Show simple item record

dc.contributor.authorDias, Lívia Caroline César
dc.date.accessioned2022-02-23T12:45:06Z
dc.date.available2022-02-23T12:45:06Z
dc.date.issued2021-12-07
dc.identifier.citationDIAS, Lívia Caroline César. Uso de técnicas de aprendizado de máquina para a elaboração de modelos de suscetibilidade à ocorrência de incêndios florestais nas áreas de proteção ambiental do Mosaico de Áreas Protegidas Sertão Veredas-Peruaçu, MG. 2021. Tese (Doutorado em Ciências Ambientais) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15635.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/15635
dc.description.abstractThe Cerrado has been under strong pressure from the agricultural frontier in recent decades, with protected areas being almost the only remaining areas with some degree of conservation of this biome in Brazil. However, the imaginary lines that separate these conserved areas from anthropized areas have not been sufficient and as a consequence, wildfires have increasingly devastated these once protected environments. Geoprocessing tools have played an important role in enabling the mapping of these areas and in identifying more vulnerable areas, while machine learning techniques have made it possible to create models to predict the occurrence of wildfires in the near future in certain regions. In this work we seek to associate the geoprocessing tools with the machine learning techniques to be able to create for the Environmental Protection Areas of the Sertão Veredas Peruaçu Mosaic a forest fire predictive models. For this, we consider climatic variables (temperature, relative humidity, wind speed and precipitation), environmental (altitude, slope, NDVI, Hydrographic Distance), anthropogenic (Distance from Roads, Population Density, Distance of Ocupations and Land Use and Land Cover) and soil fuel moisture index (fine fuel moisture code, Duff moisture code and drought index) in order to explain when, where and why fire occurs in the region. In addition, these areas are composed of veredas environments of great relevance to the Cerrado and with an important role in the carbon stock, and for this reason we evaluate the quantification of organic carbon in these veredas. The choice of the best forest fire occurrence model by the logistic regression method was based on the Akaike Information Criterion. For each Environmental Protection Area (EPA), a final model was generated with a set of different variables, but all models showed high performance in predicting forest fires. The results of the final models showed that the Area Under the Curve (AUC), which is the model's hit rate, was greater than 95% for each of the three APA's. Another parameter used to assess the effectiveness of the models was the R² value, which presented values close to 1 in the final models, confirming that these models were adjusted. As for the concentration of organic carbon in the vereda soil, the results showed that this peat soil demonstrates the capacity to store carbon. The concentration of organic carbon in the arboreal area of the vereda is up to 20 times higher than in the cerrado strictu senso area.eng
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectUnidades de conservaçãopor
dc.subjectMachine learningeng
dc.subjectCarbonopor
dc.subjectIncêndios florestaispor
dc.subjectSensoriamento remotopor
dc.subjectVeredaspor
dc.subjectConservation unitseng
dc.subjectCarboneng
dc.subjectWildfireseng
dc.subjectRemote sensingeng
dc.titleUso de técnicas de aprendizado de máquina para a elaboração de modelos de suscetibilidade à ocorrência de incêndios florestais nas áreas de proteção ambiental do Mosaico de Áreas Protegidas Sertão Veredas-Peruaçu, MGpor
dc.title.alternativeUse of machine learning techniques for the development of susceptibility models to the occurrence of forest fire in the environmental protection areas of the Mosaic Sertão Seredas – Peruaçu, MGeng
dc.typeTesepor
dc.contributor.advisor1Moschini, Luiz Eduardo
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2728357583462262por
dc.contributor.advisor-co1Shimabukuro, Yosio Edemir
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1913003589198061por
dc.description.resumoO Cerrado vem sofrendo intensa pressão da fronteira agrícola nas últimas décadas, sendo as áreas protegidas quase que os únicos remanescentes com algum estágio de conservação desse domínio vegetacional no Brasil. Entretanto as linhas imaginárias que separam estas áreas conservadas das áreas antropizadas não tem sido suficiente, e como consequência os incêndios florestais tem devastado cada vez mais estes ambientes outrora protegidos. Ferramentas de geoprocessamento cumprem um importante papel que possibilita o mapeamento destas regiões e assim identifica áreas mais vulneráveis, enquanto que as técnicas de machine learning torna possível criar modelos para prever a ocorrência de incêndios florestais num futuro próximo em determinados locais. Neste estudo, procuramos associar as ferramentas de sensoriamento com as técnicas de machine learning para poder elaborar modelos preditivos de incêndios florestais para as Áreas de Proteção Ambiental (APA) do Mosaico Sertão Veredas Peruaçu. Para tanto, consideramos variáveis climáticas (temperatura, umidade relativa do ar, velocidade do vento e precipitação), ambientais (altitude, declividade, NDVI, Distância de Hidrografia), antrópicas (Distância de Rodovias, Densidade Populacional, Distância de Habitações e Uso e Cobertura do Solo) e índice de umidade de combustível do solo (índice de umidade dos combustíveis finos, índice de umidade Duff e índice de seca) a fim de explicar quando, onde e porquê o fogo ocorre na região. Além disso, estas áreas são compostas por ambientes de veredas de grande relevância para o Cerrado e com um importante papel no estoque de carbono e, por isso quantificamos a concentração do carbono orgânico no solo destas veredas. A escolha do melhor modelo de ocorrência de incêndios florestais pelo método de regressão logística foi baseada no Critério de Informação de Akaike. Para cada APA foi gerado um modelo final com um conjunto de variáveis diferentes, mas todos os modelos apresentaram alta performance na predição de incêndios florestais. Os resultados dos modelos finais mostraram que a Área abaixo da Curva (AUC), que é a taxa de acerto do modelo, foi maior que 95% para cada uma das três APA’s. Outro parâmetro utilizado para avaliar a eficácia dos modelos foi o valor do R², que apresentou valores próximos de 1 nos modelos finais, confirmando que estes modelos estavam ajustados. Quanto à concentração de carbono orgânico no solo da vereda, os resultados mostraram que este solo turfoso demonstra capacidade em armazenar carbono. A concentração de carbono orgânico na área arbórea da vereda é até 20 vezes maior que em área de cerrado strictu senso.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Ciências Ambientais - PPGCAmpor
dc.subject.cnpqCIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::CONSERVACAO DA NATUREZA::CONSERVACAO DE AREAS SILVESTRESpor
dc.description.sponsorshipIdProcesso nº 441959/2018-0, Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)por
dc.description.sponsorshipIdProcesso CAPES-PRINT nº 88887.465566/2019-00, Coordenação de Aperfeiçoamento de Nível Superior (CAPES)por
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/3339789330947215por


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Brazil
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Brazil