Use este identificador para citar ou linkar para este item:
https://repositorio.ufpa.br/jspui/handle/2011/13901
Tipo: | Tese |
Data do documento: | 10-Jan-2022 |
Autor(es): | NEVES, Patrícia Bittencourt Tavares das |
Afiliação do(s) Autor(es): | UFPA - Universidade Federal do Pará |
Primeiro(a) Orientador(a): | BLANCO, Claudio José Cavalcante |
Segundo(a) Orientador(a): | DUARTE, André Augusto Azevedo Montenegro |
Título: | Modelo de inteligência artificial para estimativa do desmatamento considerando a rede de transporte rodoviário do estado do Pará |
Título(s) alternativo(s): | Artificial intelligence model for estimating deforestation considering the road transport network in the state of Pará |
Citar como: | NEVES, Patrícia Bittencourt Tavares das. Modelo de inteligência artificial para estimativa do desmatamento considerando a rede de transporte rodoviário do estado do Pará. Orientador: Claudio José Cavalcante Blanco; Coorientador: André Augusto Azevedo Montenegro Duarte. 2022. 120 f. Tese (Doutorado em Engenharia de Recursos Naturais da Amazônia) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2022. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/13901. Acesso em:. |
Resumo: | Desde a década de 1950 a matriz de transporte amazônica, assim como de todo o Brasil, priorizou o modal rodoviário sem considerar a potencialidade hidroviária da Amazônia. Estudos anteriores indicam que o sistema rodoviário, formado pela rede viária regulamentada integrada a uma vasta rede clandestina, tem forte relação espacial com o desmatamento da floresta. Assim, o objetivo do trabalho é realizar uma análise quantitativa das variáveis relacionadas ao processo de desmatamento da floresta Amazônica, no período de 1988 a 2018. A área de estudo é o território do estado do Pará, localizado na Amazônia Oriental, segundo maior estado do Brasil em extensão territorial e o mais desmatado. O recurso matemático utilizado foi inteligência artificial com aplicação da técnica de aprendizado de máquinas (machine learning). Utilizaram-se variáveis quantitativas relacionadas à infraestrutura de transportes, variáveis sociais e econômicas, e como variável ambiental, a área desmatada. Foram testados três modelos e o algoritmo Random Forest apresentou o melhor desempenho. Com a função gerada, foi estimada a área desmatada para os anos de 2020, 2030, 2040 e 2050. Utilizou-se análise de sensibilidade para estimar a área desmatada com a implantação da BR-163 e BR-210, na região Norte do Pará. Os resultados demonstram que, mantendo-se o cenário atual, o desmatamento ainda será intenso nas próximas três décadas, com 25,77% de crescimento em relação à área atual, embora com taxas decenais decrescentes e a estimativa de área desmatada promovida pela implantação das rodovias federais é de 4.703,43 km2 a 6.567,48 km2 . |
Abstract: | Since the decade of 1950s the Amazonian and Brazilian transportation complex prioritized the model of road transport. Past studies point that the regular roadway system that is integrated to a clandestine roadway complex is strongly related to the Amazon forest deforestation. Thus, in this work we performed a quantitative analysis of the variables related to the process of deforestation of the Amazon forest, a natural resource of great environment and economic significance, and the socioeconomic development of the region in the period between 1988 and 2018. The geographical study area is the state of Pará, located in the Oriental Amazon, the second largest state of Brazil in territorial extension and the most devastated. We used machine learning in the modeling of the quantitative variables related to the transportation infrastructure, social variables and economic variables, e.g., the devastated area. The random forest model presented the best performance with the generated function (using least squares method). It was estimated the devastated area for the years of 2020, 2030, 2040 and 2050. Sensitivity analysis was used to evaluate the devastated area after the implementation of the roads BR-163 and BR-210 in the north of Pará. The results show that given the current scenario the devastation tends to continue intensively in the next three decades, with a 25.77% increase over the current region albeit with decreasing ten-year rates of forestation loss, and the estimation of the deforested area caused by the implementation of federal roadway networks goes from 4,703.43 km2 to 6,567.48 km2 . |
Palavras-chave: | Rede rodoviária Rede rodoviária clandestina Desmatamento - Amazônia Aprendizado de máquinas Official roadway network Clandestine roadway network Deforestation - Amazon Machine Learning |
Área de Concentração: | USO E TRANSFORMAÇÃO DE RECURSOS NATURAIS |
Linha de Pesquisa: | MEIO AMBIENTE E ENERGIA |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::INFRA-ESTRUTURA DE TRANSPORTES::RODOVIAS PROJETO E CONSTRUCAO |
País: | Brasil |
Instituição: | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia de Recursos Naturais da Amazônia |
Tipo de Acesso: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
Fonte: | 1 CD-ROM |
Aparece nas coleções: | Teses em Engenharia de Recursos Naturais da Amazônia (Doutorado) - PRODERNA/ITEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese_ModeloInteligenciaArtificial.pdf | 3,11 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons