Avaliação de modelos de predição de mudanças de uso do solo em três biomas brasileiros

• Ano de defesa: 2024
• Autor(a) principal: Varnier, Macleidi
• Orientador(a): Weber, Eliseu Jose
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Sensoriamento remoto; Acurácia
• Palavras-chave em Inglês: Land use change models; Conditioning factors; Accuracy assessment
• Link de acesso: http://hdl.handle.net/10183/287788

Modelos de mudanças de uso do solo são empregados para predizer alterações esperadas para o futuro. Estes modelos se baseiam no entendimento dos padrões de mudanças ocorridas entre os pontos de tempo t 0 e t 1 , seguida de extrapolação para t x . Apesar da popularidade desta abordagem, em muitos trabalhos a comunicação dos resultados é realizada de maneira inapropriada. Esta situação é liderada por dois motivos: I) a identificação dos padrões de mudanças é realizada de maneira automatizada nos programas de modelagem. E II), a avaliação da acurácia dos resultados dos modelos é comumente realizada utilizando métricas potencialmente enganosas. Como consequência destas práticas, o entendimento do funcionamento e da acurácia dos modelos é dificultada, impossibilitando conhecer a capacidade das predições em indicar as mudanças investigadas. T endo em vista este cenário, o objetivo principal deste trabalho é avaliar a capacidade preditiva de modelos de mudanças de uso do solo a partir de métricas rigorosas. Para isso, a dissertação foi dividida em dois artigos, em ambos investigou-se áreas de estudo em três biomas brasileiros. No primeiro artigo, foi avaliado como variáveis espaciais preditivas descreveram a supressão vegetal ocorrida em diferentes períodos de tempo. No segundo artigo, foram comparadas as acurácias dos resultados de modelos baseados em aprendizado de máquina e de linha de base para diferentes períodos de extrapolação. Entre os principais resultados encontrados, pode-se destacar que: I) As variáveis preditivas apresentaram diferentes capacidades em descrever as mudanças. II) Os resultados de modelos baseados em aprendizado de máquina e de linha de base obtiveram acurácias similares. E III), a validade dos padrões de mudanças e a acurácia das predições é deteriorada ao afastar-se do período de treinamento.