Return to search

APRENDIZADO DE MÁQUINA NA MODELAGEM DE INCÊNDIOS FLORESTAIS NO ESTADO DO ESPÍRITO SANTO

Made available in DSpace on 2018-03-22T15:58:37Z (GMT). No. of bitstreams: 1
tese_11599_Tese RONIE 2017.pdf: 4177065 bytes, checksum: 1b016d3af9325652723c7cce35e7c06d (MD5)
Previous issue date: 2017-12-19 / O principal problema encontrado quando da aplicação de técnicas de sistemas de informações geográficas e sensoriamento remoto para a predição de incêndios florestais é a necessidade de integrar diferentes fontes de dados. Os métodos aplicados, geralmente são baseados em técnicas de regressão ou em coeficientes que dependem de conhecimentos dos especialistas. Esta pesquisa objetivou testar a capacidade da árvore de classificação e regressão (CART) em avaliar o risco de incêndios florestais no estado do Espírito Santo. A análise CART é uma técnica estatística não paramétrica que gera regras de decisão na forma de uma árvore binária, para um processo de classificação ou de regressão. O produto MCD45A1 de área de queima, relativo a um período de 16 anos (2000-2015), foi utilizado para, a partir dos pontos centrais da célula de grade, obter um mapa de ocorrência de incêndio por meio de uma abordagem de densidade Kernel. O mapa resultante foi então utilizado como variável de entrada para a análise CART com variáveis de influência de incêndios usados como preditores. Um total de 12 variáveis preditoras foram determinadas de diversas bases de dados, abrangendo aspectos ambientais, físicos e socioeconômicos. As regras induzidas pelo processo de regressão permitiram a definição de diferentes níveis de risco, expressa em 35 unidades de gestão, utilizado para a produção de um mapa de predição de fogo. De acordo com os resultados, as áreas de maiores riscos no estado são representadas pela Região Nordeste, Vale do Rio Doce e Sudeste (Costa Sul). Os resultados do processo de regressão (r=0,94 e r²=0,88), a capacidade de análise do algoritmo CART para destacar as relações hierárquicas entre as variáveis preditoras e a interpretabilidade fácil das regras de decisão, representam uma ferramenta possível para melhor abordar o problema de avaliar e representar o risco de incêndios florestais.

Palavras-chave: Estatística não paramétrica, Densidade Kernel, Algoritmo CART, Regras de decisão, Mapa de predição do fogo.

Identiferoai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/6945
Date19 December 2017
CreatorsJUVANHOL, R. S.
ContributorsSANTOS, A. R., PEZZOPANE, J. E. M., PELUZIO, T. M. O., SILVA, W. B., PINHEIRO, C. J. G., FIEDLER, N. C.
PublisherUniversidade Federal do Espírito Santo, Doutorado em Ciências Florestais, Programa de Pós-Graduação em Ciências Florestais, UFES, BR
Source SetsIBICT Brazilian ETDs
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0022 seconds