Previsão de Focos de Calor na Região Metropolitana de Maceió Utilizando Rede Neural Artificial
DOI:
https://doi.org/10.26848/rbgf.v15.5.p2313-2326Keywords:
incêndios, inteligência artificial, monitoramento ambiental.Abstract
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
References
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
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Brazilian Journal of Physical Geography
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with Revista Brasileira de Geografia Física agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under the Creative Commons Attribution 4.0 International (CC BY 4.0) license that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted to make their work available online before or during the editorial process, on academic social networks, digital repositories, or preprint servers. After publication in Revista Brasileira de Geografia Física, authors are expected to update the preprint or postprint versions on the platforms where they were originally made available, providing a link to the final published version and any other relevant information, with proper recognition of authorship and the initial publication in this journal.
You are free to:
Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
Adapt — remix, transform, and build upon the material for any purpose, even commercially.
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
