Caracterização do perfil global de emissões de gases de efeito estufa utilizando “machine learning”
Characterizing the global greenhouse gases emissions using machine learning
DOI:
https://doi.org/10.22167/2675-441X-2024741Palavras-chave:
capacidade produtiva econômica, crescimento econômico sustentável, emissões, “random forest”Resumo
Considerando o contexto atual, em que se busca um crescimento econômico sustentável com ênfase em políticas e incentivos associados a questões ambientais, este estudo investigou o grau de importância relativo de determinantes socioeconômicos no entendimento do perfil de emissões de gases de efeito estufa a partir de uma abordagem de “machine learning”. Foi estimado um modelo do tipo “random forest” a partir de dados sobre a capacidade produtiva econômica e a quantidade de emissões de gases de efeito estufa no período entre 1990 e 2018. A amostra estudada consistiu em países que representavam as maiores e menores economias globais, selecionados a partir do seu nível de atividade econômica no período. Inicialmente, identificaram-se as variáveis mais relevantes a partir da técnica de eliminação recursiva de variáveis; em seguida, o modelo foi treinado empregando a técnica de “cross validation”; e, por fim, foi validado com os dados selecionados para teste. As métricas de desempenho não indicaram problemas de “overfitting”, e os resíduos das estimativas se comportaram de acordo com a distribuição normal. A partir do modelo estimado neste trabalho, observou-se que o perfil de emissões de gases de efeito estufa foi influenciado de maneira distinta dependendo do país analisado, de forma que os fatores mais ou menos relevantes indicaram estar associados com o nível de atividade econômica. Assim, as discussões e a modelagem apresentadas no presente trabalho se propuseram a incentivar políticas de incentivo e medidas de controle direcionadas aos setores mais relevantes, que pudessem contribuir para um crescimento econômico sustentável.
Referências
United States Environmental Protection Agency (EPA). 2022. Inventory of U.S. greenhouse gas emissions and sinks: 1990–2020. Disponível em: <https://www.epa.gov/ghgemissions/inventory-us-greenhouse-gas-emissions-and-sinks-1990-2020>. Acesso em: 21 set. 2022.
Vicente, M.C.P. 2016. Cadernos Adenauer XVII, nº 2 — Mudanças climáticas: o desafio do século. Fundação Konrad Adenauer, Rio de Janeiro, RJ, Brasil.
Yoro, K.O.; Daramola, M.O. 2020. CO2 emission sources, greenhouse gases, and the global warming effect. p. 3-28. In: Rahimpour, M.R.; Farsi, M.; Makarem, M.A. (eds.). Advances in Carbon Capture: Methods, Technologies and Applications. Woodhead Publishing, Cambridge, UK. https://doi.org/10.1016/B978-0-12-819657-1.00001-3.
European Environment Agency (EEA). 2023. EMEP/EEA air pollutant emission inventory guidebook 2023. Disponível em: <https://www.eea.europa.eu/publications/emep-eea-guidebook-2023>. Acesso em: 01 mar. 2024.
Environmental Protection Agency (EPA). Understanding global warming potentials. Disponível em <https://www.epa.gov/ghgemissions/understanding-global-warming-potentials>. Acesso em: 12 out. 2023.
Foster, P.; Ramaswamy, V.; Artaxo, P.; Berntsen, T.; Betts, R.; Fahey, D.W.; Haywood, J.; Lean, J.; Lowe, D.C.; Myhre, G.; Nganga, J.; Prinn, R.; Raga, G.; Schulz, M.; Van Dorland, R. 2007. Changes in atmospheric constituents and in radiative forcing. In: Solomon, S.; Qin, D.; Manning, M.; Chen, Z.; Marquis, M.; Averyt, K.B.; Tignor, M.; Miller, H.L. (eds.). Climate Change 2007: the physical science basis. Contribution of working group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK. Disponível em <http://www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4-wg1-chapter2.pdf>. Acesso em: 21 set. 2022.
Feenstra, R.C.; Inklaar, R.; Timmer, M.P. 2015. The next generation of the Penn World Table. American Economic Review 105(10): 3150-3182. https://doi.org/10.1257/aer.20130954.
Climate Watch. 2022. GHG Emissions. World Resources Institute. Disponível em: <https://www.climatewatchdata.org/ghgemissions>. Acesso em: 07 nov. 2022.
Dowrick, S. 2005. The Penn World Table: a review. The Australian Economic Review 38(2): 223-228. https://doi.org/10.1111/j.1467-8462.2005.00369.x.
Instituto Brasileiro de Geografia e Estatística (IBGE). 2022. Produto Interno Bruto – PIB. Disponível em: <https://www.ibge.gov.br/explica/pib.php#:~:text=O%20PIB%20%C3%A9%20a%20soma,R%24%208%2C7%20trilh%C3%B5es.>. Acesso em: 05 nov.2022.
Groningen Growth and Development Centre. 2021. PWT 10.0 Penn World Table version 10.0. https://doi.org/10.15141/S5Q94M.
Crisci, C.; Ghattas, B.; Perera, G. 2012. A review of supervised machine learning algorithms and their applications to ecological data. Ecological Modelling 240: 113-122. https://doi.org/10.1016/j.ecolmodel.2012.03.001.
Boateng, E.Y.; Otoo, J.; Abaye, D.A. 2020. Basic tenets of classification algorithms k-nearest-neighbor, support vector machine, random forest and neural network: a review. Journal of Data Analysis and Information Processing 8(4): 341-357.
Breiman, L. 2001. Random forests. Machine Learning 45: 5-32. Disponível em: <https://link.springer.com/article/10.1023/A:1010933404324>. Acesso em: 13 nov. 2022.
Liaw, A.; Wiener, M. 2002. Classification and Regression by randomForest. R News 2(3): 18-22.
Silva, S.H.G.; Teixeira, A.F.S.; Menezes, M.D.; Guilherme, L.R.G.; Moreira, F.M.S.; Curi, N. 2017. Multiple linear regression and random forest to predict and map soil properties using data from portable X-ray fluorescence spectrometer (pXRF). Ciência e Agrotecnologia 41(6): 648-664. https://doi.org/10.1590/1413-70542017416010317.
Coelho, S.T.; Pereira, A.S.; Bouille, D.H.; Mani, S.K.; Recalde, M.Y.; Savino, A.A.; Stafford, W.H.L. 2020. Overview of Developing Countries. p. 9-61. In: Coelho, S.T.; Pereira, A.S.; Bouille, D.H.; Mani, S.K.; Recalde, M.Y.; Savino, A.A.; Stafford, W.H.L. Municipal solid waste energy conversion in developing countries: technologies, best practices, challenges and policy. Elsevier, Oxford, UK.
Riveira, C. 2017. Mbaku, da Brookings: Ruanda cresce, mas a que preço? Revista Exame. Disponível em: <https://exame.com/mundo/mbaku-da-brookings-ruanda-cresce-mas-a-que-preco/>. Acesso em: 13 nov. 2022.
Ashghal. 2022. Qatar Past, Present and Future. Disponível em: <https://www.ashghal.gov.qa/en/AboutQatar/Pages/Qatar-Today.aspx>. Acesso em: 13 nov. 2022.
Eurostat. 2022. GDP at regional level. Disponível em: <https://ec.europa.eu/eurostat/statistics-explained/index.php title=GDP_at_regional_level>. Acesso em: 13 nov. 2022.
Engdaw, B.D. 2020. Assessment of the trends of greenhouse gas emission in Ethiopia. Geography, Environment, Sustainability 13(2): 135-146. https://doi.org/10.24057/2071-9388-2018-61.
Grisotto, R. 2018. Empreendedorismo na África: novos negócios atraem investidores e gigantes de tecnologia. Disponível em: <https://epocanegocios.globo.com/Empreendedorismo/noticia/2018/05/empreendedorismo-na-africa-novos-negociosatraem-investidores-e-gigantes-de-tecnologia.html>. Acesso em: 12 jan. 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Quaestum
![Creative Commons License](http://i.creativecommons.org/l/by-nc/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.