Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude

Detalhes bibliográficos
Autor(a) principal: Bergonse,Rafaello V.
Data de Publicação: 2010
Outros Autores: Bidarra,João M.
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005
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_e8063ddecabaf06279576b2826052c38
oai_identifier_str oai:scielo:S0430-50272010000100005
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 de ocorrência de incêndios de grande magnitudeIncêndios de grande magnitudesusceptibilidadeprobabilidade bayesianaregressão logísticaEste 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 Geográficos2010-01-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articletext/htmlhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005Finisterra - Revista Portuguesa de Geografia n.89 2010reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAPporhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005Bergonse,Rafaello V.Bidarra,João M.info:eu-repo/semantics/openAccess2024-02-06T16:57:50Zoai:scielo:S0430-50272010000100005Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:14:51.375458Repositório 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 de ocorrência de incêndios de grande magnitude
title Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
spellingShingle Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
Bergonse,Rafaello V.
Incêndios de grande magnitude
susceptibilidade
probabilidade bayesiana
regressão logística
title_short Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
title_full Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
title_fullStr Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
title_full_unstemmed Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
title_sort Probabilidade bayesiana e regressão logística na avaliação da susceptibilidade de ocorrência de incêndios de grande magnitude
author Bergonse,Rafaello V.
author_facet Bergonse,Rafaello V.
Bidarra,João M.
author_role author
author2 Bidarra,João M.
author2_role author
dc.contributor.author.fl_str_mv Bergonse,Rafaello V.
Bidarra,João M.
dc.subject.por.fl_str_mv Incêndios de grande magnitude
susceptibilidade
probabilidade bayesiana
regressão logística
topic Incêndios de grande magnitude
susceptibilidade
probabilidade bayesiana
regressão logística
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 2010-01-01
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 http://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005
url http://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://scielo.pt/scielo.php?script=sci_arttext&pid=S0430-50272010000100005
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
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 Finisterra - Revista Portuguesa de Geografia n.89 2010
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_ 1799137249611218944