Machine learning approaches for fire risk classification using remote sensing and meteorological data (2025)
- Authors:
- Autor USP: HANAMOTO, JUNITI HITOCHI AFONÇO - EP
- Unidade: EP
- Sigla do Departamento: PME
- Subjects: FOGO; APRENDIZADO COMPUTACIONAL
- Language: Inglês
- Abstract: vegetação e impactar a qualidade do ar por meio da liberação de partículas nocivas, monóxido de carbono e óxidos de nitrogênio. Esses eventos afetam negativamente a saúde humana e animal, reduzem a biodiversidade, degradam o solo e alteram os ciclos hidrológicos e climáticos. No Brasil, esses desafios ambientais são ainda mais pronunciados devido à vasta biodiversidade e à grande extensão territorial. Este estudo propõe a análise de dois métodos para a classificação do atributo risco de fogo. O primeiro método utiliza um modelo de classificação multiclasse considerando inicialmente dois cenários: (i) apenas dados do Programa Queimadas do INPE e (ii) o mesmo conjunto acrescido de dados de precipitação do INMET, com o objetivo de verificar se a inclusão de informações de sensores em nível de solo melhora as métricas de desempenho. A partir desses cenários conceituais, foram conduzidos cinco experimentos, variando técnicas de balanceamento e o algoritmo empregado, a fim de avaliar o impacto na precisão de cada classe de risco. O segundo método aplica um modelo de classificação binária para identificar a ocorrência ou não de queimadas, a partir de dados do satélite Landsat-8 e índices espectrais associados à detecção de áreas queimadas. Ao comparar os resultados dos dois métodos, busca-se identificar aquele com melhor desempenho na detecção de áreas de alto risco, possibilitando a aplicação de medidas preventivas oportunas, mitigando potenciais danos ambientais e contribuindo para a conservação da biodiversidade.
- Imprenta:
- Data da defesa: 03.11.2025
-
ABNT
HANAMOTO, Juniti Hitochi Afonço. Machine learning approaches for fire risk classification using remote sensing and meteorological data. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/3/3152/tde-09042026-152014/pt-br.php. Acesso em: 13 abr. 2026. -
APA
Hanamoto, J. H. A. (2025). Machine learning approaches for fire risk classification using remote sensing and meteorological data (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/3/3152/tde-09042026-152014/pt-br.php -
NLM
Hanamoto JHA. Machine learning approaches for fire risk classification using remote sensing and meteorological data [Internet]. 2025 ;[citado 2026 abr. 13 ] Available from: https://teses.usp.br/teses/disponiveis/3/3152/tde-09042026-152014/pt-br.php -
Vancouver
Hanamoto JHA. Machine learning approaches for fire risk classification using remote sensing and meteorological data [Internet]. 2025 ;[citado 2026 abr. 13 ] Available from: https://teses.usp.br/teses/disponiveis/3/3152/tde-09042026-152014/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
