Aprendizagem de máquina na Administração Pública: uso do algoritmo Random Forest na predição do dano ambiental da APA do Ato do Mucuri

Abstract

A Área de Proteção Ambiental (APA) do Alto do Mucuri é uma unidade de conservação de uso sustentável que tem como objetivo a integração sustentável na relação entre o homem e a natureza. O território abrange oito municípios localizados na região do Vale do Mucuri e tem como principal ameaça de existência a intervenção ambiental ilegal do ser humano, sendo o incêndio florestal um dos grandes desafios para sua sobrevivência. O Registro de Ocorrência de Incêndio (ROI) é uma das ferramentas para compreensão e combate do incêndio florestal que consiste no preenchimento de formulário contendo aspectos desde a identificação do incêndio florestal até a sua debelação. Com base nessas informações, o estudo utilizou o método descritivo e a abordagem quantitativa para analisar a contribuição preditiva da ocorrência do dano ambiental na gestão pública da APA do Alto do Mucuri, a partir de 138 ROI’s gerados entre os anos 2014 a 2018. Para análise foi utilizado o algoritmo Random Forest, técnica de aprendizado de máquina para predição das variáveis determinantes do dano ambiental. Os resultados alcançados revelaram maiores ocorrências de incêndios, respectivamente, nos municípios de Ladainha e Itaipé, atingindo principalmente a vegetação Floresta Estacional Semidecidual do bioma Mata Atlântica. Os eventos, em sua maioria, tiveram causas desconhecidas e atividades agropecuárias, alcançando o número de 14.729,92 hectares de vegetação queimada e 9.864,61 horas de combate de incêndios florestais. Os modelos I e II aplicados no algoritmo Random Forest alcançaram níveis de acurácia de 48,78% na fase de testagem demonstrando melhor poder preditivo para o dano ambiental de intensidade baixa e moderada. Os fatores que mais colaboraram para a identificação do dano ambiental foram: cobertura agropecuária, mês, cobertura floresta natural para o índice de acurácia média e as variáveis de concentração de monóxido de carbono, direção do vento e concentração de ozônio para o índice Gini. Através dos resultados foi possível verificar a importância das características climáticas e de cobertura geográfica para a mensuração do dano ambiental. Como sugestão de estudo para as atividades de gestão da unidade de conservação é a reformulação do conteúdo do ROI e a utilização do algoritmo Random Forest de maneira rotineira para alcance de eficiência na utilização de insumos e tempo de resposta para o combate de incêndios florestais.