Previsão de vulnerabilidade a incêndios florestais utilizando regressão logística e redes neurais artificiais: um estudo de caso no Distrito Federal brasileiro

Autor(a):

Pablo Pozzobon de Bem

Resumo:

 Incêndios florestais são um problema global e queimam milhões de hectares de vegetação nativa todos os anos. O Cerrado brasileiro é a savana neotropical mais rica em biodiversidade do mundo, e uma das regiões mais afetadas por incêndios, sendo considerado um ecossistema tolerante ao fogo. Apesar da adaptação do bioma ao fogo, a alta frequência de incêndios trazida pela ocupação humana tem danificado o ecossistema mais rápido do que ele é capaz de se recuperar. O combate a incêndios é custoso e, portanto, medidas de prevenção de incêndios são a melhor maneira de evitar seus danos em longo prazo. Prever a distribuição espacial da ocorrência de incêndios florestais é um passo importante para a realização do manejo do fogo. Para isto, podem ser utilizados modelos que relacionem a ocorrência do fogo às variáveis que o influenciam. Neste estudo, dois modelos distintos de previsão — Regressão Logística (RL) e uma Rede Neural Artificial (RNA) — foram aplicados à região do Distrito Federal brasileiro, que se encontra inserida dentro do bioma Cerrado. Produtos de área queimada baseados em imagens LANDSAT foram utilizados para gerar a variável dependente, e nove outras variáveis espacialmente explícitas e de origem antropogênica ou ambiental foram utilizadas como variáveis independentes. Os modelos foram otimizados em função da melhor medida de Area under Receiver Operating Characteristic (AUROC, ou simplesmente AUC) a partir da seleção de atributos, e posteriormente validados utilizando dados reais de áreas queimadas. Os modelos mostraram performances similares, mas o modelo utilizando a RNA demonstrou melhor AUC (0.7755), e melhor acurácia ao classificar áreas não queimadas (73.39%), porém pior acurácia média (66.55%) e ao classificar áreas queimadas, para as quais o modelo LR apresentou o melhor resultado (65.24%). Adicionalmente, foi comparada a importância de cada variável aos modelos, contribuindo para o conhecimento das causas principais de incêndios na região. As variáveis demonstraram importâncias similares em ambos os modelos utilizados, e as variáveis de maior importância foram a elevação do terreno e o tipo de uso do solo. Os resultados demonstraram bons desempenhos de todos os modelos testados, mas recomenda-se a execução de mais estudos similares mais detalhados em outras áreas de na savana Brasileira, dado que ainda são poucos os estudos deste tipo.

Referência:

BEM, Pablo Pozzobon de. Previsão de vulnerabilidade a incêndios florestais utilizando regressão logística e redes neurais artificiais: um estudo de caso no Distrito Federal brasileiro. 2017. viii, 28 f., il. Dissertação (Mestrado em Geografia)—Universidade de Brasília, Brasília, 2017.

Disponível em:

);