Inteligência artificial prevê risco de incêndio florestal em 35 zonas do Espírito Santo

Publicado originalmente em Agência Bori. Para acessar, clique aqui.

Highlights

  • Pesquisadores mapearam o risco de incêndio de 35 zonas florestais capixabas
  • Risco de fogo é apontado por inteligência artificial com base em preditores como densidade demográfica, declive, temperatura média anual e déficit hídrico médio anual
  • Mapeamento possibilita a adoção de ferramentas operacionais mais eficientes na gestão do fogo

Nos últimos anos, os incêndios florestais têm sido pauta recorrente devido às graves consequências ecológicas, econômicas e sociais. Pesquisadores da Universidade Federal do Piauí (UFPI), Universidade Federal do Espírito Santo (UFES) e Instituto Federal do Espírito Santo (IFES) mostram que a tecnologia pode ser uma importante aliada do meio ambiente ao prever risco de incêndio. Por meio do uso de inteligência artificial, eles conseguiram determinar 35 zonas de gestão do fogo no Espírito Santo, com seus correspondentes níveis de risco de incêndios e influência de variáveis. Os resultados estão publicados na revista “Anais da Academia Brasileira de Ciências” na sexta-feira (28).

Os pesquisadores utilizaram dados de incêndios florestais para gerar um mapa de densidade do fogo e representar os locais de maior e menor ocorrência de incêndio. O objetivo do estudo foi integrar conhecimento de modelagem espacial e inteligência artificial para avaliar a previsão dos incêndios florestais em escala regional. A tecnologia foi parte essencial do estudo, na utilização do algoritmo Classification and Regression Trees (CART), para compreender a importância de doze variáveis socioeconômicas, de vegetação, clima e de relevo na previsão dos incêndios florestais. Os doze preditores definidos são densidade demográfica, precipitação média anual, uso e cobertura da terra, renda, altitude, índice topográfico composto, déficit hídrico médio anual, temperatura média anual, proximidade de estradas, declive, campo contínuo de vegetação e radiação solar.

“A metodologia CART tem como principal atrativo a interpretação proporcionada pela estrutura de árvore de decisão obtida no modelo final que, também pode ser lido, como um conjunto de sentenças lógicas a respeito das variáveis explicativas.”, explica o engenheiro florestal Ronie Juvanhol, um dos autores do estudo. De acordo com o pesquisador, a aplicação do algoritmo gerado é a possibilidade de autoalimentação dos dados, a fim de automaticamente desenvolver a predição do incêndio. “Além disso, há a possibilidade de criar cenários com base em mudanças simuladas nos dados, com o objetivo de observar novas disposições espaciais das zonas de manejo do fogo e seus valores de risco de ocorrências de incêndio e considerar essas informações durante a tomada de decisão”, acrescenta Juvanhol.

“Saber onde os incêndios florestais estão ocorrendo e sua interação com os fatores do clima, vegetação, relevo e socioeconômico é particularmente relevante para estabelecer quais ações devem ser prioritárias nos locais de maior risco de incêndios.”, reforça Ronie Juvanhol. Segundo o autor, é de suma importância que os gestores públicos tenham esse conhecimento, permitindo o planejamento estratégico dos programas de prevenção e combate. Exemplo disso, apontado no estudo, é a relação entre as áreas de maior risco de incêndio e regiões de vulnerabilidade social.

 Termos de uso

Todos os releases sobre as pesquisas nacionais já publicados na área aberta da Bori (e que, portanto, não estão sob embargo) podem ser reproduzidos na íntegra pela imprensa, desde que não sofram alterações de conteúdo e que a fonte Agência Bori seja mencionada.

Veja como citar a BORI quando for publicar este artigo:

Fonte: Agência Bori

Ao usar as informações da Bori você concorda com nossos termos de uso.

Compartilhe:

Share on whatsapp
Share on twitter
Share on facebook
Share on email
Share on linkedin
Share on telegram
Share on google

Deixe um comentário

O seu endereço de e-mail não será publicado.

Language »
Fonte
Contraste