@InProceedings{DiasMoscShim:2023:MoOcIn,
author = "Dias, Livia Caroline C{\'e}sar and Moschini, Luiz Eduardo and
Shimabukuro, Yosio Edemir",
affiliation = "{Universidade Federal de S{\~a}o Carlos (UFSCar)} and
{Universidade Federal de S{\~a}o Carlos (UFSCar)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)}",
title = "Modelagem de ocorr{\^e}ncia de inc{\^e}ndios florestais
relacionados a fatores antr{\'o}picos na {\'A}rea de
Prote{\c{c}}{\~a}o Ambiental Coch{\'a} e Gib{\~a}o",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e156411",
organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
keywords = "Regress{\~a}o log{\'{\i}}stica bin{\'a}ria, AIC.
inc{\^e}ndios florestais, sensoriamento remoto,Binary logistic
regression, AIC. forest fires, remote sensing.",
abstract = "Prever a ocorr{\^e}ncia de inc{\^e}ndios florestais {\'e} uma
etapa crucial para o planejamento da preven{\c{c}}{\~a}o e do
combate destes inc{\^e}ndios. Assim o objetivo deste trabalho foi
desenvolver um modelo de suscetibilidade a inc{\^e}ndios
florestais considerando a rela{\c{c}}{\~a}o de vari{\'a}veis
topogr{\'a}ficas, vegetacionais e antr{\'o}picas com a
ocorr{\^e}ncia dos inc{\^e}ndios florestais. Para isto, uma
regress{\~a}o log{\'{\i}}stica foi aplicada na {\'A}rea de
Prote{\c{c}}{\~a}o Ambiental Coch{\'a} e Gib{\~a}o. Utilizei
focos de inc{\^e}ndios disponibilizados pelo INPE para gerar a
vari{\'a}vel dependente do modelo, e oito vari{\'a}veis
explicativas descritas como topogr{\'a}ficas, vegetacionais e
antr{\'o}picas. A escolha do melhor modelo foi baseada no
Crit{\'e}rio de Informa{\c{c}}{\~a}o de Akaike. Os resultados
mostraram uma AUC, que {\'e} a taxa de acerto do modelo, de
80,9%. ABSTRACT: Predicting the occurrence of wildfires is a
crucial step in planning for fire prevention and fighting. Thus,
the objective of this work was to develop a susceptibility model
to forest fires considering the relationship of topographic,
vegetation, anthropic variables with the occurrence of forest
fires. In this work, we the logistic regression that was applied
in the Cocha and Gib{\~a}o Environmental Protection Area. We use
fire spots provided by INPE to generate a model-dependent
variable, and eight explanatory variables such as topographic,
vegetational and anthropic. The choice of the best model was based
on the Akaike Information Criterion. The results showed an AUC,
which is the model's hit rate, of 80.9%.",
conference-location = "Florian{\'o}polis",
conference-year = "02-05 abril 2023",
isbn = "978-65-89159-04-9",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGP6W34M/493QPAP",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/493QPAP",
targetfile = "156411.pdf",
type = "Queimadas e Inc{\^e}ndios Florestais",
urlaccessdate = "04 maio 2024"
}