Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/217957 |
Resumo: | Como consequência da combinação de extremos climáticos e das ações humanas, destaca-se nos anos recentes a ocorrência de desastres naturais decorrentes de queimadas em áreas florestais. Tais eventos têm sido observados com mais frequência e de forma generalizada, ocasionando graves danos ambientais e sociais em diversos ecossistemas. Estudos apontam para a necessidade de métodos para o monitoramento de queimadas, os quais podem ser realizados através do mapeamento de áreas afetadas ou suscetíveis a tal evento. Neste contexto, dados extraídos de séries multitemporais de imagens obtidas por sensoriamento remoto e técnicas de aprendizado de máquina são componentes potenciais no desenvolvimento de métodos e ferramentas para esse fim. Nesta pesquisa foram desenvolvidos dois métodos através do emprego de conceitos de modelagem, classificação estatística e detecção de anomalias. O primeiro método é capaz de proporcionar o mapeamento das ocorrências através da precisão da identificação das áreas afetadas por fogo, enquanto o segundo realiza o mapeamento da suscetibilidade ao fogo através da identificação de localizações não anômalas. |
id |
UNSP_6b9c911ffcb6d3fdc019339d3597b7d5 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/217957 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remotoFire occurrence and susceptibility mapping in vegetated areas with the use of machine learning models and remote sensing dataIncêndios florestaisSensoriamento remotoAprendizado de máquinaForest firesRemote sensingMachine learningComo consequência da combinação de extremos climáticos e das ações humanas, destaca-se nos anos recentes a ocorrência de desastres naturais decorrentes de queimadas em áreas florestais. Tais eventos têm sido observados com mais frequência e de forma generalizada, ocasionando graves danos ambientais e sociais em diversos ecossistemas. Estudos apontam para a necessidade de métodos para o monitoramento de queimadas, os quais podem ser realizados através do mapeamento de áreas afetadas ou suscetíveis a tal evento. Neste contexto, dados extraídos de séries multitemporais de imagens obtidas por sensoriamento remoto e técnicas de aprendizado de máquina são componentes potenciais no desenvolvimento de métodos e ferramentas para esse fim. Nesta pesquisa foram desenvolvidos dois métodos através do emprego de conceitos de modelagem, classificação estatística e detecção de anomalias. O primeiro método é capaz de proporcionar o mapeamento das ocorrências através da precisão da identificação das áreas afetadas por fogo, enquanto o segundo realiza o mapeamento da suscetibilidade ao fogo através da identificação de localizações não anômalas.As a result of the combination of climatic extremes and human actions, the occurrence of natural disasters resulting from fires in forest areas has been highlighted in recent years. Such events have been observed more frequently and in a generalized way, causing serious environmental and social damages in several ecosystems. Studies point to the need for methods for monitoring fires, which can be carried out by mapping areas affected or susceptible to such an event. In this context, data extracted from multitemporal series of images obtained by remote sensing and machine learning techniques are potential components in the development of methods and tools for this purpose. In this research two methods were developed through the use of modeling concepts, statistical classification and anomaly detection. The first method is able to provide the mapping of occurrences through the accuracy of the identification of fire-affected areas, while the second performs the mapping of fire susceptibility through the identification of non-anomalous locations.OutraUniversidade Estadual Paulista (Unesp)Negri, Rogério GalanteUniversidade Estadual Paulista (Unesp)Luz, Andréa Eliza de Oliveira2022-04-20T15:23:17Z2022-04-20T15:23:17Z2022-03-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/21795733004145083P2porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-04T06:30:38Zoai:repositorio.unesp.br:11449/217957Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T22:08:42.649569Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto Fire occurrence and susceptibility mapping in vegetated areas with the use of machine learning models and remote sensing data |
title |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
spellingShingle |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto Luz, Andréa Eliza de Oliveira Incêndios florestais Sensoriamento remoto Aprendizado de máquina Forest fires Remote sensing Machine learning |
title_short |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
title_full |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
title_fullStr |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
title_full_unstemmed |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
title_sort |
Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto |
author |
Luz, Andréa Eliza de Oliveira |
author_facet |
Luz, Andréa Eliza de Oliveira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Negri, Rogério Galante Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Luz, Andréa Eliza de Oliveira |
dc.subject.por.fl_str_mv |
Incêndios florestais Sensoriamento remoto Aprendizado de máquina Forest fires Remote sensing Machine learning |
topic |
Incêndios florestais Sensoriamento remoto Aprendizado de máquina Forest fires Remote sensing Machine learning |
description |
Como consequência da combinação de extremos climáticos e das ações humanas, destaca-se nos anos recentes a ocorrência de desastres naturais decorrentes de queimadas em áreas florestais. Tais eventos têm sido observados com mais frequência e de forma generalizada, ocasionando graves danos ambientais e sociais em diversos ecossistemas. Estudos apontam para a necessidade de métodos para o monitoramento de queimadas, os quais podem ser realizados através do mapeamento de áreas afetadas ou suscetíveis a tal evento. Neste contexto, dados extraídos de séries multitemporais de imagens obtidas por sensoriamento remoto e técnicas de aprendizado de máquina são componentes potenciais no desenvolvimento de métodos e ferramentas para esse fim. Nesta pesquisa foram desenvolvidos dois métodos através do emprego de conceitos de modelagem, classificação estatística e detecção de anomalias. O primeiro método é capaz de proporcionar o mapeamento das ocorrências através da precisão da identificação das áreas afetadas por fogo, enquanto o segundo realiza o mapeamento da suscetibilidade ao fogo através da identificação de localizações não anômalas. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-04-20T15:23:17Z 2022-04-20T15:23:17Z 2022-03-02 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/217957 33004145083P2 |
url |
http://hdl.handle.net/11449/217957 |
identifier_str_mv |
33004145083P2 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129397405777920 |