Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://doi.org/10.18055/Finis1353 |
Resumo: | Este artigo tem por objectivo a aplicação de um modelo de susceptibilidade orientado para a aplicação a incêndios de grande magnitude, pequena parte do total de ocorrências que origina a grande maioria dos estragos anuais. Esta relação frequência/magnitude é característica dos regimes de fogo dos países do Sul da Europa. Com base na cartografia das áreas ardidas, no período 1990-2007 no distrito de Castelo Branco, é proposto um método de identificação dos incêndios de grande magnitude e são comparadas duas técnicas de integração de dados, assentes em Probabilidade Bayesiana e Regressão Logística. Os resultados mostram uma capacidade preditiva superior da técnica Bayesiana, e um ajustamento do modelo ao comportamento dos incêndios considerados de grande magnitude, por oposição a todos os incêndios.Embora deva ser alvo de desenvolvimentos futuros, o modelo proposto pretende complementar outras formas de avaliação da susceptibilidade/perigosidade, salientando as áreas onde tendem a concentrar-se os incêndios mais danosos. |
id |
RCAP_3e05cfb979686734ab59d0ac7071ebcc |
---|---|
oai_identifier_str |
oai:ojs.revistas.rcaap.pt:article/1353 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitudeArtigosEste artigo tem por objectivo a aplicação de um modelo de susceptibilidade orientado para a aplicação a incêndios de grande magnitude, pequena parte do total de ocorrências que origina a grande maioria dos estragos anuais. Esta relação frequência/magnitude é característica dos regimes de fogo dos países do Sul da Europa. Com base na cartografia das áreas ardidas, no período 1990-2007 no distrito de Castelo Branco, é proposto um método de identificação dos incêndios de grande magnitude e são comparadas duas técnicas de integração de dados, assentes em Probabilidade Bayesiana e Regressão Logística. Os resultados mostram uma capacidade preditiva superior da técnica Bayesiana, e um ajustamento do modelo ao comportamento dos incêndios considerados de grande magnitude, por oposição a todos os incêndios.Embora deva ser alvo de desenvolvimentos futuros, o modelo proposto pretende complementar outras formas de avaliação da susceptibilidade/perigosidade, salientando as áreas onde tendem a concentrar-se os incêndios mais danosos.Centro de Estudos Geográficos2010-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlehttps://doi.org/10.18055/Finis1353por2182-29050430-5027Bergonse, RafaelloBidarra, Joãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-09-05T14:38:43Zoai:ojs.revistas.rcaap.pt:article/1353Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T15:11:49.299018Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
title |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
spellingShingle |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude Bergonse, Rafaello Artigos |
title_short |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
title_full |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
title_fullStr |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
title_full_unstemmed |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
title_sort |
Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade à ocorrência de incêndios de grande magnitude |
author |
Bergonse, Rafaello |
author_facet |
Bergonse, Rafaello Bidarra, João |
author_role |
author |
author2 |
Bidarra, João |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Bergonse, Rafaello Bidarra, João |
dc.subject.por.fl_str_mv |
Artigos |
topic |
Artigos |
description |
Este artigo tem por objectivo a aplicação de um modelo de susceptibilidade orientado para a aplicação a incêndios de grande magnitude, pequena parte do total de ocorrências que origina a grande maioria dos estragos anuais. Esta relação frequência/magnitude é característica dos regimes de fogo dos países do Sul da Europa. Com base na cartografia das áreas ardidas, no período 1990-2007 no distrito de Castelo Branco, é proposto um método de identificação dos incêndios de grande magnitude e são comparadas duas técnicas de integração de dados, assentes em Probabilidade Bayesiana e Regressão Logística. Os resultados mostram uma capacidade preditiva superior da técnica Bayesiana, e um ajustamento do modelo ao comportamento dos incêndios considerados de grande magnitude, por oposição a todos os incêndios.Embora deva ser alvo de desenvolvimentos futuros, o modelo proposto pretende complementar outras formas de avaliação da susceptibilidade/perigosidade, salientando as áreas onde tendem a concentrar-se os incêndios mais danosos. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.18055/Finis1353 |
url |
https://doi.org/10.18055/Finis1353 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
2182-2905 0430-5027 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Centro de Estudos Geográficos |
publisher.none.fl_str_mv |
Centro de Estudos Geográficos |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799129988363976704 |