Modelação geoespacial e análise do risco de pirataria no Golfo da Guiné

• Autor(a) principal: Rocha, André Medeiros
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.26/42159
• topic: Pirataria Marítima; Golfo da Guiné; Análise de Padrões; Rede Bayesiana; Análise Geoespacial; Domínio/Área Científica::Ciências Sociais::Outras Ciências Sociais

O Golfo da Guiné é uma região de significativa relevância internacional pelo elevado potencial geoestratégico que apresenta. Dispõe de grandes reservas de petróleo e gás natural, de uma privilegiada localização e acessibilidade marítima, bem como de um grande leque de recursos naturais. A região caracteriza-se por um clima de instabilidade política, social e económica, condições ideais para o surgimento e proliferação de ameaças à segurança marítima, destacando-se a Pirataria Marítima pela crescente relevância e impacto nos últimos anos. Desde 2018, esta região destaca-se por ter o maior número de ataques no mundo, resultando no aumento da insegurança e instabilidade numa das principais rotas do comércio marítimo mundial. O presente trabalho tem como objetivo principal a identificação de padrões, tendências e situações de maior risco de ocorrência de um ataque de Pirataria Marítima. Para esse efeito, recorreu-se aos dados disponibilizados pela International Maritime Organization e pela International Maritime Bureau, relativos ao período entre 2010 e 2021 e foi desenvolvido um modelo geoespacial dos diferentes indicadores de risco para a ocorrência de um ataque, que dispõe de diferentes camadas e permite uma análise espácio-temporal dos diferentes indicadores, apurando em que medida é que os esforços internacionais e regionais têm tido um impacto positivo no combate a este fenómeno. Para complementar este estudo, foi realizada uma análise estatística dos dados e construído um modelo de Redes Bayesianas com o objetivo de prever o nível de ameaça dadas as condições e contexto no momento do ataque. A análise realizada permitiu a identificação de padrões entre os diferentes ataques e a previsão efetuada através do modelo de classificação de Redes Bayesianas pode ser utilizada não só para prever o nível de ameaça, bem como para identificar registos históricos classificados com um nível inferior ao potencial que este representava.