Please use this identifier to cite or link to this item:
http://repositorio.cesupa.br:8080/jspui/handle/prefix/305
Type: | Trabalho de Conclusão de Curso |
Title: | Machine learning e conservação da Amazônia: uma revisão sobre o uso de machine learning na conservação da região da Amazônia |
Author: | Dias, Carlos Eduardo Nylander Bitencourt Barros, Rafael Luís Carvalho |
Advisors: | Gomes, Vitor Hugo Freitas |
Resumo: | Com extensão aproximada de 6 milhões km², a Floresta Amazônica é uma região de interesse global, sobretudo por sua grande biodiversidade ainda não ter sido mensurada. A floresta exerce parte importante do controle climático regional e global, sequestrando CO2, contribuindo para formação de chuvas e diversos ciclos biogeoquímico. Sua contribuição para a subsistência de comunidades de povos originários e tradicionais, tão pouco deve ser negligenciado. Apesar disso, o território enfrenta grandes desafios, sofrendo com os impactos do desmatamento, queimadas, mudanças climáticas globais, poluição e mais. Nos esforços de conservação da região, a utilização de ferramentas e tecnologias cada vez mais sofisticadas, tem levado à implementação da Inteligência Artificial e suas subáreas, como o caso do machine learning, que tem contribuído para o desenvolvimento de estudos preditivos na Amazônia. Aqui, foram revisados estudos realizados onde foi implementado o machine learning na conservação do território da Amazônia, buscamos aprofundar sobre suas limitações e o futuro do uso dessa tecnologia. Concluiu-se que, enquanto tecnologia, o machine learning tem ajudado os esforços de preservação, mas há ainda muito que pode ser feito para melhorar o seu uso, como a utilização de dados mais abrangentes, o treinamento de profissionais para implementação adequada da tecnologia e análise dos resultados, sendo estas melhorias cruciais para o futuro dos esforços de conservação na Amazônia. |
Abstract: | With an approximated expanse of 6 million km², the Amazon Rainforest is a region of global interest, particularly for its great biodiversity some of which still unmeasured. The forest exercises an important part in regional and global climate control, capturing and storing CO2, contributing with rain formation and varied biogeochemical cycles. Its large contribution to the livelihood of native and traditional communities is not to be neglected. Despite it all, the territory faces great challenges, suffering with the impacts of deforestation, fires, global climate change, pollution, and more. In its conservation efforts, the usage of advancing tools and technology has resulted in the implementation of Artificial Intelligence and its sub-areas, such as Machine Learning, which has contributed to the development of predictive studies in the Amazon. Here, we revised studies that implemented Machine Learning in the conservation of Amazon’s territory, seeking a deeper understanding of its limitations and future usage of this technology. We concluded that, as a technology Machine Learning has helped in preservation efforts, but there still is much that can be done to improve its usage, such as the utilization of comprehensive data, training of professionals and experts to adequately implement the technology and to analyze the results, being these improvements crucial to the future conservation efforts in the Amazon Region. |
Keywords: | Inteligência artificial Machine learning Biodiversidade - Conservação |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Language: | por |
Country: | Brasil |
Publisher: | Centro Universitário do Estado do Pará |
Institution Initials: | CESUPA |
Citation: | DIAS, Carlos Eduardo Nylander Bitencourt; BARROS, Rafael Luís Carvalho. Machine learning e conservação da Amazônia: uma revisão sobre o uso de machine learning na conservação da região amazônica. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Centro Universitário do Estado do Pará, Belém, 2023. |
Access Type: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
URI: | http://repositorio.cesupa.br:8080/jspui/handle/prefix/305 |
Issue Date: | 7-Dec-2023 |
Appears in Collections: | Trabalho de Conclusão de Curso - TCC |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TC - Carlos Dias_ Rafael Barros.pdf | 944.15 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License