OTIMIZAÇÃO DE UM ALGORITMO PARA CLASSIFICAÇÃO DE QUEIMADAS NA SERRA DA CANASTRA A PARTIR DA ANÁLISE DE 8 VARIÁVEIS PREDITORAS

O Parque Nacional da Serra da Canastra (PNSC) tem enfrentado diversas queimadas ao longo de sua história. O objetivo deste estudo foi otimizar o algoritmo Random Forest através da seleção do menor número de variáveis independentes. Para isso, utilizou-se amostras de áreas afetadas e não afetadas por queimadas em 2020 no Parque Nacional da Serra da Canastra. A plataforma Google Earth Engine foi utilizada para aquisição das imagens dos satélites Sentinel-2 e Landsat 8/9, criação dos compósitos semestrais das imagens de ambos os satélites, geração dos índices espectrais e coleta das amostras. O ajuste do modelo Random Forest foi realizado no software R primeiramente com 8 variáveis independentes, em seguida excluiu-se a variável de menor importância e o modelo foi executado novamente e assim sucessivamente. A partir dos resultados observados, conclui-se que o modelo completo, com as 8 variáveis independentes, foi eficiente para a detecção das áreas queimadas. Contudo, a análise das métricas de avaliação utilizadas sugere ser possível otimizar o modelo utilizando as quatro principais variáveis independentes: MIRBI 1, MIRBI, BAI_1 e NBR2_1.