A utilização de aprendizado de máquina para a previsão do desmatamento no sudoeste do Pará: um estudo comparativo

• Santos, Estêvão Damasceno ^[1] ; Carr, Caroline Nunes ^[1] ; Lima, Antônio Casanova Junior da Silva ^[1] ; Vieira, André Fernandes ^[1] ; Melo Filho, Djunio Rosa de ^[1] ; Dias, Isabela Hadassa Fernandes ^[1] ; Silva, Ryan Dias da ^[1]
  1. [1] Universidade do Estado do Pará

     Universidade do Estado do Pará

     Brasil

     
• Localización: Cuadernos de Educación y Desarrollo, ISSN-e 1989-4155, Vol. 16, Nº. 6, 2024
• Idioma: portugués
• Títulos paralelos:
  • The use of machine learning to predict deforestation in southwest Pará: a comparative study
  • El uso del aprendizaje automático para predecir la deforestación en el suroeste de Pará: un estudio comparativo
• Enlaces
  • Texto completo
• Resumen
  • español

    Brasil, reconocido por su vasta biodiversidad, enfrenta importantes amenazas debido a la deforestación, que no sólo daña la fauna y la flora locales, sino que también afecta a las comunidades locales y al clima global. La deforestación está vinculada a varios problemas, como la expansión agrícola, la tala ilegal y la ocupación desordenada de la tierra, lo que exacerba las emisiones de gases de efecto invernadero. El Instituto Nacional de Investigaciones Espaciales (INPE) ha estado monitoreando la deforestación desde 1988, utilizando imágenes satelitales y técnicas de aprendizaje automático para predecir escenarios futuros e informar las políticas ambientales. El estado de Pará se destaca como una zona de intensa actividad deforestadora, siendo las Áreas Protegidas especialmente afectadas. La integración de métodos computacionales avanzados con la comprensión de los procesos ambientales locales puede ofrecer información valiosa para las estrategias de conservación. Los algoritmos de Árbol de Decisión y Regresión de Vectores de Soporte destacaron en la predicción de la deforestación, mientras que otros presentaron resultados menos precisos. La predicción del crecimiento de la deforestación a lo largo de los años destaca la necesidad de una reforestación efectivapara revertir esta tendencia.

  • English

    Brazil, recognized for its vast biodiversity, faces significant threats due to deforestation, which not only harms local fauna and flora, but also affects local communities and the global climate. Deforestation is linked to several issues, such as agricultural expansion, illegal logging and disorderly land occupation, exacerbating greenhouse gas emissions. The National Institute for Space Research (INPE) has been monitoring deforestation since 1988, using satellite images andmachine learning techniques to predict future scenarios and inform environmental policies. The state of Pará stands out as an area of intense deforestation activity, with Protected Areas being especially affected. Integrating advanced computational methods with understanding local environmental processes can offer valuable insights for conservation strategies. The Decision Tree and Support Vector Regression algorithms stood out in predicting deforestation, while others presented less accurate results. The prediction of growth in deforestation over the years highlights the need for effective reforestation to reverse this trend.

  • português

    O Brasil, reconhecido por sua vasta biodiversidade, enfrenta ameaças significativas devido ao desmatamento, que não apenas prejudica a fauna e flora locais, mas também afeta comunidades locais e o clima global. O desmatamento está ligado a várias questões, como expansão agrícola, exploração madeireira ilegal e ocupação desordenada de terras, exacerbando as emissões de gases de efeito estufa. O Instituto Nacional de Pesquisas Espaciais (INPE) monitora o desmatamento desde 1988, utilizando imagens de satélite e técnicas de aprendizado de máquina para prever cenários futuros e informar políticas ambientais. O estado do Pará se destaca como uma área de intensa atividade de desmatamento, com as Áreas Protegidas sendo especialmente afetadas. A integração de métodos computacionais avançados com a compreensão dos processos ambientais locais pode oferecer insights valiosos para estratégias de conservação. Os algoritmos de Árvore de Decisão e Support Vector Regression se destacaram na previsão do desmatamento, enquanto outros apresentaram resultados menos precisos. A predição de crescimento do desmatamento ao longo dos anos destaca a necessidade de reflorestamento efetivo para reverter essa tendência.