@MASTERSTHESIS{ 2024:837407303,
 	title = {Detec??o de hotspots de desmatamento na cidade de Canavieiras/B?, por meio da modelagem Risk Terrain Modelling (RTM), como uma estrat?gia para a implanta??o do policiamento preditivo},
 	year = {2024},
 	url = "http://tede2.uefs.br:8080/handle/tede/2048",
 	abstract = "Este estudo investiga a detec??o de hotspots de desmatamento no munic?pio de Canavieiras, Bahia, por meio
 da modelagem Risk Terrain Modelling (RTM). O referencial te?rico examina conceitos como policiamento
 ostensivo, policiamento preditivo, criminologia ambiental e t?cnicas de mapeamento de hotspots criminais.
 Nele, destaca-se a aplica??o do RTM para identificar hotspots de desmatamento, adaptando princ?pios da
 criminologia ambiental ao contexto da degrada??o florestal, com o intuito de otimizar opera??es de
 monitoramento e fiscaliza??o, contribuindo para a conserva??o ambiental. Al?m disso, o estudo buscou
 identificar os fatores de risco que contribuem para o desmatamento. A metodologia adotada neste estudo
 consistiu na divis?o da ?rea de estudo em grids e na utiliza??o de dados geoespaciais relacionados aos
 fatores de risco de desmatamento, selecionados com base em literatura especializada. Esses fatores
 inclu?ram declividade, ?reas de pastagem, rodovias, entre outros. Os dados foram empregados como
 vari?veis de entrada para o RTM. Para identificar os fatores de risco estatisticamente significativos associados
 ao desmatamento entre 2019 e 2022, foi realizada uma an?lise de regress?o binomial. Os resultados
 revelaram a recorr?ncia de fatores de risco de desmatamento, como ?reas com Cadastro Ambiental Rural
 (CAR), pastagens e terrenos com declividade suave. Observou-se que mais da metade dos alertas de
 desmatamento ocorreu em ?reas planas, e que mais de 94% da ?rea desmatada estava concentrada em
 terrenos de pequena extens?o, apresentando uma assimetria positiva nos dados de alertas, refletindo um
 padr?o frequentemente observado em ocorr?ncias criminais. No que diz respeito ? classifica??o das c?lulas
 do grid, as ?reas designadas como de alto ou alt?ssimo risco representaram uma porcentagem menor em
 compara??o ?s classificadas como risco m?dio ou baixo, o que corrobora achados de literaturas sobre
 ocorr?ncias criminais. Al?m disso, identificou-se que os hotspots de desmatamento est?o predominantemente
 localizados nas bordas e clareiras dos fragmentos florestais. Isso evidencia que os hotspots de desmatamento
 n?o ocorrem de maneira aleat?ria ou uniforme, mas seguem padr?es previs?veis, semelhantes aos crimes
 comuns. Adicionalmente, a efic?cia do modelo RTM foi avaliada por meio de m?tricas de avalia??o preditiva.
 Os principais resultados indicaram uma taxa de acerto de 67% na previs?o dos alertas de desmatamento,
 com maior precis?o nos anos de 2020 e 2021. O ?ndice de Taxa de Recaptura (RRI) demonstrou que, apesar
 da precis?o geral ser moderada, o ano de 2020 apresentou um desempenho superior, com um RRI acima de
 1. Observou-se que a modelagem RTM demonstrou ser robusta e eficaz na previs?o de hotspots de
 desmatamento, indicando que o policiamento preditivo pode ser adaptado para a conserva??o ambiental.
 Este estudo apresenta uma ferramenta promissora para a aloca??o mais eficiente de recursos de fiscaliza??o,
 o que pode contribuir significativamente para a prote??o dos remanescentes florestais em Canavieiras.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de P?s-Gradua??o em Modelagem em Ci?ncias da Terra e do Ambiente},
 	note = {DEPARTAMENTO DE CI?NCIAS EXATAS}
}