Mapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remoto

dc.contributor.advisorNegri, Rogério Galante
dc.contributor.authorLuz, Andréa Eliza de Oliveira
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2022-04-20T15:23:17Z
dc.date.available2022-04-20T15:23:17Z
dc.date.issued2022-03-02
dc.description.abstractComo 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.pt
dc.description.abstractAs 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.en
dc.description.sponsorshipOutra
dc.identifier.capes33004145083P2
dc.identifier.urihttp://hdl.handle.net/11449/217957
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectIncêndios florestaispt
dc.subjectSensoriamento remotopt
dc.subjectAprendizado de máquinapt
dc.subjectForest firesen
dc.subjectRemote sensingen
dc.subjectMachine learningen
dc.titleMapeamento da ocorrência e suscetibilidade de fogo em áreas vegetadas com uso de modelos de aprendizado de máquina e dados de sensoriamento remotopt
dc.title.alternativeFire occurrence and susceptibility mapping in vegetated areas with the use of machine learning models and remote sensing dataen
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Instituto de Ciência e Tecnologia, São José dos Campospt
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramDesastres Naturais - ICTpt
unesp.knowledgeAreaOutrapt
unesp.researchAreaInstrumentação e análise de dadospt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
luz_aeo_me_sjc.pdf
Tamanho:
17.32 MB
Formato:
Adobe Portable Document Format
Descrição:
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
3.04 KB
Formato:
Item-specific license agreed upon to submission
Descrição: