O Carbono Orgânico do Solo (COS) é fundamental para a sustentabilidade ambiental, mas, em ecossistemas semiáridos, sua dinâmica é marcada pela fragilidade. Nesse contexto, o monitoramento de caatinga é indispensável para a conservação e o planejamento agrícola. O sensoriamento remoto e o proximal surgem como alternativas eficientes para essa quantificação. Este estudo realizou uma análise bibliométrica e sistemática da literatura científica, utilizando a mineração de dados em bases de dados Scopus e Web of Science. Os dados foram processados e analisados por meio de redes de coocorrência nos softwares VOSviewer e RStudio. Os resultados indicam que, embora o Brasil disponha de estudos de impacto, o bioma Caatinga permanece sub-representado. Em contraste, China e Irã lideram a produção com forte sinergia tecnológica. Observou-se um crescimento exponencial das publicações a partir de 2015 (Ano Internacional dos Solos da FAO). Conclui-se que a evolução para modelos preditivos robustos é crucial para o manejo preciso de solos vulneráveis, diante das mudanças climáticas.

As mudanças no uso da terra, intensificadas pelo desmatamento e pela expansão agrícola, estão diretamente associadas à dinâmica do fogo. No Brasil, a região do MATOPIBA última fronteira agrícola do país vem passando por profundas modificações em seus usos e cobertura da terra; ademais, está inserida majoritariamente no bioma Cerrado, ecossistema naturalmente adaptado e estruturalmente dependente do fogo. O objetivo deste estudo foi investigar os padrões de queima e as mudanças espaciais da paisagem, bem como a relação entre a frequência de queima e as transições de uso da terra por meio da correlação espacial local, utilizando dados do projeto MapBiomas. A partir dos dados de uso e cobertura da terra, foram gerados mapas de transição e calculadas as métricas da paisagem: área total (TA), porcentagem de ocupação (PLAND), número de manchas (NP), índice de maior mancha (LPI) e índice de divisão da paisagem (LDI). Os dados de cicatrizes de queimadas foram empregados para analisar a frequência de queima e a distribuição espacial do fogo. Por fim, os dados de transição e frequência de queima foram correlacionados por meio do Coeficiente de Correlação Local de Pearson (LPCC), com o suporte do software RStudio. Ao longo dos 36 anos de análise (1985–2020), observou-se redução expressiva da cobertura vegetal natural em detrimento da expansão das áreas agropecuárias, que se tornaram progressivamente maiores e mais homogêneas. As áreas de transição concentraram-se predominantemente no Oeste da região, no Arco do Desmatamento, e também no Oeste da Bahia e no Sudoeste do Piauí. Em relação ao fogo, ao menos 58% da área do MATOPIBA queimou pelo menos uma vez ao longo do período, sendo as áreas com maior frequência de queima cobertas por vegetação natural, enquanto as áreas agropecuárias queimaram entre 2 e 10 vezes nos 36 anos. A correlação foi significativa predominantemente no Oeste do MATOPIBA e no estado da Bahia. Esses resultados indicam que os esforços de gestão do fogo na região devem ser orientados pela compreensão das interações entre o regime de fogo e as transformações no uso e cobertura da terra.

Este estudo analisa a dinâmica espaço-temporal do uso e cobertura da terra nas ecorregiões do bioma Caatinga entre 1985 e 2018, com o objetivo de compreender as mudanças nos padrões estruturais da paisagem e suas implicações ecológicas. A abordagem metodológica baseou-se na aplicação de métricas de ecologia da paisagem (TA, NP, PLAND e LPI) e na análise de transições entre classes de uso, utilizando séries temporais do projeto MapBiomas. Os resultados evidenciam uma tendência consistente de redução da vegetação nativa e expansão das atividades agropecuárias em todas as ecorregiões, acompanhada pelo aumento da fragmentação e do isolamento dos remanescentes florestais. Embora a maior mancha da paisagem permaneça associada à floresta natural, verificou-se incremento expressivo no número de fragmentos, indicando intensificação da pressão antrópica. As taxas de regeneração foram reduzidas em todo o bioma, destacando-se as Dunas do São Francisco com maior recuperação (1,4%) e a Depressão Sertaneja Setentrional com os menores valores (0,1%). As maiores conversões para áreas não vegetadas ocorreram na Depressão Sertaneja Meridional Menor (17,2%). Os resultados reforçam a existência de padrões espaciais heterogêneos de degradação e apontam para a necessidade urgente de estratégias diferenciadas de conservação, monitoramento contínuo e estudos em maior escala de detalhe para subsidiar o planejamento ambiental no semiárido brasileiro.

A Bacia Hidrográfica do Rio São Francisco (BHRSF), parcialmente inserida no bioma Caatinga único bioma exclusivamente brasileiro, constitui um dos sistemas hidrográficos mais estratégicos e ecologicamente sensíveis do semiárido nordestino. Nas últimas quatro décadas, a combinação de desmatamento, expansão agropecuária intensiva, uso desordenado do solo e o histórico negligenciamento das políticas de conservação na Caatinga vêm comprometendo de forma acelerada a integridade da vegetação nativa e a conectividade ecológica da paisagem ao longo da bacia. O presente estudo analisou as mudanças espaço-temporais do uso e cobertura da terra em sete sub-bacias hidrográficas (SF3 a SF9) no período de 1985 a 2023, integrando dados anuais da plataforma MapBiomas (Coleção 9) com métricas de ecologia da paisagem calculadas no software R. As quatro métricas aplicadas número de manchas (NP), percentual de área da paisagem (PLAND), área total da classe (CA) e proporção da maior mancha (LPI) foram calculadas para cada classe de cobertura em cada ano da série, permitindo caracterizar a estrutura e a dinâmica espacial da paisagem ao longo de 39 anos. Os resultados revelaram perda sistemática de vegetação natural e de conectividade ecológica em todas as sub-bacias analisadas, expressa pelo declínio consistente do LPI da vegetação natural, pelo aumento do número de manchas e pela redução do PLAND. Dois padrões distintos de transformação foram identificados: (i) nas sub-bacias SF3, SF4, SF8 e SF9, a agropecuária emergiu como principal vetor de substituição da vegetação nativa, chegando a superar a vegetação natural em LPI nos anos mais recentes configurando uma inversão da hierarquia espacial da paisagem; (ii) nas sub-bacias SF5, SF6 e SF7, a expansão das áreas não vegetadas indicativa de processos ativos de degradação e desertificação foi o principal fator de transformação, com a SF6 registrando o caso mais grave, onde o LPI das áreas não vegetadas superou o da vegetação natural a partir de 2018. Os resultados reforçam a urgência de estratégias integradas de restauração ecológica, governança territorial diferenciada por sub-bacia e fortalecimento das políticas de conservação no bioma Caatinga.

Modeling mineral deposits is a crucial step in assessing and managing natural resources. Surficial features are essential guides to prospect supergene mineralization in large areas, thus making mineral exploration surveys less expensive and time-consuming. In this context, Remote Sensing has proven to be a powerful tool for mapping supergene ores, especially when supported by other data. This study investigates the potential of supervised classification and machine learning techniques, namely the Spectral Angle Mapper (SAM) and the Gradient Tree Booster (GTB) algorithm, to map and model rare earth element (REE)-bearing bauxite. We aim to develop an accurate model for identifying and mapping REE-bearing bauxite occurrences developed over Archean granulitic rocks from the Sao Francisco Craton, Brazil. The research comprises multisource data: Landsat-8 orbital images, topographic, gamma-spectrometric (airborne and in samples), spectroradiometric, and field data. The applied methodological approach includes field sample collection, spectral data measuring and processing, calculation of spectral indices such as the Lateritic and the Regolithic indices, and integration into supervised classification and machine learning models, SAM and GTB. The analyses were performed in Google Earth Engine. Complementary outcomes were achieved with SAM and GTB, with the former more effective for residual and the latter for colluvial bauxite. The GTB results indicate that all analyzed random combinations exhibit similar distributions, suggesting consistently high model accuracy for different tested configurations, with a median above 96% accuracy in each evaluated group, regardless of data variation. The test accuracy increases to a maximum of five analyzed features and stabilizes thereafter, with minimal variability, defining the five main features that contributed most to predicting bauxite areas and providing valuable insights into the most influential variables in mapping. The results indicate that integrating multisource data with advanced machine learning techniques enables precise identification of areas with potential for REE-bearing

Este estudo analisa a dinâmica espaço-temporal do uso e cobertura da terra na Área de Proteção Ambiental (APA) do Lago de Pedra do Cavalo, Bahia, no período de 1985 a 2019, com o objetivo de compreender as transformações nos padrões estruturais da paisagem e suas implicações ambientais. A abordagem metodológica baseou-se na aplicação de métricas de ecologia da paisagem (CA, PLAND, LPI e NP) associadas a séries temporais do projeto MapBiomas. Os resultados evidenciam o predomínio contínuo da agropecuária ao longo de todo o período analisado, acompanhado pela redução expressiva e crescente fragmentação da vegetação nativa. Observou-se aumento das áreas não vegetadas e redução das formações campestres, enquanto as superfícies aquáticas mantiveram elevada estabilidade espacial, refletindo a consolidação do reservatório. A floresta nativa apresentou forte retração e intensificação do processo de fragmentação, com aumento no número de manchas e redução do tamanho dos fragmentos dominantes. Esses padrões indicam uma trajetória consistente de degradação ambiental em uma unidade de conservação estratégica para o abastecimento hídrico regional. Os resultados reforçam a necessidade urgente de implementação efetiva do plano de manejo, restauração da conectividade ecológica e ordenamento das atividades antrópicas, contribuindo para o planejamento ambiental e a conservação dos recursos naturais na região.

The different land uses and coverages can generate various environmental impacts, both positive and negative. In the Bahia's north coast and agreste region, the diversified land use has resulted in significant changes in the spatial structure over the years. In this study, we aimed to understand the spatiotemporal dynamics of these transformations by analyzing a multitemporal series from 2000 to 2016 to quantify spatial patterns using landscape ecology methods and geoprocessing techniques. Land use and coverage data were obtained from the Annual Mapping Project of Land Use and Cover in Brazil (MapBiomas), using collection 2.3 for the study area. The quantitative analysis of the classes was conducted through metrics such as CA (area), NP (number of patches), LPI (largest patch), and PLAND (percentage of coverage). After reclassifying the land use and cover maps into the classes Agropastoral, Forest Formations, Mangrove, Grasslands, Water Bodies, Beaches and Dunes, and Urban Infrastructure, the CA metric indicated a gradual loss of 20% in forest formation areas and a 29% reduction in agropastoral and urban infrastructure areas. The LPI metric revealed that the largest fragment of forest formations occupies 22.7% of the total area, equivalent to 12,318.6 km(2). These analyses may support conservation and maintenance actions for forest areas, guide managers in creating or expanding conservation units, and inform environmental policies focused on sustainability and the conservation of this region.

Introduction: Landscape changes can be monitored using geotechnologies through land use and land cover management over time, which helps identify and understand transformations in the landscape and supports decision-making processes. This study aims to analyze land use and cover change in the Portal do Sertão Identity Territory, Bahia, and to relate the possible causes that have currently induced such changes. This territory, located in the Caatinga biome, has its economic activities mainly concentrated in the primary and tertiary sectors. Remote Sensing (RS) and Geographic Information Systems (GIS) were employed to monitor changes in land use and cover in this territory from 1985 to 2022, using images from the MapBiomas Collection 8.0. During the study period, there was a reduction in the area used for agriculture and livestock and a significant increase in urbanization, with an urban area growth of more than 380%. Additionally, water bodies also expanded, mainly due to the construction of the Pedra do Cavalo Hydroelectric Plant in 1985, which resulted in a larger flooded area. Forest formations, although fluctuating over the years, were negatively impacted by agricultural expansion and urbanization. Therefore, the use of geotechnologies such as RS and GIS proves to be an effective tool for environmental monitoring, enabling the identification and management of land use changes and contributing to the mitigation of environmental impacts. Objective: The aim of this study is to investigate land use and land cover changes in the Portal do Sertão Identity Territory, in order to identify the possible causes currently driving these transformations. . Theoretical Framework: Remote Sensing (RS) is a science that maps Earth’s surface targets using sensors without direct contact. It is an essential tool for understanding and monitoring land use and land cover changes, providing critical information for decision-making from multiple perspectives. Its integration with Geographic Information Systems (GIS) enhances the spatiotemporal analysis of processes such as environmental and territorial degradation. The concept of "Identity Territory," developed by SEPLAN-BA, considers sociocultural, economic, and geographic factors for territorial organization. Institutionalized by state decrees, it divides Bahia into 27 territories to promote regional public policies. The articulation of RS, GIS, and the Identity Territory framework offers an effective approach to understanding and managing land use changes in the Portal do Sertão. Method: This study analyzed land use and land cover changes in the Portal do Sertão Identity Territory, composed of 27 municipalities in Bahia, aiming to understand the possible driving forces behind these changes. Satellite images from the MapBiomas Brazil Collection 8.0 were used for the years 1985, 1990, 1995, 2000, 2005, 2010, 2015, 2020, and 2022. A GIS environment was used to reclassify the images into four classes based on the MapBiomas classification: Forest Formation, Agriculture, Urban Area, and Water Bodies. The total area per class was quantified for each year, and land use transition maps were generated for spatial analysis. Results and Discussion: The analysis revealed that between 1985 and 2022, the Portal do Sertão Identity Territory experienced significant transformations in land use and cover. There was a notable reduction in agricultural and livestock areas and a sharp increase in urban development, particularly in Feira de Santana and neighboring municipalities, driven by industrialization, public policies, and real estate expansion. Forest cover fluctuated, while water bodies increased following the construction of the Pedra do Cavalo Hydroelectric Plant in 1985. These changes reflect processes of urbanization, rural exodus, and territorial reconfiguration influenced by economic, social, and infrastructural factors. Research Implications: This research provides essential technical and spatial support for territorial planning in the region, assisting local governments and institutions in making more informed decisions based on historical land use patterns. The findings highlight the importance of integrated public policies focused on territorial planning, environmental preservation, and housing, especially in light of rapid population growth. Originality/Value: This study contributes to the literature by analyzing the drivers of land use change using open-access data from MapBiomas. Its significance lies in the integration of Remote Sensing and GIS to investigate land use trends in the Portal do Sertão over the past decades, providing strategic insights to support public policy development and more effective territorial planning.

A granulometria dos materiais influencia suas propriedades espectrais, afetando a interação da luz com o material. Partículas menores dispersam mais luz, aumentam a refletância em certos comprimentos de onda, enquanto partículas maiores diminuem a reflectância. Este estudo avaliou como diferentes granulometrias impactam a análise espectral de sedimentos. O experimento foi realizado a partir do sedimento coletado no manguezal de Baixa Fria, Bahia, uma área com altos impactos ambientais. As amostras de sedimentos foram coletadas e submetidas a três tratamentos: destorroamento com almofariz e pistilo (T1), peneiramento em malha de 10 MESH (2,00 mm, T2) e em malha de 230 MESH (0,063 mm, T3). As amostras foram analisadas com Espectrorradiômetro que abrange comprimentos de onda de 350 a 2500 nm, e seus dados tratados estatisticamente para entender as correlações entre granulometria e propriedades espectrais e comparar as curvas espectrais com bibliotecas de minerais puros do Serviço Geológico dos Estados Unidos (USGS). Os resultados indicaram que a granulometria afeta significativamente a reflectância dos sedimentos, com partículas menores (0,063 mm) apresentando maior reflectância (51%) e partículas maiores (2,0 mm) a menor reflectância (36%). Além disso, as análises espectrais identificaram feições de absorção da montmorilonita, evidenciando uma composição química semelhante das amostras. Assim, este estudo destaca a importância da granulometria na interpretação dos dados espectrais, promovendo um entendimento das interações entre luz e partículas de sedimentos.

Os diferentes usos e coberturas da terra podem gerar impactos ambientais variados, tanto positivos quanto negativos. No Litoral Norte e Agreste Baiano, o uso diversificado do solo resultou em mudanças significativas na estrutura espacial ao longo dos anos. No presente estudo procuramos compreender a dinâmica espaço-temporal dessas transformações, para tanto analisamos uma série multitemporal de 2000 a 2016, com o objetivo de quantificar os padrões espaciais utilizando métodos da ecologia de paisagem e técnicas de geoprocessamento. Os dados de uso e cobertura da terra foram obtidos do Projeto de Mapeamento Anual da Cobertura e Uso do Solo no Brasil (MapBiomas), utilizando a coleção 2.3 para área de estudo. A análise quantitativa das classes foi conduzida através de métricas como CA (área), NP (número de manchas), LPI (maior mancha) e PLAND (porcentagem de ocupação). Após a reclassificação dos mapas de uso e cobertura da terra nas classes Agropastoris, Formações Florestais, Mangue, Campos, Corpos d’água, Praia e Dunas, e Infraestrutura Urbana, observou-se que a métrica CA indicou uma perda gradual de 20% nas áreas de formações florestais e uma redução de 29% nas áreas agropastoris e de infraestrutura urbana. A métrica LPI revelou que o maior fragmento de formações florestais ocupa 22,7% da área total, equivalente a 12.318,6 km².Essas análises poderão subsidiar ações de preservação e manutenção de áreas florestais, oferecendo suporte a gestores na criação ou ampliação de unidades de conservação, além de embasar políticas ambientais voltadas para a sustentabilidade e conservação dessa região.

Fire is a key ecological driver in tropical savannas, yet its effects on plant biodiversity remain understudied in Amazonian savannas. This study investigates how fire recurrence influences taxonomic and functional diversity in savanna ecosystems in northeastern Amazonia. We conducted vegetation surveys across five phytophysiognomies in Amapá State, Brazil, and compiled trait data for 226 plant species. Generalized Additive Mixed Models (GAMMs) were used to evaluate the relationships between fire frequency and diversity metrics across five landscape scales. The results showed that taxonomic diversity—particularly Shannon diversity—exhibited a unimodal response to fire recurrence, with peak diversity occurring at intermediate fire frequencies. Abundance increased with fire frequency, indicating potential dominance by fire-tolerant species. Functional diversity responded more subtly: functional richness and dispersion showed weak, non-linear associations with fire, while functional evenness remained stable. These findings suggest that recurrent fire can reduce taxonomic diversity without strongly altering functional structure, possibly due to functional redundancy among species. The use of multiscale models revealed that biodiversity–fire relationships vary with spatial context. In conclusion, this study highlights the moderate resilience of Amazonian savannas to fire recurrence and emphasizes the need to incorporate these ecosystems into fire management plans in climate change scenarios.

Wildfires significantly impact ecosystems, economies, and biodiversity, particularly in fire-prone regions like the Caatinga biome in Northeastern Brazil. This study integrates machine learning with climate and land use data to model current and future fire dynamics in the Caatinga. Using MaxEnt, fire probability maps were generated based on historical fire scars from Landsat imagery and environmental predictors, including bioclimatic variables and human influences. Future projections under SSP1-2.6 (low-emission) and SSP5-8.5 (high-emission) scenarios were also analyzed. The baseline model achieved an AUC of 0.825, indicating a strong predictive performance. Key drivers of fire risk included the mean temperature of the driest quarter (with an importance of 14.1%) and isothermality (12.5%). Temperature-related factors were more influential than precipitation, which played a secondary role in shaping fire dynamics. Anthropogenic factors, such as proximity to farming and urban areas, also contributed to fire susceptibility. Under the optimistic scenario, low-fire-probability areas expanded to 29.129 Mha, suggesting a reduced fire risk with climate mitigation. However, high-risk zones persisted in the Western Caatinga. The pessimistic scenario projected an alarming expansion of very-high-risk areas to 12.448 Mha, emphasizing the vulnerability of the region under severe climate conditions. These findings underline the importance of temperature dynamics and human activities in shaping fire regimes. Future research should incorporate additional variables, such as vegetation recovery and socio-economic factors, to refine predictions. This study provides critical insights for targeted fire management and land use planning, promoting the sustainable conservation of the Caatinga under changing climatic conditions.

A Neutralidade da Degradação da Terra (LDN) foi proposta pela Convenção das Nações Unidas de Combate à Desertificação (UNCCD) com o propósito de conter a perda de produtividade e os impactos socioambientais decorrentes da degradação dos ecossistemas terrestres. Como conceito e meta recente, a LDN ainda suscita debates quanto à sua clareza conceitual, coerência metodológica e aplicabilidade em diferentes contextos regionais. Este estudo, desenvolvido no período de 1997 a 2019, tem como objetivo analisar o processo de implementação da LDN, identificando as principais lacunas conceituais e os desafios relacionados à utilização de indicadores biofísicos no monitoramento e na avaliação da meta em distintas escalas. O recorte temporal adotado justifica-se por abranger desde a consolidação da Convenção das Nações Unidas de Combate à Desertificação até a incorporação formal da LDN na Agenda 2030, permitindo observar sua evolução conceitual e institucional. A pesquisa, de natureza integrativa e caráter bibliométrico, abrangeu 54 artigos científicos e 8 relatórios institucionais, obtidos em bases indexadas e documentos da literatura cinzenta. Os resultados evidenciam que, apesar do avanço no estabelecimento da LDN como componente do ODS 15 da Agenda 2030, persistem incertezas quanto à definição de linhas de base, à comparabilidade dos indicadores e à efetividade das políticas públicas em países com limitada capacidade técnica. Conclui-se que o fortalecimento científico e institucional da LDN depende da harmonização conceitual e da integração entre ciência, governança e financiamento sustentável, de modo a assegurar um futuro com equilíbrio entre degradação e restauração das terras.

The assessment of urban ecological quality through remote sensing has gained prominence in recent years, due to the need for effective urban monitoring and improved territorial planning. This study presents a comprehensive review of the evolution of urban ecological-quality research from 1997 to 2023, focusing on trends, influential publications, and methodologies. From 1997 to 2023, research on urban ecological quality grew significantly, with annual publications increasing from 0.3 in the 1990s to six in the 2020s, driven by technological advancements, global collaboration, and alignment with policy goals like the UN Sustainable Development Goals (SDGs). Co-occurrence network analysis revealed six key research clusters, highlighting advancements in methodologies, spatial data integration, remote sensing, green sustainability, and multi-criteria frameworks, showcasing the field’s interdisciplinary evolution. China leads contributions, with 33.3% of research, followed by the United States and other countries, emphasizing robust international collaborations. Journals like Remote Sensing and Sustainability dominate, with highly cited publications from the 2010s and 2020s shaping the field’s direction. Prominent authors such as Xu H. and Zhang X. have played critical roles, though engagement in the field has surged more recently. Remote-sensing technologies, particularly in China, have been pivotal, with indices like the Remote-Sensing Ecological Index (RSEI) and its derivatives broadening analytical frameworks. These tools integrate ecological, socio-economic, and policy dimensions, aligning with global sustainability objectives and enhancing the field’s capacity to address urban ecological challenges and promote sustainable urban development. Urban ecological-quality research has evolved significantly, driven by advancements in remote sensing, interdisciplinary methods, and global collaboration. Future efforts should focus on expanding cross-regional studies, integrating comprehensive socio-economic and environmental indicators, and utilizing emerging technologies like machine learning, deep learning, and AI to address urbanization challenges and support sustainable development.

Dryland regions around the world are facing intricate challenges due to climate change and human activities. The Caatinga biome in Brazil, an exceptional dryland ecosystem covering approximately 86.3 million hectares, is particularly impacted by human influence. We conducted an extensive study analyzing changes in land use and land cover within the Caatinga region over a span of 35 years, from 1985 to 2019. This study leverages collective knowledge and collaborative effort with the MapBiomas project to provide valuable insights into the biome’s landscape. It maps eight principal land cover classes using Landsat Collection 1 Tier 1 data normalized to top-of-atmosphere reflectance. All data processing was carried out within the Google Earth Engine platform, and the graphics were generate using R version 3.6.2. This study achieved an impressive 80% global accuracy in the time series of Caatinga land use and land cover (LULC) changes, with allocation and area discrepancies of 11.6% and 8.5%, respectively. The extensive 35-year LULC dataset reveals a substantial 11% reduction in natural vegetation in the Caatinga biome, translating to a loss of 6.57 million hectares. This decline is primarily attributed to the expansion of cattle ranching and agriculture; all types of natural vegetation have experienced decreases, with Savanna Formation (SF) areas declining by 11% and Forest Formation (FF) areas declining by 8%. In contrast, pasturelands expanded by 62% and agricultural land expanded by 284% during this period. With their urgent and significant real-world for informing social, economic, and environmental policy decisions within the Caatinga and other dryland regions globally, these findings underscore the importance and immediacy of our research.

Species distribution modeling (SDM) is a vital tool for ecological and biogeographical research, allowing precise predictions of species distributions based on environmental variables. This study reviews the evolution of SDM techniques from 1985 to 2023, focusing on model development and applications in conservation, climate change adaptation, and invasive species management. We employed a mixed review with bibliometric and systematic element approaches using the Scopus database, analyzing 982 documents from 275 sources. The MaxEnt model emerged as the most frequently used technique, applied in 85% of the studies due to its adaptability and accuracy. Our findings highlight the increasing trend in international collaboration, particularly between China, the United Kingdom, and Brazil. The study reveals a significant annual growth rate of 11.99%, driven by technological advancements and the urgency to address biodiversity loss. Our analysis also shows that while MaxEnt remains dominant, deep learning and other advanced computational techniques are gaining traction, reflecting a shift toward integrating AI in ecological modeling. The results emphasize the importance of global cooperation and the continued evolution of SDM methodologies, projecting further integration of real-time data sources like UAVs and satellite imagery to enhance model precision and applicability in future conservation efforts.

Bibliometrics has been widely applied across various scientific domains as a valuable tool to assess scientific evolution and identify developmental trends. Fire ecology, an emerging field, represents a significant ecological and evolutionary force that regulates populations and communities across time and space. Consequently, studies on how anthropogenic land use changes have altered fire regimes are increasing. This study seeks to analyze the evolution, geographical distribution, and collaboration patterns of scientific knowledge to understand trends in the literature and the primary conceptual and methodological foundations underlying research on land use change impacts on fire dynamics. Using the SCOPUS database, we employed bibliometric tools to examine key descriptive patterns in the literature. Co-occurrence networks were applied to identify scientific advancements based on titles, abstracts, and keywords, while a detailed analysis of 10% of the most cited articles offered insight into prevalent methodologies. We identified 295 relevant publications, with the United States and Brazil leading the research, highlighting substantial cooperation between these two countries. Among the authors, Shimabukuro Y. was the most prolific. Remote Sensing was the predominant journal for publication. Analysis of co-occurrence networks and the most cited articles indicated extensive use of satellite data, with applications in mapping and monitoring burned areas and identifying factors driving the emergence and shifts in fire regimes.

Understanding current fire dynamics in the Amazon is vital for designing effective fire management strategies and setting a baseline for climate change projections. This study aimed to analyze recent fire probabilities and project future “fire niches” under global warming scenarios across the Legal Amazon, a scale chosen for its relevance in social and economic planning. Utilizing the maximum entropy method, this study combined a complex set of predictors with fire occurrences detected during 1985–2022. It allowed for the estimation of current fire patterns and projecting changes for the near future (2020–2040) under two contrasting socioeconomic pathways. The results showed strong model performance, with AUC values consistently above 0.85. Key predictors included “Distance to Farming” (53.4%), “Distance to Non-Vegetated Areas” (11.2%), and “Temperature Seasonality” (9.3%), revealing significant influences from human activities alongside climatic predictors. The baseline model indicated that 26.5% of the Amazon has “moderate” to “very high” fire propensity, especially in the southern and southeastern regions, notably the “Arc of Deforestation”. Future projections suggest that fire-prone areas may expand, particularly in the southern border regions and near the Amazon riverbanks. The findings underscore the importance of incorporating both ecological and human factors into fire management strategies to effectively address future risks.

The semi-arid Caatinga biome is particularly susceptible to fire dynamics. Periodic droughts amplify fire risks, while anthropogenic activities such as agriculture, pasture expansion, and land-clearing significantly contribute to the prevalence of fires. This research aims to evaluate the effectiveness of a fire detection model and analyze the spatial and temporal patterns of burned areas, providing essential insights for fire management and prevention strategies. Utilizing deep neural network (DNN) models, we mapped burned areas across the Caatinga biome from 1985 to 2023, based on Landsat-derived annual quality mosaics and minimum NBR values. Over the 38-year period, the model classified 10.9 Mha (12.7% of the Caatinga) as burned, with an average annual burned area of approximately 0.5 Mha (0.56%). The peak burned area reached 0.89 Mha in 2021. Fire scars varied significantly, ranging from 0.18 Mha in 1985 to substantial fluctuations in subsequent years. The most affected vegetation type was savanna, with 9.8 Mha burned, while forests experienced only 0.28 Mha of burning. October emerged as the month with the highest fire activity, accounting for 7266 hectares. These findings underscore the complex interplay of climatic and anthropogenic factors, highlighting the urgent need for effective fire management strategies.

Centros urbanos têm crescido a cada ano, atraindo cada vez mais pessoas para as grandes cidades. Este crescimento constante pode provocar um aumento no número de eventos de emergência, o que demanda um atendimento mais eficaz e mais rápido para o socorro de vı́timas. Neste sentido, diversas abordagens envolvendo tecnologias de cidades inteligentes vêm sendo propostas em inúmeras pesquisas, com algumas delas propondo soluções para classificação de riscos urbanos baseada em dados geoespaciais colaborativos. Algumas soluções baseiam-se na presença de centros de resposta na área de classificação, portanto, é importante saber qual a situação atual quanto à presença destes centros de respostas nas cidades. Neste sentido, este artigo faz uso de um modelo matemático consistente e de uma ferramenta de software especializada para contabilizar a quantidade de centros de resposta nas capitais brasileiras e fazer um comparativo do número destes centros de respostas por habitantes em cada cidade, trazendo um recorte da presença de centros de resposta no Brasil. Ao final desta comparação é possı́vel perceber uma diferença considerável entre algumas capitais, revelando um deficit de centros de resposta em algumas delas.