Lisboa Filho, JugurtaReis, Julio Cesar Soares dosBrumatti, Carlos Henrique Tavares2024-07-052024-07-052023-12-18BRUMATTI, Carlos Henrique Tavares. Um arcabouço computacional para suporte à tomada de decisões de especialistas em cenários de desastres ambientais utilizando dados públicos. 2023. 75 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Viçosa, Viçosa. 2023.https://locus.ufv.br//handle/123456789/32358A exploração exagerada dos recursos naturais, aliada com as alterações climáticas dos últimos anos, vem causando um aumento na frequência da ocorrência de eventos climá- ticos extremos. Consequentemente, desastres ambientais, causados de forma natural ou humana, são cada vez mais comumente identificados. Esse aumento na ocorrência gera uma série de consequências significativas para as comunidades locais, gerando impactos que são refletidos em diversos setores da sociedade como economia, infraestrutura, saúde e educação. Dessa forma, a recuperação das localidades no pós-evento normalmente é bem custosa financeiramente para os setores públicos e privados. Sendo assim, existe ainda a necessidade de que tais valores sejam alocados da maneira mais eficiente possível. Baseado nessas premissas, este trabalho propõe uma metodologia voltada para suportar a recupera- ção dessas localidades atingidas, de forma clara e eficiente. Para isso, são utilizados dados públicos atrelados a conceitos de Mineração de Dados e Geoprocessamento. Por fim, foi implementado também um Sistema de Inteligência Geográfica, buscando assim facilitar o contato dos usuários com a abordagem desenvolvida, uma vez que o sistema é destinado aos usuários responsáveis pela alocação de recursos financeiros destinados à recuperação das localidades atingidas por desastres ambientais, e que não estão familiarizados muitas vezes com os conceitos aqui empregados (i.e., Mineração de Dados e Geoprocessamento). Em suma, os resultados destacam o potencial das ideias apresentadas para suportar a tomada de decisão nesse cenário e a viabilidade do sistema proposto. Espera-se que ele possa ser útil para direcionar os investimentos de recuperação pelos usuários. Palavras-chave: Mineração de Dados. Sistema de Inteligência Geográfica. Desastres Ambientais.The excessive exploration of natural resources, together with climate change in recent years, has caused an increase in the frequency of extreme weather events. Consequently, environmental disasters, whether caused naturally or humanly, are increasingly more com- monly identified. This increase in occurrence generates a series of significant consequences for local communities, generating impacts that are reflected in different sectors of society such as economy, infrastructure, health and education. Therefore, post-event recovery of locations is normally very costly financially for the public and private sectors. Therefore, there is still a need for such values to be allocated in the most efficient way possible. Based on these premises, this work seeks to present a methodology aimed at supporting the recovery of these affected locations, in a clear and efficient way. To achieve this, it is planned to use public data linked to Data Mining and Geoprocessing concepts. Finally, a Geographic Intelligence System was also implemented, seeking to facilitate users’ contact with the developed tool, since the system is aimed at users responsible for allocating finan- cial resources intended for the recovery of locations affected by environmental disasters, and who are often not familiar with the concepts used here (i.e. Data Mining and Geo- processing). In short, the results highlight the potential of the ideas presented to support decision-making in this scenario and the viability of the proposed system. It is expected that it can be useful in directing recovery investments by users. Keywords: Data Mining. Geographic Intelligence System. Environmental Disasters.porAcesso AbertoMineração de dados (Computação)Desastres ambientais - Sistemas de informação geográficaDissertaçãohttps://doi.org/10.47328/ufvbbt.2024.211Ciência da Computação