Com as mudanças climáticas, estudos que considerem elementos para administrar prejuízos causados por queimadas nas proximidades ou no interior de municípios por meio do potencial radioativo do fogo podem ser úteis. Nesse contexto, este trabalho apresenta uma abordagem para predizer, a partir de regressão ponderada geograficamente, a incidência do potencial radioativo de queimadas. Para isso, dados extraídos do projeto FIRMS da NASA e do INMET (Instituto Nacional de Meteorologia) foram obtidos, tratados, e algumas variáveis topográficas foram adicionalmente derivadas. O trabalho considera a área do município de João Pessoa (no nordeste do Brasil) como objeto de estudo e faz uso de métodos de aprendizado de máquina baseados em regressão linear espacial, considerando dois cenários, cujas diferenças se situam na extensão das amostras e na escolha das variáveis independentes. O primeiro cenário abrange amostras mais concentradas em João Pessoa, e inclui as variáveis climáticas, de satélite e topográficas; e o segundo cenário abrange toda a mesorregião da zona da mata paraibana, porém não considera as variáveis climáticas. Os resultados obtidos são promissores.

Realizar predição de trajetórias e destinos tem relevância considerável no contexto de mobilidade urbana, sendo útil para sugerir desvios, evitar congestionamentos e otimizar deslocamentos de pessoas. Por isso, esta pesquisa realiza uma classificação e análise de modelos de predição de trajetórias e de destinos em artigos publicados no período de 2017 a 2022. Esses modelos foram mapeados considerando: autores; se houve mais de um cenário geográfico; tipo de predição; uso de dados semânticos e contextuais; e a descrição dos algoritmos. O resultado consiste nas discussões dos trabalhos representativos, a partir da classificação, com o agrupamento de técnicas.