Aprendizagem de máquina na Administração Pública: uso do algoritmo Random Forest na predição do dano ambiental da APA do Ato do Mucuri
| dc.contributor.advisor | Menezes, João Paulo Calembo Batista | |
| dc.contributor.author | Passos, Diego da Silva | |
| dc.contributor.institution | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.date.accessioned | 2022-08-10T18:25:03Z | |
| dc.date.available | 2022-08-10T18:25:03Z | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021-02-19 | |
| dc.description.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. | pt_BR |
| dc.description.abstracts | The Environmental Protection Area (APA) of Alto do Mucuri is a conservation unit for sustainable use that aims at sustainable integration in the relationship between man and nature. The territory covers eight municipalities located in the Vale do Mucuri region and its main threat to existence is the illegal environmental intervention of human beings, the forest fire being one of the major challenges for their survival. The Fire Occurrence Record (ROI) is one of the tools for understanding and fighting forest fire that consists of filling out a form containing aspects from the identification of the forest fire to its elimination. Based on this information, the study used the descriptive method and the quantitative approach to analyze the predictive contribution of the occurrence of environmental damage in the public management of the APA Alto do Mucuri, from 138 ROI’s generated between the years 2014 to 2018. The Random Forest algorithm was used for analysis, machine learning technique to predict the variables that determine environmental damage. The results achieved revealed greater occurrences of fires in the municipalities of Ladainha and Itaipé respectively, mainly affecting the vegetation of the semi-deciduous seasonal forest of the Atlantic Forest biome. Most of the events had unknown causes and agricultural activities, reaching 14,729.92 hectares of burnt vegetation and 9,864.61 hours of forest firefighting. Models I and II applied to the Random Forest algorithm reached accuracy levels of 48.78% in the testing phase, demonstrating a better predictive power for low and moderate intensity environmental damage. The factors that contributed most to the identification of environmental damage were: agricultural cover, month, natural forest cover for the average accuracy index and the variables of carbon monoxide concentration, wind direction and ozone concentration for the Gini index. Through the results it was possible to verify the importance of climatic characteristics and geographic coverage for the measurement of environmental damage. As a suggestion of the study for the management activities of the conservation unit is the reformulation of the content of the ROI and the use of the Random Forest algorithm on a routine basis to achieve efficiency in the use of inputs and response time for fighting forest fires. | pt_BR |
| dc.description.sponsorship | Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM) | pt_BR |
| dc.description.thesis | Dissertação (Mestrado) – Programa de Pós-graduação em Administração Pública, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2021. | pt_BR |
| dc.identifier.citation | PASSOS, Diego da Silva. Aprendizagem de máquina na Administração Pública: uso do algoritmo Random Forest na predição do dano ambiental da APA do Ato do Mucuri. 2021. 105 p. Dissertação (Mestrado em Administração Pública) – Programa de Pós-graduação em Administração Pública, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Teófilo Otoni, 2021. | pt_BR |
| dc.identifier.uri | https://repositorio.ufvjm.edu.br/items/a2c7b8dc-2b93-454e-bb0f-4232c94d6ace | |
| dc.language.iso | por | pt_BR |
| dc.publisher | UFVJM | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data. | pt_BR |
| dc.subject.keyword | Registro de ocorrência de incêndio | pt_BR |
| dc.subject.keyword | Incêndio florestal | pt_BR |
| dc.subject.keyword | APA do Alto do Mucuri | pt_BR |
| dc.subject.keyword | Random Forest | pt_BR |
| dc.subject.keyword | Unidade de conservação | pt_BR |
| dc.title | Aprendizagem de máquina na Administração Pública: uso do algoritmo Random Forest na predição do dano ambiental da APA do Ato do Mucuri | pt_BR |
| dc.type | Dissertação | pt_BR |