Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto

• Ano de defesa: 2022
• Autor(a) principal: Luz, Andréa Eliza de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Incêndios florestais; Sensoriamento remoto; Aprendizado de máquina; Forest fires; Remote sensing; Machine learning
• Link de acesso: http://hdl.handle.net/11449/217957

Como consequência da combinação de extremos climáticos e das ações humanas, destaca-se nos anos recentes a ocorrência de desastres naturais decorrentes de queimadas em áreas florestais. Tais eventos têm sido observados com mais frequência e de forma generalizada, ocasionando graves danos ambientais e sociais em diversos ecossistemas. Estudos apontam para a necessidade de métodos para o monitoramento de queimadas, os quais podem ser realizados através do mapeamento de áreas afetadas ou suscetíveis a tal evento. Neste contexto, dados extraídos de séries multitemporais de imagens obtidas por sensoriamento remoto e técnicas de aprendizado de máquina são componentes potenciais no desenvolvimento de métodos e ferramentas para esse fim. Nesta pesquisa foram desenvolvidos dois métodos através do emprego de conceitos de modelagem, classificação estatística e detecção de anomalias. O primeiro método é capaz de proporcionar o mapeamento das ocorrências através da precisão da identificação das áreas afetadas por fogo, enquanto o segundo realiza o mapeamento da suscetibilidade ao fogo através da identificação de localizações não anômalas.