DIAGNÓSTICO E PREDIÇÃO DE INCÊNDIOS FLORESTAIS COM O USO DE REDES NEURAIS ARTIFICIAIS
Nome: FELIPE PATRICIO DAS NEVES
Tipo: Tese de doutorado
Data de publicação: 24/02/2022
Orientador:
Nome | Papel |
---|---|
ALEXANDRE ROSA DOS SANTOS | Co-orientador |
NILTON CESAR FIEDLER | Orientador |
Banca:
Nome | Papel |
---|---|
ELAINE CRISTINA GOMES DA SILVA | Examinador Externo |
FLAVIO CIPRIANO DE ASSIS DO CARMO | Examinador Externo |
NILTON CESAR FIEDLER | Orientador |
REGINALDO SERGIO PEREIRA | Examinador Externo |
SÁULO BOLDRINI GONÇALVES | Examinador Externo |
Resumo: Nos últimos anos os incêndios florestais têm sido cada vez mais frequentes em várias regiões do mundo. Com isso, diversas instituições têm buscado estratégias capazes de mitigar suas consequências, já que podem ocasionar sérios prejuízos à sociedade, em meio a recursos financeiros, humanos e materiais limitados. Nesse contexto, esta pesquisa objetivou realizar diagnóstico da série histórica de atendimentos do Corpo de Bombeiros Militar a incêndios florestais no estado do Espírito Santo, de 2010 a 2019. Em seguida, analisou detalhes relacionados às ações de combate aos incêndios, como tempo de empenho de equipes, deslocamentos, vegetações impactadas, períodos de demanda. Além disso, propôs-se modelo híbrido de mapa de incêndios, reunindo dados do Centro Integrado Operacional e Defesa Social (CIODES) e do Instituto Nacional de Pesquisas Espaciais (INPE); modelaram-se redes neurais artificiais (inteligência artificial) para predição de novos focos no norte e noroeste do estado, com base na série histórica de incêndios registrados pelo CIODES e dados meteorológicos de estações do Instituto Nacional de Meteorologia (INMET). Para análise estatística os dados de atendimentos foram submetidos ao teste de análise de variância, sendo que, quando F significativo, médias foram submetidas ao teste Tukey ao nível de significância de 5%. Utilizaram-se na criação de mapas e análises espaciais os softwares ArcGIS 10.8 e QGIS 3.16, e o Statistical Package for the Social Sciences (SPSS), da International Business Machines Corporation (IBM), na construção das redes neurais artificiais e predição de incêndios florestais. Destacaram-se como períodos críticos os anos 2015 e 2019; meses de agosto a outubro, e janeiro a março (inverno e verão) com maior incidência anual; assim como entre as sextas-feiras e domingos. Constatou-se também que os incêndios florestais foram mais frequentes nas microrregiões administrativas Metropolitana, Rio Doce, Centro-Oeste, Nordeste e Central Sul. Tanto os registros do CBMES quanto do INPE apresentaram tendências semelhantes, diferindo-se em números absolutos devido à metodologia empregada pelos órgãos responsáveis. Além disso, notou-se de forma geral aumento nas
médias mensais de tempo de empenho e deslocamentos de viaturas da Corporação em 2018 e 2019; as vegetações mais impactadas foram não nativas (66,91%), além de nativas (17,88%), e vegetações rasteiras/terrenos baldios (15,21%). O mapa híbrido utilizando dados do CIODES e do INPE mostrou-se relevante, capaz de auxiliar os gestores responsáveis em planejamentos de ações futuras. Por fim, foi possível modelar redes neurais artificias para os 05 municípios mais castigados da região norte e noroeste do estado e validá-las, tendo suas métricas de desempenho apuradas, apresentando no geral boa acurácia e precisão. Quanto à importância de variáveis, a velocidade do vento destacou-se nas redes de Linhares e Nova Venécia, enquanto a umidade relativa do ar, para os municípios de Colatina e Aracruz, e a temperatura, para a rede de São Mateus. Quando submetidas a situações hipotéticas, foram capazes de prever focos para cada condição e local propostos no estudo. Dessa forma, a pesquisa obteve informações técnicas importantes, capazes de subsidiar decisões estratégicas de gestores competentes, buscando otimizar o emprego de recursos públicos em ações voltadas a este tipo de desastre.
Palavras chave: Proteção florestal, Prevenção e combate a incêndios, Geotecnologias, Rede Neural Artificial.