Modelagem de riscos de incêndios florestais e otimização da alocação das estruturas de combate por meio de técnicas de inteligência artificial

Página do item simplificado
dc.contributor.advisor1Silva, Gilson Fernandes da
dc.contributor.advisor1IDhttps://orcid.org/0000000178536284
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8643263800313625
dc.contributor.authorSilva, Jeferson Pereira Martins
dc.contributor.authorIDhttps://orcid.org/0000000315521127
dc.contributor.authorLatteshttp://lattes.cnpq.br/6748966859692740
dc.contributor.referee1Barros Junior, Antonio Almeida de
dc.contributor.referee1IDhttps://orcid.org/0000-0002-2449-7221
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5104467305835940
dc.contributor.referee2Almeida, André Quintão de
dc.contributor.referee2IDhttps://orcid.org/0000-0002-5063-1762
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5929672339693607
dc.contributor.referee3Pezzopane, Jose Eduardo Macedo
dc.contributor.referee3IDhttps://orcid.org/0000000300244016
dc.contributor.referee3Latteshttp://lattes.cnpq.br/3640768649683482
dc.contributor.referee4Silva, Evandro Ferreira da
dc.date.accessioned2024-05-30T01:43:01Z
dc.date.available2024-05-30T01:43:01Z
dc.date.issued2023-08-31
dc.description.abstractThis study presents an approach to wildfire management integrating a WebGIS system and artificial intelligence. To train the deep learning model, data related to vegetation, topography, anthropogenic factors, and historical fire records for the year 2008 in Andalusia, Spain were collected. The dataset was duly normalized and split into 70% for training, 10% for validation, and 20% for testing. Various algorithms and activation functions were evaluated, with the combination of Adam and Relu standing out, recording an accuracy of 0.86 during training. Based on this model, a risk map was generated. By applying the K-means method to this map, high-risk areas were identified, and central points for the installation of firefighting infrastructures were suggested. To validate the model's efficacy, the suggested positions were compared with the actual locations of firefighting aircraft in Andalusia, Spain. With 31 clusters and a risk threshold of 0.75, the proximity between the proposed coordinates and the actual ones was notable, reinforcing the practical potential of the approach proposed in this study.
dc.description.resumoEste estudo apresenta uma abordagem para a gestão de incêndios florestais com a integração de um sistema WebGIS e inteligência artificial. Para treinar o modelo de aprendizado profundo, foram coletados dados relacionados à vegetação, topografia, fatores antrópicos e registros históricos de incêndios para o ano de 2008 em Andaluzia, Espanha. O conjunto de dados foi devidamente normalizado e dividido em 70% para treinamento, 10% para validação e 20% para teste. Diversos algoritmos e funções de ativação foram avaliados, sendo que a combinação entre Adam e Relu obteve destaque, registrando uma acurácia de 0.86 durante o treinamento. Com base nesse modelo, foi gerado um mapa de risco. Ao aplicar o método K-means a este mapa, foram identificadas áreas de alto risco e sugeridos pontos centrais para a instalação de infraestruturas de combate a incêndios. Para validar a eficácia do modelo, as posições sugeridas foram comparadas com as localizações reais de aeronaves de combate a incêndios em Andaluzia, Espanha. Com 31 clusters e um limiar de risco de 0,75, a proximidade entre as coordenadas propostas e os reais foi notável, reforçando o potencial prático da abordagem proposta neste trabalho.
dc.description.sponsorshipSuzano Papel E Celulose S.A.
dc.description.sponsorshipFundação de Amparo à Pesquisa do Espírito Santo (FAPES)
dc.description.sponsorshipFundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/17279
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseDoutorado em Ciências Florestais
dc.publisher.departmentCentro de Ciências Agrárias e Engenharias
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Ciências Florestais
dc.rightsopen access
dc.subjectProteção florestal
dc.subjectAprendizado de máquina
dc.subjectPesquisa operacional
dc.subjectMudança climática
dc.subject.br-rjbnsubject.br-rjbn
dc.subject.cnpqRecursos Florestais e Engenharia Florestal
dc.titleModelagem de riscos de incêndios florestais e otimização da alocação das estruturas de combate por meio de técnicas de inteligência artificial
dc.title.alternativetitle.alternative
dc.typedoctoralThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
JEFERSON PEREIRA MARTINS SILVA.pdf
Tamanho:
8.21 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Doutorado em Ciências Florestais