Previsão de Focos de Calor na Região Metropolitana de Maceió Utilizando Rede Neural Artificial
DOI:
https://doi.org/10.26848/rbgf.v15.5.p2313-2326Palavras-chave:
incêndios, inteligência artificial, monitoramento ambiental.Resumo
O objetivo deste estudo é o de analisar a previsão de focos de calor (FC) na Região Metropolitana de Maceió (RMM) utilizando Rede Neural Artificial (RNA). Foram usados neste estudo os dados de focos de calor no período de 1999 a 2019, disponíveis no Banco de Dados de Queimadas (BDQueimadas). A previsão foi feita com base na RNA não linear autorregressiva (NAR) com os FC sendo dados de entrada e alvo. As previsões se basearam na função de ativação Tangente Hiperbólica e Sigmoide, para averiguar qual função se adaptaria melhor ao modelo de previsão de FC na RMM. O desempenho do modelo foi verificado pelo diagrama de espalhamento (1:1), com destaque para Regressão Linear Simples (RLS), os coeficientes de determinação (R2) e de Pearson (r), seguido dos indicadores de erros (EM - Erro Médio, REQM – Raiz do Erro Quadrático Médio, EPAM – Erro Percentual Absoluto Médio). O EM variou entre -0,47 a 1,49 focos, o REQM (1,16 a 7,02 focos) e o EPAM (14,45 a 24,66%). Os coeficientes r (0,08 a 0,52) e R2 (1 a 58%). Os modelos com base nas funções de ativação foram similares entre observado e previsto, sendo satisfatória na maioria dos municípios. Os modelos não tiveram sucesso na previsão de FC elevados, principalmente nos anos 2008, 2012, 2015 e 2016, período de seca extrema. Os resultados obtidos indicam que a aplicação de RNA na previsão de FC pode auxiliar nas tomadas de decisões dos gestores públicos e no monitoramento de queimadas e incêndios em áreas urbanas.
Palavras-chave: incêndios, inteligência artificial, monitoramento ambiental.
Forecast of Fire Foci in the Metropolitan Region of Maceió Using Artificial Neural Network
ABSTRACT
The aim of this study is to analyze the forecast of fire foci (FF) in the Maceió Metropolitan Region (MMR) using Artificial Neural Network (ANN). It was used in the study fire foci data available in the Burning Database (BDQueimadas) in the period from 1999 to 2019. The forecast was made based on the ANN non-linear autoregressive (NAR) with the FF, being input and target data. The forecast was based Hyperbolic Tangent and Sigmoid activation function, to find out which function would best adapt to the forecast model of FF in the MMR. The model performance was based on the Scatter Diagram (1:1), with emphasis on Simple Linear Regression (SLR), the coefficients of determination (R2) and Pearson’s (r), followed by the error indicators (ME – Mean Error, RMSE – Root Mean Square Error, MAPE – Mean Absolute Percentage Error). The ME ranged from -0.47 to 1.49 foci, RMSE (1.16 to 7.02 foci), MAPE (14.45 to 24.66%). The coefficients r (0.08 to 0.52) and R2 (1 to 58%). The models based on activation function were similar between observed and predicted, being satisfactory in most municipalities. The models were not successful in forecast high FF, especially in the years 2008, 2012, 2015 and 2016, a period of extreme drought. These results obtained in the study indicate that the application of ANN in the forecast of FF can help in the decision-making of public managers and in the monitoring of burnings and fires in urban areas.
Keywords: Fire foci, Artificial Intelligence, Environmental Monitoring.
Downloads
Referências
Abid, F., 2021. A survey of machine learning algorithms based forest fires prediction and detection system. Fire Technology, 57, 559-590.
Araújo, J.M., Rosário, N.M.E., 2020. Poluição atmosférica associada ao material particulado no estado de São Paulo: análise baseada em dados de satélite. Revista Brasileira de Ciências Ambientais, 55, 32-47.
Batista, B.A., Correia-Filho, W.L.F., Oliveira-Júnior, J.F., Santiago, D.B., Santos, C.T., 2021. Avaliação da expansão urbana na cidade de Maceió, Alagoas – Nordeste do Brasil. Research, Society and Development, 10, 1–14.
Carneiro, K.F.S., Albuquerque, E.L.S., 2019. Análise multitemporal dos focos de queimadas em Teresina, estado do Piauí. Revista de Geociências do Nordeste, 5, 31-40.
Carvalho, A.L., Magalhães, I.D., Lyra, G.B., Santiago, D.B., Souza, J.S., Teodoro, I., Fernandes, R.C., Lyra, G., Lopes-Júnior, J.M., 2018. Avaliação climatológica das ocorrências de períodos secos e chuvosos no estado de Alagoas. Caderno de Pesquisa, Ciências e Inovação, 1, 40-50.
Clemente, S.S., Oliveira-Júnior, J.F., Louzada, M.A.P., 2017. Focos de calor na Mata Atlântica do Estado do Rio de Janeiro. Revista Brasileira de Meteorologia, 32, 1-9.
Correia-Filho, W.L.F., Santiago, D.B., Oliveira-Júnior, J.F., Silva-Júnior, C.A., 2019. Impact of urban decadal advance on land use and land cover and surface temperature in the city of Maceió, Brazil. Land Use Policy, 1, 1–11.
CPTEC - Centro de Previsão do Tempo e Estudos Climáticos. Monitoramento de focos. Disponível: http://queimadas.dgi.inpe.br/queimadas/bdqueimadas/. Acesso: 21 mar. 2022.
FNEM. Fórum Nacional de Entidade Metropolitanas. 2017. Disponível: http://fnembrasil.org/regiao-metropolitanade-maceio-al/. Acesso: 21 mar. 2022.
Hopkins, W.G., A new view of statistics: Correlation Coefficient. New York: Internet Society for Sport Science, 2009. Disponível: http://www.sportsci.org/resource/stats/correl.html. Acesso: 23 jun. 2022.
IBGE – Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010 – Área Territorial Brasileira. Rio de Janeiro: IBGE, 2020a.
INPE – Instituto Nacional de Pesquisas Espaciais. Banco de Dados de Queimadas. Disponível: https:queimadas.dgi.inpe.br/queimadas/bdqueimadas. Acesso: 01 abr. 2022.
Lima, M., Vale, J.C.E., Costa, G.M., Santos, R.C., Correia-Filho, W.L.F., Gois, G., Oliveira-Júnior, J.F., Teodoro, P.E., Rossi, F.S., Silva-Júnior, C.A., 2020. The Forests in the Indigenous Lands in Brazil in Peril. Land Use Policy, 90, 1-3.
Marengo, J.A., Torres, R.R., Alves, L.M., 2017a. Drought in Northeast Brazil – past, present and future. Theoretical and Applied Climatology, 129, 1189-1200.
MMA - Ministério do Meio Ambiente. Unidades de Conservação: O Que São? Disponível: https://www.mma.gov.br/areas-protegidas/unidades-de-conservacao/o-quesao.html, acesso em 12 de abr. 2022.
Neves, J.A., Santos, C.C., Amaral, A.F.C., Sant’Anna, S.A.C., Silva, P.A., Ivo Mello, W.P., 2018. Emissões de gases de efeito estufa em áreas de cana-de-açúcar colhida crua e queimada. Anais 8 Seminário de Iniciação Científica e Pós-Graduação da Embrapa Tabuleiros Costeiros.
Oliveira, J.G.I., Paiva, R.F.P.S., Reis, M.M., Gois, G., 2020. Poluição do ar e internações por doenças respiratórias em Volta Redonda, RJ. Revista Brasileira de Ciências Ambientais, 55, 72-88.
Oliveira, U.C., Lima, E.C., Figueiredo, T.W.X., Claudino-Sales, V., Feitosa, C.E.L., 2021. Environmental risk in Northeast Brazil: estimation of burning áreas in Coreaú River Basian, Ceará, Brazil. Environmental Monitoring and Assessment, 193, 1-12.
Oliveira-Júnior, J.F., Correia-Filho, W.L.F., Alves, L.E.R., Lyra, G.B., Gois, G., Silva-Júnior, C.A., Santos, P.J. Sobral, B.S., 2020. Fire foci dynamics and their relationship with socioenvironmental factors and meteorological systems in the state of Alagoas, Northeast Brazil. Environmental Monitoring and Assessment, 192, 1–26.
Oliveira-Júnior, J. F., Shah, M., Abbas, A., Correia-Filho, W.L.F Silva Júnior, C.A., Barros Santiago, D., Teodoro, P. E., Mendes, D., Souza, A., Aviv-Sharon, E., Silveira, V. R., Pimentel, L. C. G., Silva, E. B., Haq, M. A., Khan, I., Mohamed, A., Attia, E-A, 2022. Spatiotemporal Analysis of Fire Foci and Environmental Degradation in the Biomes of Northeastern Brazil. Sustainability, 14, 6935.
Samet, H., Reisi, M., Marzbani, F., 2019. Evaluation of neural network based methodologies for wind speed forecasting. Computers and Eletrical Engineering, 78, 356-372.
Santos, I.G.S., Lyra, R.F.F., 2020. Análise do potencial de previsão da velocidade do vento na utilizando rede neural artificial. Anuário do Instituto de Geociências – UFRJ, 43, 11-17.
Santos, I.G.S., Lyra, R.F.F.; Silva-Júnior, R.S., 2020. Comparativo de prognósticos da velocidade do vento utilizando modelo WRF e rede neural artificial. Revista Brasileira de Meteorologia, 35, 1017-1027.
Santos, F.S.; Gomes, H.B.; Barros, G.V.P.; Alves, L.E.R.; Silva, D.F.; Costa, R.L.; Silva, F.D.S.; Oliveira-Júnior, J.F., 2021. Análise sazonal dos parâmetros biofísicos utilizando o sensor MODIS para o Estado de Alagoas. Revista Brasileira de Meteorologia, 35, 955-968.
Silva, C.; Portella, A.C.F.; Giongo, M., 2020. Meta-análise de estudos sobre o efeito do fogo nos biomas florestais em relação aos microrganismos fúngicos. Advances in Forestry Science, 7,. 931-938.
Silva, E.M.S., Correia-Filho, W.L.F., Oliveira-Júnior, J.F., Barros, H.G., Costa, M.S., Gois, G., Falcão, N.A.M., 2020. Espaço-temporalidade dos focos de calor na região metropolitana de Maceió. Revista Brasileira de Meteorologia, 35, 1029–1043.
Sindaçúcar-AL, 2019. Relação das Usinas. Disponível: http://www.sindacucar-al.com.br/relacao-das-usinas/. Acesso: 06 maio. 2022
Souza, E.O., Costa, M.S., Oliveira-Júnior, J.F., Gois, G., Mariano, G.L., Costa, C.E.S., Correia-Filho, W.L.F., Santiago, D.B., 2020. Estimativa e espacialização da erosividade em mesorregiões climáticas no Estado de Alagoas. Revista Brasileira de Meteorologia, 35, n769–783.
Viganó, H.H.G., Souza, C.C., Cristaldo, M.F.; Jesus, L., 2017. Redes neurais artificiais na previsão de queimadas e incêndios no Pantanal. Revista Brasileira de Geografia Física, 10, 1355-1367.
Zanini, A.M., Vendruscolo, G.S., Milesi, S.V., Zanin, E.M., Zakrzevsk, S.B.B., 2020. Percepções de estudantes do Sul do Brasil sobre a biodiversidade da Mata Atlântica. Interciência, 45, 15-22.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 IWLDSON GUILHERME DA SILVA SANTOS
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
