@MASTERSTHESIS{ 2024:778340922,
 	title = {Detecção de hotspots de desmatamento na cidade de Canavieiras/BА, por meio da modelagem Risk Terrain Modelling (RTM), como uma estratégia para a implantação do policiamento preditivo},
 	year = {2024},
 	url = "http://tede2.uefs.br:8080/handle/tede/2048",
 	abstract = "Este estudo investiga a detecção de hotspots de desmatamento no município de Canavieiras, Bahia, por meio
 da modelagem Risk Terrain Modelling (RTM). O referencial teórico examina conceitos como policiamento
 ostensivo, policiamento preditivo, criminologia ambiental e técnicas de mapeamento de hotspots criminais.
 Nele, destaca-se a aplicação do RTM para identificar hotspots de desmatamento, adaptando princípios da
 criminologia ambiental ao contexto da degradação florestal, com o intuito de otimizar operações de
 monitoramento e fiscalização, contribuindo para a conservação ambiental. Além disso, o estudo buscou
 identificar os fatores de risco que contribuem para o desmatamento. A metodologia adotada neste estudo
 consistiu na divisão da área de estudo em grids e na utilização de dados geoespaciais relacionados aos
 fatores de risco de desmatamento, selecionados com base em literatura especializada. Esses fatores
 incluíram declividade, áreas de pastagem, rodovias, entre outros. Os dados foram empregados como
 variáveis de entrada para o RTM. Para identificar os fatores de risco estatisticamente significativos associados
 ao desmatamento entre 2019 e 2022, foi realizada uma análise de regressão binomial. Os resultados
 revelaram a recorrência de fatores de risco de desmatamento, como áreas com Cadastro Ambiental Rural
 (CAR), pastagens e terrenos com declividade suave. Observou-se que mais da metade dos alertas de
 desmatamento ocorreu em áreas planas, e que mais de 94% da área desmatada estava concentrada em
 terrenos de pequena extensão, apresentando uma assimetria positiva nos dados de alertas, refletindo um
 padrão frequentemente observado em ocorrências criminais. No que diz respeito à classificação das células
 do grid, as áreas designadas como de alto ou altíssimo risco representaram uma porcentagem menor em
 comparação às classificadas como risco médio ou baixo, o que corrobora achados de literaturas sobre
 ocorrências criminais. Além disso, identificou-se que os hotspots de desmatamento estão predominantemente
 localizados nas bordas e clareiras dos fragmentos florestais. Isso evidencia que os hotspots de desmatamento
 não ocorrem de maneira aleatória ou uniforme, mas seguem padrões previsíveis, semelhantes aos crimes
 comuns. Adicionalmente, a eficácia do modelo RTM foi avaliada por meio de métricas de avaliação preditiva.
 Os principais resultados indicaram uma taxa de acerto de 67% na previsão dos alertas de desmatamento,
 com maior precisão nos anos de 2020 e 2021. O Índice de Taxa de Recaptura (RRI) demonstrou que, apesar
 da precisão 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 previsão de hotspots de
 desmatamento, indicando que o policiamento preditivo pode ser adaptado para a conservação ambiental.
 Este estudo apresenta uma ferramenta promissora para a alocação mais eficiente de recursos de fiscalização,
 o que pode contribuir significativamente para a proteção dos remanescentes florestais em Canavieiras.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Programa de Pós-Graduação em Modelagem em Ciências da Terra e do Ambiente},
 	note = {DEPARTAMENTO DE CIÊNCIAS EXATAS}
}