Avaliação do tempo de resposta aos incêndios florestais usando modelos aditivos generalizados (GAM)

Abstract

Os incêndios florestais são uma das maiores ameaças aos ecossistemas naturais e ao clima global, intensificados pelas mudanças climáticas e pela ação humana. Este trabalho tem como objetivo avaliar o tempo de resposta das equipes de combate a incêndios florestais na província de Alberta que fica no Canadá, utilizando Modelos Aditivos Generalizados (GAM). A pesquisa utiliza dados de incêndio de domínio público referentes ao período de 1995 a 2002, da região de Alberta. A modelagem foi realizada no software R, com as distribuições Gama, Scaled t e Tweedie, buscando representar adequadamente a assimetria e a heterogeneidade da variável resposta (tempo de resposta). Os resultados indicaram que o número de focos de incêndio, o período do dia e o tipo de combustível influenciam significativamente o tempo de resposta. Além disso, modos de detecção por raios e fontes não especificadas, bem como o uso de aeronaves (Air Tanker) no combate, estão associados a tempos de resposta mais elevados. A análise dos resíduos e diagnósticos mostrou melhor desempenho dos modelos baseados nas distribuições Gama e Tweedie, que capturaram com maior precisão a variabilidade e a assimetria dos dados. Conclui-se que os GAMs são ferramentas eficazes para compreender e prever a dinâmica operacional dos incêndios florestais, contribuindo para políticas públicas mais eficientes e alinhadas aos objetivos de desenvolvimento sustentável (ODS 11, 13 e 15).

Wildfires are among the greatest threats to natural ecosystems and the global climate, intensified by climate change and human activity. This study aims to evaluate the response time of firefighting teams to wildfires in the province of Alberta, Canada, using Generalized Additive Models (GAM). The research relies on publicly available wildfire data from Alberta, covering the period from 1995 to 2002. Modeling was conducted using R software with Gamma, Scaled t, and Tweedie distributions to adequately represent the asymmetry and heterogeneity of the response variable (response time). The results indicated that the number of fire occurrences, time of day, and fuel type significantly influence response time. Additionally, detection modes such as lightning and unspecified sources, as well as the use of aircraft (Air Tankers) in firefighting operations, were associated with longer response times. Residual and diagnostic analyses revealed superior performance for models based on the Gamma and Tweedie distributions, which more accurately captured the variability and asymmetry of the data. It is concluded that GAMs are effective tools for understanding and predicting the operational dynamics of wildfires, contributing to more efficient public policies aligned with the Sustainable Development Goals (SDGs 11, 13, and 15).