SISTEMA DE ALERTA DE RISCO DE INCÊNDIO NO PANTANAL COM PREVISÃO ATÉ 3 DIAS FUTUROS
DOI:
https://doi.org/10.56238/arev7n9-142Palavras-chave:
Incêndio, Sistema de Informação, Predição de Risco, PantanalResumo
No Pantanal, no território nacional, situado nos Estados MS e MT, todos os anos, acontecem diversos focos de incêndios. A seca prolongada, a matéria orgânica seca e faíscas ou fogo podem causar incêndios de variadas proporções. Para ajudar no combate de incêndio no Pantanal, foi desenvolvido um sistema de predição de incêndios, acessado pela web, chamado Saripan. Este sistema, anteriormente, previa o risco de incêndio para cada município da região do pantanal até o dia atual. Porém, em sua nova versão, o sistema agora pode mostrar até 3 dias futuros o risco de incêndio com probabilidade alta de acerto. Isto se deve a um sistema que faz predição de dados climáticos, usando algoritmo de machine learning (aprendizado de máquina), a partir de pelo menos 20 anos de dados climáticos históricos diários. Com estes dados, o sistema aprendeu como os dados climáticos variam no tempo para os municípios da região do Pantanal. Desta forma, com dados climáticos preditos, e usados em cálculo de risco de incêndio, o sistema Saripan poderá predizer para até 3 dias o risco em qualquer município do Pantanal. Este trabalho descreve este sistema,o Saripan, com a função de predizer o risco de incêndio, até 3 dias a contar do dia atual, com boa porcentagem de acertos, em torno de 90%.
Downloads
Referências
AGRI. Agritempo. Disponível em https://www.agritempo.gov.br/. Acessado em: Ago, 2025.
DUARTE, Adriana. MySQL: guia prático. São Paulo: Novatec, 2019.
DUCKETT, Jon. HTML e CSS: projete e construa websites. Rio de Janeiro: Alta Books, 2014.
INMET. Instituto Nacional de Meteorologia. Disponível em https://portal.inmet.gov.br/. Acessado em: Ago, 2025.
FLANAGAN, David. JavaScript: o guia definitivo. 6. ed. Porto Alegre: Bookman, 2013.
GOOGLE. Google Maps. Disponível em: https://maps.google.com. Acessado em: Ago, 2025.
HERE TECHNOLOGIES. HERE WeGo Maps. Disponível em: https://wego.here.com. Acessado em: Ago, 2025.
HILLER, Fábio. Python para desenvolvedores. São Paulo: Casa do Código, 2018.
LEAFLET. An open-source JavaScript library for mobile-friendly interactive maps. Disponível em https://leafletjs.com/examples/quick-start/. Acessado em: Ago, 2025.
LOURIÉ, David Sklar. Aprendendo PHP. 5. ed. São Paulo: Novatec, 2017.
NASA. NASA Prediction Of Worldwide Energy Resources (POWER). Disponível em https://power.larc.nasa.gov. Acessado em: Ago, 2025.
SANTOS, B. Z.; SORIANO, B. M. A.; NARCISO, M. G.; SILVA, D. F.; CERRI, R. A new time series framework for forest fire risk forecasting and classification. In: INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), 2023, Queensland, Australia. Proceedings. Illinois: International Neural Network Society, 2023. DOI: https://doi.org/10.1109/IJCNN54540.2023.10191502
URL: https://ieeexplore.ieee.org/document/10191502
SORIANO, B. M. A.; Daniel, O.; SANTOS, S. A. Eficiência de Índices de Risco de Incêndios para o Pantanal Sul-Mato-Grossense. Revista Ciência Floresta, v. 25, n 4, 2016. DOI: https://doi.org/10.5902/1980509820231. DOI: https://doi.org/10.5902/1980509820231
URL: https://periodicos.ufsm.br/cienciaflorestal/issue/view/791
UNESCO. Organização das Nações Unidas para a Educação, a Ciência e a Cultura. Disponível em: https://www.unesco.org/. Acessado em: Ago, 2025.
