Tamanho da fonte: 

Este trabalho propõem a aplicar a aprendizagem de máquina para a previsão de incêndios florestais, um problema ambiental premente, especialmente na Estação Ecológica de Uruçuí-Una, um ecossistema do Cerrado Brasileiro que tem experimentado um aumento na frequência de incêndios nas últimas décadas. O objetivo foi desenvolver um modelo de aprendizado de máquina que pudesse prever a ocorrência de incêndios florestais baseado em variáveis ambientais. Para atingir este objetivo, coletamos e analisamos dados de satélite do índice de vegetação (NDVI), temperatura, e déficit hídrico durante um período de vinte anos. Adotamos uma abordagem de aprendizado supervisionado, testando três algoritmos de aprendizado de máquina: Random Forest, SVM e Redes Neurais. O modelo Random Forest apresentou a melhor performance, identificando com precisão uma relação significativa entre a redução do NDVI, o aumento da temperatura e do déficit hídrico, e a incidência de incêndios na região. Concluímos que a aprendizagem de máquina tem um potencial significativo para prever incêndios florestais e deve ser considerada para implementação em estratégias de gestão ambiental e prevenção de incêndios. Entretanto, a generalização desses modelos para outros biomas necessita de mais pesquisas.