Tipificação de incêndios florestais na Amazônia Legal através de aprendizado de máquina

Abstract

Este estudo realiza uma abordagem abrangente da aplicação de técnicas de aprendizado de máquina para detectar eventos de incêndio na região da Amazônia Legal, em colaboração direta com o Centro Gestor e Operacional do Sistema de Proteção da Amazônia (CENSIPAM), visando integrar o trabalho realizado à plataforma de monitoramento de fogo, Painel do Fogo. Utilizando um conjunto inicial de dados rotulados pelo CENSIPAM, revelou-se a insuficiência de características para uma classificação precisa via algoritmos de aprendizado de máquina. A expansão do conjunto de dados foi alcançada por meio de revisão metodológica, destacando o GFED Amazon Dashboard, e consultas colaborativas com o CENSIPAM para identificar recursos essenciais à categorização precisa. Avaliando dois algoritmos, Random Forest e Multi-Layer Perceptron, os resultados demonstram acurácia geral em torno de 77%, apesar das classes “Sub-bosque” e “Desflorestamento” desafiarem a eficácia dos modelos, sendo a classe “Desflorestamento” de interesse primordial para o CENSIPAM. O estudo enfatiza a qualidade dos dados como fundamental, recomendando abordagem metodológica uniforme e correção manual para aprimorar a precisão dos modelos, representando um avanço para o monitoramento de incêndios na Amazônia Legal e destacando a constante necessidade de refinamento dos modelos e dados de entrada.