo. O projeto será construído com base na experiência obtida com o MacFIRE, fornecendo ao sistema de apoio à decisão mais informação para os comandantes operacionais.

Resultados esperados
  • Desenvolver um módulo multissensor de baixo custo usando uma interface sensor-to-digital com eficiência energética e uma unidade de gestão de energia dedicada com processamento avançado de imagens do incêndio comunicações periódicas com o sistema de apoio à decisão (SAD).
  • Produzir mapas atualizados de ocupação e uso do solo antes e durante a época de incêndio, para serem usados pelo simulador de propagação de incêndio e fornecer imagens de satélite atualizadas com super-resolução para serem integradas no SAD.
  • Compilar os dados de entrada e quantificar a incerteza associada às variáveis-chave e realizar previsões de propagação de incêndio em tempo quase real, fornecendo mapas simples da probabilidade e intensidade do fogo.
Publicações

Teses de mestrado

Silva, N., 2021. Using LUCAS survey and Recurrent Neural Networks to produce LCLU classification based on a Satellite Image time series of Sentinel-2. Dissertation submitted in partial fulfilment of the requirements for the degree of Master of Science in Information Management at NOVA IMS. 22 de junho 2021.

Hernández, I., 2020. Landcover and crop type classification with intra-annual times series of sentinel-2 and machine learning at central Portugal. Dissertation submitted in partial fulfilment of the requirements for the degree of Master of Science in Geospatial Technologies at NOVA IMS. 28 de fevereiro 2020.

Artigos publicados

Moraes, D.; Benevides, P.; Costa, H.; Moreira, F. D.; Caetano, M. 2022
Exploring Different Levels of Class Nomenclature in Random Forest Classification of Sentinel-2 Data, IEEE International Geoscience and Remote Sensing Symposium IGARSS, Kuala Lumpur Malaysia (Hybrid), em revisão.

Costa, H.; Benevides, P.; Moreira, F. D.; Moraes, D.; Caetano, M., 2022
Spatially Stratified and Multi-Stage Approach for National Land Cover Mapping Based on Sentinel-2 Data and Expert Knowledge. Remote Sens. 2022, 14, 1865, https://doi.org/10.3390/rs14081865.

Barbosa, B.; Rocha, J.; Costa, H.; Caetano, M., 2022
Automatic detection of vegetation cover changes in urban-rural interface areas. MethodsX 2022, 101643, https://doi.org/10.1016/j.mex.2022.101643

Barbosa, B.; Rocha, J.; Costa, H.; Caetano, M., 2022
Uncovering Vegetation Changes in the Urban–Rural Interface through Semi-Automatic Methods. Appl. Sci. 2022, 12, 2294, https://doi.org/10.3390/app12052294.

Benevides, P.; Costa, H.; Moreira, F. D.; Moraes, D.; Caetano, M. 2021
Annual Crop Classification Experiments in Portugal Using Sentinel-2. In 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS; pp. 5838–5841, https://doi.org/10.1109/IGARSS47720.2021.9555009.

Benevides, P. J.; Silva, N.; Costa, H.; Moreira, F. D.; Moraes, D.; Castelli, M.; Caetano, M., 2021
Land cover mapping at national scale with Sentinel-2 and LUCAS: a case study in Portugal. In Remote Sensing for Agriculture, Ecosystems, and Hydrology XXIII; Neale, C. M., Maltese, A., Eds.; SPIE; Vol. 1185606, p. 5, https://doi.org/10.1117/12.2598789.

Moraes, D.; Benevides, P. J.; Costa, H.; Moreira, F. D.; Caetano, M., 2021
Assessment of the introduction of spatial stratification and manual training in automatic supervised image classification. In Proceedings of SPIE - The International Society for Optical Engineering; p. 8, https://doi.org/10.1117/12.2599740.

Moraes, D.; Benevides, P.; Moreira, F. D.; Costa, H.; Caetano, M., 2021
Exploring the use of classification uncertainty to improve classification accuracy. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. XLIII-B3-2, 81–86, https://doi.org/10.5194/isprs-archives-XLIII-B3-2021-81-2021.

Moraes, D.; Benevides, P.; Costa, H.; Moreira, F. D.; Caetano, M., 2021
Influence of sample size in land cover classification accuracy using Random Forest and Sentinel-2 data in Portugal. Int. Geosci. Remote Sens. Symp. 4232–4235, https://doi.org/10.1109/IGARSS47720.2021.9553924.

Costa, H.; Machado, I.; Moreira, F. D.; Benevides, P.; Moraes, D.; Caetano, M., 2021
Exploring the Potential of Sentinel-2 Data for Tree Crown Mapping in Oak Agro-Forestry Systems. In 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS; pp. 5807–5810, https://doi.org/10.1109/IGARSS47720.2021.9553780.

Costa, H., Giraldo, A., Caetano, M., 2020
Exploring BFAST to detect forest changes in Portugal, Proc. SPIE 11533, Image and Signal Processing for Remote Sensing XXVI, 1153308, https://doi.org/10.1117/12.2566669

Costa, H., Benevides, P., Marcelino, F., Caetano, M., 2020
Introducing automatic satellite image processing into land cover mapping by photo-interpretation of airborne data. ISPRS - Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. XLII-3/W11, 29–34. https://doi.org/10.5194/isprs-archives-XLII-3-W11-29-2020

Hernandez, I., Benevides, P., Costa, H., Caetano, M., 2020
Exploring Sentinel-2 for land cover and crop mapping in Portugal. ISPRS - Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIII-B3-2020, 83–89, https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-83-2020

A DGT

Direção-Geral do Território
Rua Artilharia 1, 107
1099-052 Lisboa
Portugal

Telefone (+351) 21 381 96 00
Contactos