Simões, Onofre AlvesFardilha, Tiago MarquesLopes, Pedro Raimundo dos Santos2025-01-032025-01-032024-11Lopes, Pedro Raimundo dos Santos (2024). “Modelling wildfires in mainland Portugal : an approach with machine learning”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãohttp://hdl.handle.net/10400.5/96805Mestrado Bolonha em Ciências ActuariaisEach year, wildfires cause billions of dollars of claims in the global insurance sector. Climate change scenarios suggest a potential increase in these losses, as rising temperatures and more frequent droughts intensify the underlying risk. Portugal, for its part, has one of the highest densities of wildfire ignitions among southern European countries, with this phenomenon posing the greatest threat to the sustainability of our forests. Given the spatial and temporal uncertainty associated with wildfire occurrences, quantifying the underlying risk can be a challenging task that requires the use of advanced analytical methods. In this study, we analyzed 89 839 ignitions that occurred in Mainland Portugal over a 22-year period. Generalized Linear Models and Random Forests (RF) were employed to estimate the expected burned area of a wildfire and the likelihood of an ignition developing into a severe event, using a set of potentially explanatory variables. The obtained results provided insights into the key determinants within each modelling strand. The estimated RF models were also used to predict the spatial patterns of ignitions at the national level under a climate scenario. Risk maps for the municipalities of Mainland Portugal were produced based on the resulting geographical predictions, indicating that the highest risk is predominantly concentrated in the inner central region of the country. The estimated impact of the climate scenario considered in each modelling strand was further assessed. Risk maps reflecting the predicted variations due to the scenario were created, with the Alentejo region expected to be the most affected one.Todos os anos, os incêndios florestais causam a nível global perdas seguradas na ordem dos biliões de dólares. Cenários de alterações climáticas sugerem um possível aumento nessas perdas, à medida que a subida das temperaturas e a maior frequência de secas intensificam o risco subjacente. Portugal, por sua vez, possui uma das maiores densidades de ignições de incêndio entre os países do sul da Europa, sendo este fenómeno a maior ameaça à sustentabilidade das nossas florestas. Dada a incerteza espacial e temporal associada aos incêndios, quantificar o risco subjacente constitui um processo complexo, podendo requerer o uso de métodos de analítica avançada. Neste estudo, analisamos 89 839 ignições ocorridas em Portugal Continental ao longo de 22 anos. Foram utilizados Modelos Lineares Generalizados e Florestas Aleatórias (RF) para estimar a área ardida esperada de um incêndio e a probabilidade de uma ignição evoluir para um incêndio grave, usando um conjunto de variáveis potencialmente explicativas. Os resultados obtidos forneceram informações sobre os principais determinantes em cada vertente de modelação. Os modelos RF estimados foram também usados para prever os padrões espaciais das ignições a nível nacional, sob um cenário climático. Mapas de risco para os concelhos de Portugal Continental foram construídos com base nas previsões geográficas resultantes, indicando que o risco maior está predominantemente concentrado na região interior centro do país. O impacto estimado do cenário climático considerado em cada vertente de modelação foi também avaliado. Mapas de risco refletindo as variações previstas devido à imposição do cenário foram implementados, com a região do Alentejo a ser estimada como a mais afetada.engWildfireBurned AreaSevere IgnitionRandom ForestClimate ScenarioRisk MapIncêndioÁrea ArdidaIgnição GraveFloresta AleatóriaCenário ClimáticoMapa de Riscomaster thesis