
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Federal University of Amazonas-UFAM | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Duarte, Miqueias Lima | - |
| Autor(es): dc.creator | da Silva, Tatiana Acácio | - |
| Autor(es): dc.creator | de Sousa, Jocy Ana Paixão | - |
| Autor(es): dc.creator | de Castro, Amazonino Lemos | - |
| Autor(es): dc.creator | Lourenço, Roberto Wagner | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:00:29Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:00:29Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s11069-024-06813-9 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306514 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306514 | - |
| Descrição: dc.description | This research mapped the susceptibility to outbreaks of fire using a hybrid fuzzy inference system (h-FIS) in the hydrographic basin of the Sorocabuçu River, in the municipality of Ibiúna, São Paulo, Brazil. We used 14 potentially influencing variables, four climatic factors, two anthropogenic, four topographic and four factors related to vegetation characteristics. The h-FIS method, together with Support Vector Machine (SVM) and Randon Forest (RF) was implemented for the year 2018, 2019 and 2020, based on training (70%) and test (30%) data. The most important variables selected by the Boruta algorithm were considered. The prediction success of each map was determined using the ROC curve, AUC and global accuracy. The results obtained showed that the most important factors for predicting fires are land cover and use, air humidity, soil moisture, precipitation and elevation. In the three years analyzed, the h-FIS model demonstrated slightly higher performance compared to the SVM and RF models. In 2018, 2019 and 2020, the h-FIS method identified 8.62%, 16.81% and 19.64% of the area as high and with very high susceptibility. The accuracy values based on independent data showed the h-FIS model to be of a good design (AUC = 92.5% and accuracy = 0.924 in 2018, AUC = 93.3% and accuracy = 0.9315 in 2019, and AUC = 90.4% and accuracy = 0.8991 in 2020) and, with the predicted susceptibility map, the relationship between the number of occurrences of fire observed in the high and very high fire susceptibility classes indicated a success rate of greater than 0.77%. These results confirm the efficiency of the proposed method, proving it to be suitable for the mapping of susceptibility to outbreaks of fire, and it can be used to assist public managers with fire prevention and mitigation. | - |
| Descrição: dc.description | Institute of Education Agriculture and Environment Federal University of Amazonas-UFAM, Amazonas | - |
| Descrição: dc.description | Institute of Science and Technology São Paulo State University (Unesp) | - |
| Descrição: dc.description | Institute of Science and Technology São Paulo State University (Unesp) | - |
| Formato: dc.format | 1117-1141 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Natural Hazards | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Boruta method | - |
| Palavras-chave: dc.subject | Fuzzy logic | - |
| Palavras-chave: dc.subject | Hybrid fuzzy inference system | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Título: dc.title | Application of a hybrid fuzzy inference system to map the susceptibility to fires | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: