Uso de dados climáticos e machine learning na previsão de chuvas para gestão sustentável do ecoturismo em Francisco Beltrão (PR)

Resumo

A utilização de dados climáticos e técnicas de inteligência artificial tem se mostrado uma estratégia promissora no desenvolvimento de ferramentas voltadas ao planejamento e à gestão sustentável de atividades em ambientes naturais. Neste estudo, foi desenvolvido um modelo preditivo para a ocorrência de chuvas no município de Francisco Beltrão, Paraná, com base em registros históricos de variáveis meteorológicas como temperatura, umidade relativa, evaporação, insolação e precipitação. A base de dados, composta por observações diárias coletadas por estação oficial, passou por processos de tratamento, extração de atributos temporais e categorização binária do volume de chuva. Em seguida, foi treinado um modelo Random Forest, avaliado com métricas de desempenho como acurácia, precisão, recall, F1-score e área sob a curva ROC. Os resultados obtidos revelaram uma acurácia de 83% na previsão de dias chuvosos e secos, com destaque para a correta identificação de 91% dos dias sem chuva. As variáveis de maior influência foram evaporacao e umidrel, corroborando relações climáticas já conhecidas. As análises gráficas permitiram compreender o comportamento do modelo diante do desbalanceamento entre as classes, além de evidenciar a relevância das variáveis envolvidas. A solução proposta demonstrou potencial de aplicação no suporte a decisões relacionadas à programação de trilhas, segurança de visitantes e manejo de áreas em contextos de ecoturismo, contribuindo para o uso racional dos espaços e para a preservação ambiental. A estrutura do sistema pode ser replicada para outras localidades e aprimorada com a integração de dados de previsão em tempo real, ampliando seu alcance operacional.