Modelagem de ocorrência de incêndios na Amazônia Legal usando aprendizagem de máquina

Abstract

A Amazônia legal possui a maior cobertura florestal da Terra, desempenhando um papel fundamental para a sequestro de carbono, conservação da biodiversidade e regulação do clima. No entanto, nas últimas décadas, a conversão de áreas de vegetação natural em áreas agrícolas, desmatamento seletivo e efeitos de mudança climáticas tem induzido o aumento de eventos de queimadas. Essa pesquisa possui como objetivo analisar modelos baseados em métodos de aprendizagem de máquina para prever as áreas mais vulneráveis à ocorrência de incêndios na região da floresta amazônica brasileira. Os métodos de aprendizagem de máquina testados foram o Random Forest (RF), Extreme Gradient Boost (XGB) e Multilayer Perceptron (MLP). O processamento de dados utilizou diferentes feições da paisagem que condicionam a variação espacial da ocorrência de incêndios, incluindo: áreas desmatadas, cidades, estradas, bordas de florestas e dados climáticos (temperatura média da superfície terrestre e precipitação média). A análise de precisão usou a curva Receiver Operating Characteristic (ROC), comparando os resultados dos modelos de aprendizado de máquina e os focos de incêndios provenientes do banco de dados BDQueimadas desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (INPE). A otimização dos hiperparâmetros dos modelos considerou os valores de acurácia, objetivando a aprimoração dos modelos na obtenção dos melhores resultados. Apesar dos modelos apresentarem desempenho semelhantes, o melhor modelo foi o RF com valores de Área Abaixo da Curva (AUC) de 0,88 seguido do MLP e XGB com AUC de 0,84. No entanto, a modelagem considerando a inserção de estradas planejadas no modelo corrobora uma maior variação usando o método MLP. Os resultados evidenciam a interferência humana na indução das queimadas. Trabalhos futuros devem ser desenvolvidos para o aprimoramento da metodologia proposta, principalmente inserido outras variáveis ambientais e antrópicas e comparando com outros métodos de inteligência artificial.