Severity: Warning
Message: fopen(/var/lib/php/sessions/comp_sessionoi9kptgta9t665c1fprtigh2p49qfiu4): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 172
Backtrace:
File: /var/www/html/comp/application/controllers/Projetos.php
Line: 4
Function: __construct
File: /var/www/html/comp/index.php
Line: 315
Function: require_once
Severity: Warning
Message: session_start(): Failed to read session data: user (path: /var/lib/php/sessions)
Filename: Session/Session.php
Line Number: 143
Backtrace:
File: /var/www/html/comp/application/controllers/Projetos.php
Line: 4
Function: __construct
File: /var/www/html/comp/index.php
Line: 315
Function: require_once
14/05/2018
Período de vigência: 01/02/2018 - 31/12/2018
Tipo de projeto: Pesquisa aplicada
Status: Em andamento
Equipe:
Marcelo de Melo Junior (Orientando)
Ramon Gustavo Teodoro Marques da Silva (Orientador)
Incêndios florestais são queimadas de grandes proporções que geram impactos sociais e ambientais onde ocorrem. As causas dos incêndios podem ser por causas naturais, como ocorre muito em algumas regiões do país, ou por causa de ações humanas. Para as causas naturais, as condições climáticas são de grande relevância, pois impactam diretamente no aumento ou diminuição do risco de incêndios. Existem diversos repositórios de dados meteorológicos, como o Instituto Nacional de Pesquisas Espaciais (INPE) e a estação meteorológica do IFSULDEMINAS - Campus Muzambinho, que geram dados com diversas características das condições climáticas de determinada região, tais como: umidade, temperatura, velocidade do vento, etc. Neste sentido, este projeto tem como objetivo analisar dados meteorológicos utilizando aprendizado de máquina supervisionado ou não supervisionado, com foco na obtenção de índices para a previsão do risco de incêndio florestal. Os dados serão captados a partir de repositórios de dados meteorológicos como o INPE e IFSULDEMINAS - Campus Muzambinho. O trabalho está organizado nas etapas: limpeza e preparação dos dados, extração de padrões utilizando aprendizado de máquina, avaliação e refinamento dos resultados. Após avaliação e refinamento dos conhecimentos obtidos na análise dos dados meteorológicos, a ideia é implementar uma ferramenta web móvel que calculará a probabilidade de risco de incêndio florestal, a partir dos dados informados pelo usuário, o que pode contribuir para a prevenção de incêndios florestais.