DADOS GEOGRÁFICOS E INTELIGÊNCIA ARTIFICIAL NA PREDIÇÃO DE LOCAIS FAVORÁVEIS PARA A INSTALAÇÃO DE USINAS DE BIOGÁS DA AGROINDÚSTRIA CANAVIEIRA

PREDICTIVE MODELING OF OPTIMAL SITES FOR BIOGAS PLANT DEPLOYMENT IN SUGARCANE AGROINDUSTRIAL AREAS USING GEOGRAPHIC DATA AND ARTIFICIAL INTELLIGENCE

Autores

DOI:

https://doi.org/10.5216/bgg.v44i1.77808

Resumo

A Agenda 2030 da ONU visa promover o aumento das energias renováveis em todo o mundo, e a biomassa agrícola, em particular, a partir da cana-de-açúcar, é uma solução relevante para essa transição energética no Brasil. A localização geográfica desempenha um papel crucial na determinação do local ideal para a instalação de usinas de biogás, e a combinação de dados geográficos e algoritmos de Inteligência Artificial, conhecida como GeoIA, oferece uma abordagem promissora para prever esses locais ideais. Nesse sentido, este estudo teve por objetivo predizer locais favoráveis para a instalação de usinas de biogás proveniente da cana-de-açúcar da agroindústria, utilizando dados geográficos associados a aspectos físicos, bióticos e antrópicos, além de seis tipos de algoritmos de classificação (CART, C4.5, C5.0, Random Forest, XGBoost e GBM) para comparar seus desempenhos. O treinamento foi feito para o estado de São Paulo, devido ao número maior de usinas contidas na unidade federativa, e o modelo de melhor desempenho foi aplicado para o estado de Goiás. O algoritmo Random Forest obteve o melhor desempenho e permitiu identificar locais favoráveis para a instalação de usinas de biogás de cana-de-açúcar em Goiás. Essa abordagem pode facilitar a tomada de decisões ao identificar regiões propícias para a produção de biogás a partir de cana-de-açúcar, otimizando o uso da biomassa, reduzindo o impacto ambiental e os custos de instalação. O uso de GeoIA contribui para a expansão das energias renováveis e a mitigação das mudanças climáticas, promovendo a transição energética global.

Downloads

Não há dados estatísticos.

Biografia do Autor

Marlísia D'Abadia de Pina, Instituto Federal de Goiás, IFG, Goiânia, Goiás, Brasil. marlisia@gmail.com

Bacharela em Engenharia Cartográfica e de Agrimensura e Mestra em Tecnologia, Gestão e Sustentabilidade pelo Instituto Federal de Educação, Ciência e Tecnologia de Goiás. Atua principalmente nos seguintes temas: Sensoriamento remoto, SIG, Machine learning e fontes de energia renovável.

 

Édipo Henrique Cremon, Instituto Federal de Goiás,IFG, Goiânia, Goiás, Brasil. edipo.cremon@ifg.edu.br

Geógrafo pela Universidade Estadual de Maringá. Mestre e Doutor em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais-INPE, com período de doutorado sanduíche na University of Exeter (Reino Unido). Atualmente é Professor Efetivo do Instituto Federal de Educação, Ciência e Tecnologia de Goiás-IFG (Campus Goiânia) e pesquisador do Grupo de Estudos em Geomática (GEO). Atua principalmente nos temas: Machine learning aplicado a dados geográficos para análise ambiental e geomorfológica.

Publicado

2024-05-24

Como Citar

PINA, M. D. de; CREMON, Édipo H. DADOS GEOGRÁFICOS E INTELIGÊNCIA ARTIFICIAL NA PREDIÇÃO DE LOCAIS FAVORÁVEIS PARA A INSTALAÇÃO DE USINAS DE BIOGÁS DA AGROINDÚSTRIA CANAVIEIRA: PREDICTIVE MODELING OF OPTIMAL SITES FOR BIOGAS PLANT DEPLOYMENT IN SUGARCANE AGROINDUSTRIAL AREAS USING GEOGRAPHIC DATA AND ARTIFICIAL INTELLIGENCE. Boletim Goiano de Geografia, Goiânia, v. 44, n. 1, 2024. DOI: 10.5216/bgg.v44i1.77808. Disponível em: https://revistas.ufg.br/bgg/article/view/77808. Acesso em: 17 jun. 2024.