Universidade Federal do Espírito Santo
Uma pesquisa desenvolvida no Programa de Pós-Graduação em Ciências Florestais (PPGCFL) da Ufes identificou áreas com diferentes riscos de incêndios florestais no Espírito Santo. O levantamento, feito em parceria com o Instituto Federal do Espírito Santo (Ifes) e a Universidade Federal do Piauí (UFPI), uniu conhecimentos de modelagem espacial e inteligência artificial.
Nos resultados da pesquisa, foi observado que áreas com alta densidade demográfica e com baixa altitude possuem maior probabilidade de ocorrência de incêndios florestais, enquanto as que possuem nível elevado de chuva apresentam menor probabilidade devido à umidade do solo e à altura da vegetação. Regiões mais vulneráveis socialmente e áreas com vegetação de restinga possuem maior probabilidade de incêndio. “O predomínio de herbáceas estabelecido em solo arenoso e com grande concentração de matéria orgânica facilita a ignição do fogo”, relata o professor do Departamento de Engenharia Florestal da UFPI e autor principal do estudo, Ronie Juvanhol, que foi orientado pelo professor da Ufes Nilton César Fiedler.
“A detecção de um aumento na temperatura e uma menor umidade relativa do ar pode indicar um aumento do risco de incêndio, permitindo que sejam tomadas medidas preventivas, como a realização de ações de limpeza das áreas próximas a pontos de risco, bem como o envio de equipes para patrulhar as áreas”, afirma o professor.
Metodologia
Modelagem espacial é uma abordagem utilizada no campo do geoprocessamento que analisa as transformações ocorridas no espaço geográfico, criando modelos matemáticos computacionais que capturam o contato de diferentes variáveis espaciais, como o relevo, o clima, a vegetação e a topografia.
A pesquisa utilizou tecnologias para maior eficiência e precisão nos resultados, e o algoritmo Classification and Progression Trees - CART (Árvores de Classificação e Progressão) foi uma delas. O CART é um método que pode ser utilizado para prever resultados ou classificar eventos com base em um conjunto de variáveis. O processo acontece em quatro etapas: primeiro o algoritmo seleciona a variável mais importante, depois os dados são divididos em duas partes, o que faz com que surjam dois subconjuntos de dados. Na terceira etapa, o algoritmo refaz os dois processos anteriores, o que faz com que novas divisões sejam feitas. O algoritmo para de dividir os dados quando a qualidade do modelo é avaliada de forma positiva. No final, é possível fazer previsões para novos dados.
Soluções
As informações que esses modelos preditivos oferecem ajudam os representantes públicos a compreenderem que cada localidade demanda cuidados diferentes, além de alertarem as equipes ambientais para que tomem medidas que previnam possíveis incêndios.
Segundo o professor, algumas medidas recomendadas para prevenção de incêndios são: o uso de imagens de satélite e drones para monitoramento de áreas de risco, o investimento em técnicas de manejo florestal, a educação da população acerca das consequências dos incêndios florestais e o investimento em brigadas de incêndio e no treinamento de equipes em caso de perigo. “As estratégias mencionadas podem ser eficazes para prevenir e combater incêndios florestais, desde que haja um compromisso do poder público em investir em tecnologias e treinamento de equipes especializadas”, completa.
O estudo possui o financiamento da Fundação de Amparo à Pesquisa e Inovação do Espírito Santo (Fapes).
Texto: Hannahbella Queiroz (bolsista em projeto de Comunicação)
Foto: Incêndio na Reserva Biológica de Sooretama - Instituto Chico Mendes de Conservação da Biodiversidade (ICMBio)
Edição: Thereza Marinho
