CAMPOS ALAGADOS E ÁREAS PANTANOSAS COMO BIOINDICADORES DE RISCO DE INCÊNDIO NO CERRADO:

UMA ABORDAGEM DE MACHINE LEARNING

Resumo

Este estudo investiga o potencial dos campos alagados e áreas pantanosas como bioindicadores de risco de incêndio no Cerrado, utilizando o Índice de Vegetação por Diferença Normalizada (NDVI) e a Temperatura da Superfície Terrestre (LST) como variáveis-chave de análise. Foram coletados dados de 20 pontos localizados nessas formações vegetais, todos com mais de 20 ocorrências de queimadas registradas entre fevereiro de 2000 e dezembro de 2023. Para avaliar a correlação entre o NDVI, a LST e as queimadas mensais, aplicaram-se técnicas de aprendizado de máquina (Regressão Linear Simples, Regressão Linear Múltipla e K-Nearest Neighbors Regressor – KNN), com uso das métricas R² e MSE para mensurar o desempenho dos modelos. Os resultados mostram que a Regressão Linear Múltipla explicou aproximadamente 62,5% da variabilidade nas ocorrências de fogo, enquanto o KNN atingiu cerca de 81,7%, configurando-se, portanto, como o método mais eficaz nesta análise. Conclui-se que a vegetação de campos alagados e áreas pantanosas atua como um importante indicador das condições propícias a incêndios, servindo como ferramenta valiosa no monitoramento ambiental e no planejamento de políticas públicas de prevenção no Cerrado.