Aplicação de redes neurais artificiais na classificação e zoneamento de focos de calor na reserva extrativista Chico Mendes - Acre, Brasil

Abstract

A Amazônia abriga a maior floresta tropical contínua do mundo e desempenha um papel fundamental na regulação do clima global. No entanto, a ação do fogo na região representa um desafio urgente, com potenciais danos à biodiversidade, ao meio ambiente e às comunidades locais. Em 2022, o Brasil testemunhou uma perda alarmante de 16,3 milhões de hectares de floresta devido a atividades relacionadas ao fogo, e a Reserva Extrativista Chico Mendes, no estado do Acre, destaca-se como a segunda unidade de conservação federal mais ameaçada por incêndios.  Por se caracterizar como uma importante área de proteção, torna-se crucial encontrar métodos eficazes para a prevenção e gerenciamento de áreas com risco de fogo. Nesse contexto, a inteligência artificial, especialmente as Redes Neurais Artificiais (RNA), têm se destacado como um modelo eficaz de predição em diversas áreas. O presente estudo buscou desenvolver uma RNA para classificar e zonear a ocorrência de focos de calor na Reserva Extrativista Chico Mendes.  Foi utilizado o software R Studio 4.2.3, em conjunto com o pacote "keras" e o framework "TensorFlow", para a construção de uma RNA do tipo Multilayer Perceptron, utilizando o algoritmo de retropropagação de aprendizagem, com topologia de dez camadas de entradas, quinze camadas intermediárias e uma de saída. O conjunto de dados envolveu registros de focos de calor entre 2016 e 2019 para treinamento da rede, e dados de 2020 para validação. Os resultados revelaram uma acurácia do modelo de 74%, uma sensibilidade de 76% e especificidade de 71%. Além disso, a taxa de verdadeiros positivos alcançou 81%, enquanto a de verdadeiros negativos foi de 64%. Os resultados obtidos sinalizam uma base sólida do modelo de RNA, indicando seu potencial para contribuir para com o monitoramento de focos de calor em áreas de relevância e vulnerabilidade ambiental.