skip to main content
Idioma:

Mapeamento da probabilidade de incêndio e de cicatrizes de dano como suporte ao manejo florestal

Prata, Gabriel Atticciati

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz 2019-05-31

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Mapeamento da probabilidade de incêndio e de cicatrizes de dano como suporte ao manejo florestal
  • Autor: Prata, Gabriel Atticciati
  • Orientador: Rodriguez, Luiz Carlos Estraviz
  • Assuntos: Aprendizado De Máquinas; Cicatriz De Dano; Incêndio; Probabilidade De Incêndio; Fire; Fire Probability; Fire Scar; Machine Learning
  • Notas: Tese (Doutorado)
  • Descrição: O histórico de incêndios florestais pode ajudar o gestor na localização de áreas de maior risco e, consequentemente, alocar de maneira mais eficaz os recursos de produção. Este trabalho mostra como o histórico de incêndios em florestas de eucalipto pode ser usado para gerar dois modelos preditivos, um de probabilidade de incêndio em nível de talhão e outro de cicatrizes que identificam áreas com cobertura florestal danificada por incêndio. O ajuste do modelo preditivo de probabilidade anual de incêndio teve como variáveis preditivas, uma combinação de variáveis biométricas (volume comercial com casca), climáticas (face de exposição do terreno, precipitação anual, precipitação total anualizada, temperatura média anual e média de umidade relativa do ar), sociais (distância para área urbana, para estradas e para assentamento rural, população municipal, densidade demográfica, e população da zona rural) e de dados processados de levantamentos a laser aerotransportados (ALS): volume estimado por métricas ALS; índice de área foliar para altura total das árvores (LAI), para frações de altura de 1 a 5 metros (LAI_1_5m) e 1 a 10 metros (LAI_1_10m), e estimativa de sub-bosque (proporção entre LAI_1_5m e LAI). Foram utilizadas como técnicas de ajuste, a regressão logística (LOGIT) e o algoritmo Random Forest (RF), que se mostrou superior após o processo de validação-cruzada (tipo \"k-fold\", com k=10). Dados ALS não se mostraram significativos, e o método RF com as variáveis volume comercial com casca, precipitação total anualizada, distância para áreas urbanas e para assentamentos e população da zona rural foi o de melhor eficácia. Esse resultado se expressou nas medidas de especificidade (classificação correta de áreas com registro de incêndio) e performance (classificação correta de áreas preditas como incendiadas). O melhor resultado revela especificidade e performance de 77%. Dentre as variáveis preditoras, a de maior importância foi a precipitação total anualizada. O modelo preditivo de cicatrizes de áreas com cobertura danificada teve sua classificação baseada em três classes: Incêndio, Colheita/Terra Nua e Plantação. O ajuste utilizou como variáveis preditivas 16 métricas multiespectrais, derivadas do sensor RapidEye, e 29 métricas ALS. A resolução espacial das predições é de 5m. Os algoritmos Support Vector Machine (SVM) e Random Forest foram usados como técnicas de classificação, que após a validação-cruzada (\"k-fold\" com k=10), identificou o RF como superior. Neste caso, a inclusão das métricas ALS ao cenário em que se usam apenas dados multiespectrais, aumentaram a sensibilidade para aspectos estruturais da vegetação, verificado para as classes \"Incêndio\" e \"Plantação\" e melhorou a acurácia das predições de 94%, para 97%, e o índice kappa de 90% para 95%. Por importância de capacidade preditiva de cicatrizes de dano, destacam-se as variáveis banda vermelho e NDVI para o RapidEye e, as variáveis relacionadas à cobertura e densidade do dossel, para os dados ALS. Os modelos gerados são úteis para gestores florestais, pois permitem melhor planejamento das operações de combate a incêndio, podendo, inclusive, reduzir custos na operação devido a melhor eficiência logística.
  • DOI: 10.11606/T.11.2019.tde-02092019-110153
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Escola Superior de Agricultura Luiz de Queiroz
  • Data de criação/publicação: 2019-05-31
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.