SISTEMA DE AQUISIÇÃO REMOTA DE DADOS PARA DETECÇÃO DE COMPORTAMENTOS DE

VARIÁVEIS AMBIENTAIS EM PARQUES FLORESTAIS DA AMAZÔNIA

MARCOS H. K. SAMPAIO, JOÃO F. DE SANTANNA FILHO, J. FELIPE DE ALMEIDA.

Instituto Ciber Espacial da Universidade Federal Rural da Amazônia – ICIBE/UFRA

Avenida Presidente Tancredo Neves, 2501 – Terra Firme. CEP 66077-530. Caixa Postal 917
E-mails: mhsampaio@gmail.com, santanna@ufra.edu.br, felipe.almeida@ufra.edu.br

OTAVIO A. CHASE, ROBERTO M. V. SATO, THIEGO M. NUNES, JORGE R. BRITO-DE-SOUZA.

Instituto de Tecnologia da Universidade Federal do Pará – ITEC/UFPA

Rua Augusto Corrêa, 01 – Guamá. CEP66075-110. Caixa Postal 479
E-mails:chase@neoradix.com.br, japa.sato@gmail.com, thiego@ufpa.br, jrgbrito@ufpa.br

Abstract  This paper presents the development of a prototype of a system for remote data acquisition of environmental va-
riables called GETFLORESTA. The system performs all the functions of a Datalogger and has the task of analyzing behavior in
a forest reserve by a intelligent agent, which contains expert systems of the standards related to environmental variables of tem-
perature, relative humidity and dew point, and your relation with forest parks located in the Amazon. The hardware is composed
of - a computational unit microcontrolled model PIC18F252 that contains an analog / digital data acquisition of analog type sen-
sors LM35 for temperature, and serial communication interfaces for reading digital type sensors SHT75 for temperature and
humidity of the air. The data’s flow between the sensor module and the remote computer of the GETFLORESTA is done by a
channel wireless standard IEEE 802.15.4 Zigbee.

Keywords
 Environment Data Acquisition, Sensor Fusion, Remote Monitoring, Florest Automation.

Resumo  Este artigo apresenta o desenvolvimento de um protótipo de um sistema de aquisição remota de dados de variáveis
ambientais denominado de GETFLORESTA. O sistema, além de executar todas as funções de um Datalogger, tem a função de
analisar comportamentos em uma área de floresta através de um agente inteligente de software. Da mesma forma, contém
conhecimento especialista dos padrões relacionados às variáveis ambientais de temperatura, umidade relativa do ar e ponto de
orvalho. Este desenvolvimento tem sua utilização em áreas de florestas protegidas ou de manejo florestal especificamente na
Amazônia. O hardware é composto por uma unidade computacional microcontrolada, modelo PIC18F252, o qual contém um
conversor analógico/digital para aquisição de dados de sensores do tipo analógico LM35, para temperatura, e interfaces de
comunicação serial para leitura de sensores do tipo digital SHT75 para temperatura e umidade relativa do ar. O fluxo de
informação de dados entre o modulo sensor e o computador remoto do GETFLORESTA é feito por um canal de comunicação
sem fio padrão IEEE 802.15.4 Zigbee.

Palavras-chave
 Aquisição de Dados Ambientais, Combinação Sensorial, Monitoramento Remoto, Automação Florestal.

Normalmente é um equipamento portátil, suprido de

1 Introdução
Aquisição de dados significa obter informação
de algum processo físico através de medição. Os
valores medidos são, todavia, digitalizados de forma
a permitir a aplicação de algum tipo de
processamento matemático, o qual irá torná-lo
compatível, para fim de comparação, com medidas
padronizadas. Após isso é feita a analise e
armazenamento (Braga, 2008).
Um sistema de aquisição de dados comumente
usado processos de automação do tipo industrial ou
agrícola é o Datalogger (Braga, 2008). O Datalogger
é um equipamento destinado a executar a aquisição e
gravação de dados durante um período de tempo,
eliminando a necessidade da presença de um
operador durante a coleta. Estes dados são fornecidos
por sensores ou equipamentos externos, dos quais se
deseja obter um histórico de monitoramento.
bateria, constituído de um controlador (que pode ser
um computador), memória interna para
armazenamento dos dados, e interface de aquisição
de informações de sensores.
Os sensores são responsáveis por converter
variações dos fenômenos físicos como: pressão,
temperatura, umidade, nível de iluminação, tensão,
corrente, potência, por exemplo, em sinais elétricos.
Alguns tipos de sensores também são conhecidos
como transdutores, embora transdutores sejam
responsáveis pela conversão de um tipo de energia
em outro tipo que pode não ser elétrica. Nestes casos
o sensor será formado por um transdutor mais algum
dispositivo que transforme a nova forma de energia
em um sinal elétrico.
A finalidade de um sistema de aquisição de
dados é então, a de prover informações sobre uma
determinada grandeza com máxima qualidade, de
acordo com os requisitos da aplicação (Oliveira e
Cavalcanti, 2008).
 Uma de suas principais aplicações está na
aquisição de dados através de sensores de variáveis
ambientais, como temperatura, umidade, ponto de
orvalho, poluição do ar e velocidade dos ventos. O
conhecimento e a detecção de padrões entre estas
variáveis é de grande importância para a prevenção
de acidentes ambientais, aumento da produtividade
no campo, e na relação da qualidade do ar em
florestas próximas de áreas urbanas (AFUBRA,
2008). Figura 1. Módulo de Sensoriamento do GETFLORESTA.
Como exemplo de trabalhos relacionados com
este tema, está o desenvolvimento feito na Empresa Este módulo conta com uma série de periféricos e
Brasileira de Pesquisa Agropecuária (EMBRAPA). com um microcontrolador PIC18F252. Para
Esta empresa desenvolve sistemas de instrumentação monitoramento do ambiente usou-se dois sensores: o
e aquisição de dados para ambientes agropecuários. LM35, de temperatura, com saída analógica de
Em suas aplicações está o monitoramento remoto de 10mV/°C e faixa dinâmica de -55°C a 150°C, para
variáveis ambientais e ativação de um sistema de medir a temperatura interna do módulo; e o SHT75,
irrigação (CNPDIA EMBRAPA, 2008). Ressalta-se de temperatura e umidade, com saída digital do tipo
ainda o Instituto Nacional de Pesquisas Espaciais 2-wire, com faixas dinâmicas de -40°C a 125°C e de
(INPE) que desenvolve, através do Laboratório de 0 a 100%. A estrutura física do módulo sensor é feita
Integração e Testes (LIT), sistemas de aquisição e em PVC, pesando 0,49 Kg e com as dimensões de 18
tratamento de dados para processos industriais e cm x 25 cm x 13 cm. O circuito mostrado na Figura 2
ambientais (LIT INPE, 2006). é alimentado por uma bateria de NiMH (Níquel-
O objetivo deste trabalho é apresentar um Metal-Hidreto) de 12V/ 2.3Ah. O LM78S05 é um
sistema de aquisição de dados usando sensores. Este regulador de tensão que suporta correntes de até 2
sistema foi desenvolvido com a finalidade de uso Ampéres.
didático e foi denominado de GETFLORESTA. Sua
principal contribuição é a de realizar a analise das
variáveis ambientais: temperatura, umidade relativa
do ar e ponto de orvalho em ambientes florestais.
Assim, além desta introdução, o restante do artigo é
organizado da seguinte forma: na Seção 2, é
apresentado o desenvolvimento do sistema de
aquisição de dados e os detalhes sobre a influência da
temperatura e umidade medidas em uma área de
Mata. Na seção 3, é apresentada a configuração do
agente inteligente para detecção de comportamentos Figura 2. Módulo de Sensoriamento do GETFLORESTA.
ambientais. Os resultados experimentais e as
considerações sobre o projeto são apresentados nas A Tabela 1 apresenta o consumo de energia de
seções 4 e 5, respectivamente. cada componente.
Tabela 1. Consumo de energia de cada dispositivo eletrônico.

Dispositivo Consumo Potência Total

2 Sistema GETFLORESTA Módulo RF 60 mA
Microcontrolador
O sistema de aquisição remota de dados PIC18F252 25 mA 1.62 Watts
GETFLORESTA é composto por módulos de MAX 232 10 mA
sensores de monitoramento e de análise especialista. LM35 20 mA
SHT75 20 mA

2.1 Módulo de Sensores de Monitoramento A expectativa de vida da bateria é dada por:

O módulo de sensores para monitoramento é Volts × AmperHora

Tbateria =
apresentado na Figura 1. Com este equipamento foi Potência (1)
feito um ensaio de medições na reserva florestal do 12 × 2.3
Tbateria = =17,03 horas
campus da Universidade Federal Rural da Amazônia. 1.62
Este um protótipo inicial, mas traz a eficiência
necessária para cumprir todos os objetivos aos quais na qual Tbateria é o tempo em horas de autonomia de
este trabalho se propõe. energia do sistema.
2.1 Aquisição de Dados de Variáveis Ambientais
Em muitos sistemas de aquisição de dados e
controle é necessária a medida de algumas grandezas
físicas, como exemplo, temperatura, pressão e
velocidade, entre outras. Tais grandezas são inerentes
a alguns fenômenos físicos e, em geral, sua natureza
é analógica. Isto é, trata-se de variáveis que assumem
valores contínuos e reais, diferentes de sinais digitais
que são descontínuos e expressados segundo
representação binária. Comumente quando as saídas
analógicas dos sensores são processadas por sistemas
digitais, há a necessidade do condicionamento do
sinal para que os sinais provenientes dos sensores
sejam adequados às características de um conversor
Analógico/Digital. Assim, com o uso de um
microcontrolador dotado de um conversor interno
A/D para aquisição de dados, o valor analógico
convertido para digital é processado pelo software de
controle de acordo com decisões lógicas baseadas em
comparações ou em funções matemáticas. A Figura 3
mostra o diagrama de interface entre o sensor
analógico LM35 e o microcontrolador PIC18F252
(Rodrigues et. al., 2005).
Figura 3. Etapas de Tratamento do Sinal de Saída do LM35.
O processamento do sinal para sua escala, após a
etapa de condicionamento do conversor A/D é feita
pelo software de controle pela equação:
Vref 5 (2)
R= ⇒ R = 10 ⇒ R = 4,88 mV
2n − 1 2 −1
Nesta equação (2), R é a resolução de leitura do
sensor em mV , n é o número de bits do conversor
A/D e V ref é a tensão de referência do conversor, no
caso usando 5 Volts. O conversor A/D deste
microcontrolador suporta a leitura de sinais a partir
de 5 mV. Logo, isto não requer qualquer circuito
auxiliar para amplificar o sinal de saída do LM35 que
é de 10 mV/ºC.
Uma nova tendência em tecnologia de medição é
chamada de sensor inteligente como mostra a Figura
4. Este transdutor converte grandezas físicas em um
sinal com a escala adequada para o conversor A/D de
um microcontrolador, em geral de 0 a 5V.
Sensor Microcontrolador
Tratamento da Aquisição
Sonar de Dados do Sensor
Aquisição Calibração Correção
10 mV / 1 Polegada
Figura 4. Modelo de um Sensor Inteligente.
Estes CIs têm o seu próprio circuito de
condicionamento de sinal para o ajuste de escala e
offset. Alguns possuem até um microcontrolador
embutido para permitir a comunicação analógica ou
digital. A integração entre sensor e microcontrolador
em um único dispositivo é denominada de sensor
inteligente (Viegas, 2004). A vantagem do sensor
inteligente é que o microcontrolador realiza a
aquisição, calibração, e correção do sinal e, assim,
transmite o dado da leitura com a escala correta para
o barramento de comunicação. Com um sensor
inteligente é possível ligar qualquer tipo de sensor,
com qualquer tipo de rede. O SHT75 é um sensor
inteligente que realiza a coleta dos dados de
temperatura e umidade relativa do ar.
2.2 Canal de Comunicação ZigBee IEEE802.15.4
Os sinais com os dados capturados dos sensores,
são transmitidos por comunicação wireless através de
um módulo Zigbee padrão IEEE 802.15.4. Trata-se
de uma comunicação por radiofreqüência, que opera
a 2.4 GHz, em modo halfduplex bidirecional e com
canal criptografado do fluxo de dados.
O objetivo do grupo de trabalho do IEEE é definir
a camada física (PHY) e o controle de acesso ao meio
(MAC). Em paralelo o ZigBee Alliance definiu as
especificações para as camadas de rede e aplicações,
além de vários aspectos de segurança. Uma
representação gráfica das áreas de responsabilidade
entre o padrão do IEEE, o ZigBee Alliance e o
usuário é apresentado na Figura 5.
Figura 5. Modelo esquemático de um Sensor Inteligente.
Desde que o custo total é um fato essencial para
aplicações industriais e residenciais, uma abordagem
com um único chip altamente integrado (sinle-on-
chip) é a solução preferencial dos fabricantes de
semicondutores que estão desenvolvendo
equipamentos IEEE 802.15.4. O padrão IEEE para a
camada física é o fator significante na determinação
Interface da arquitetura de RF e na topologia dos dispositivos
RS – 232 ZigBee. Desta maneira, é verificado que o padrão
RS – 485 ZigBee se mostra adequado para uma razoável
802.15.4
cobertura, pois suas várias topologias de redes
Rede
802.3
suportadas e o grande número de nós que podem se
802.11
CANopen
conectar (em torno de 64.000 nós) dão várias
. . . alternativas de arrajos de dispositivos em grandes
áreas. De fato, pode alcançar de até a 100 m, em
ambientes fechados, ou 1Km, em ambientes abertos.
 Para o monitoramento ambiental proposto neste
trabalho usou-se o padrão IEEE 802.15.4 – ZigBee.
Optou-se por utilizar este sistema de comunicação
devido, principalmente, as suas características de
confiabilidade, auto-correção, o suporte para grandes
números de nós, fácil interfaceamento com
microcontroladores, baixo consumo de energia,
criptografia para o canal de dados e baixo custo.
2.3 Módulo de Análise Especialista
O módulo de análise especialista é apresentado na
Figura 6. Este módulo é composto por um notebook,
o qual executa o software do sistema
GETFLORESTA, e que recebe os dados pela
interface de comunicação ZigBee IEEE 802.15.4.
Figura 6. Módulo de Análise Especialista com Placa ZigBee.
O software mostrado na Figura 7 é desenvolvido
em C++, através do ambiente C++ Builder 6 da
Borland. No software há um thread de
processamento para a aquisição e amostragem dos
dados vindos do módulo de sensor, e outro thread
para a o agente inteligente que processa a base de
dados com regras especialistas, os quais são descritos
na Seção 3.
A leitura dos dados de temperatura e umidade é
amostrada na tela de dados da Figura 7 e nos gráficos
de evolução em função do tempo. Um arquivo de
dados contém a matriz de informações para
temperatura, umidade, ponto de orvalho, data e hora
da coleta. Tudo isto em cada coluna,
respectivamente, que pode ser gravado para posterior
análise.
Figura 7. Interface do software do Módulo de Análise Especialista.
3 Sistema Especialista em Florestas
As informações climáticas obtidas no interior da
Mata apontam que a temperatura do ar, diária ou
mensal, é inferior àquela obtida fora do domínio
florestal. As maiores diferenças ocorrem durante os
períodos mais quentes e as máximas temperaturas são
mais afetadas do que as mínimas. A baixa
temperatura no interior das florestas é responsável
pela umidade relativa do ar mais alta (AFUBRA,
2004). Para uma análise mais detalhada destes
comportamentos, por um sistema autônomo, faz-se
necessário o uso de sistemas baseados em um
arquétipo de conhecimentos mais conhecidos por
sistemas especialistas.
3.1 Clima da Floresta Tropical Amazônica
As florestas são mais úmidas mesmo que a
temperatura do ponto de orvalho e a pressão do vapor
de água ambiental sejam aproximadamente iguais às
da área externa (cidade). Com o uso e análise destas
informações é possível identificar comportamentos
climáticos nas regiões florestais quando comparadas
a dados climáticos das cidades. Um exemplo é se
detectar altas temperaturas e baixa umidade na região
de floresta, isto indica um forte risco de incêndio. A
vantagem de se detectar estes comportamentos
antecipadamente é que assim se pode prevenir e
evitar possíveis acidentes ambientais, para que tais
situações não se alastrem para a região urbana (Chase
et. al., 2009). Como exemplo das utilidades deste
robô, pode ser usado em ambientes antropizados, que
são áreas rurais como pequenas cidades ribeirinhas
ou encravadas na floresta e em centros de pesquisa
do campo (IBAMA, 1992).
Uma análise do comportamento climático de
florestas tropicais é feito através do índice do ponto
de orvalho ( Td ), que é obtido a partir da combinação
sensorial das informações de temperatura ( T ) e
umidade relativa do ar ( RH ). A combinação é feita
com uso da técnica de aproximação August-Roche-
Magnus, que é dada por:
b × ϕ (T , RH ) , (3)
Td =
a − ϕ (T , RH )
na qual,
aT RH , (4)
ϕ (T , RH ) = + ln
b +T 100
com as constantes
a = 17.271, (5)
b = 237.7 º C
e cujo ponto de orvalho é a temperatura em que o ar
fica saturado, ou seja, à qual o vapor de água
presente no ar ambiente passa para o estado líquido
na forma de pequenas gotas (Lawrence, 2005). Esta
técnica é somente válida se obedecer:
0º C < T < 60º C
1% < RH < 100% , (6)
0º C < Td < 50º C
3.2 Sistemas Especialistas
Uma das técnicas de Inteligência Artificial que
mais possuem aplicações é a de sistemas especialistas
ou de sistemas baseados em conhecimentos.
Diferentemente dos sistemas clássicos, nos quais os
dados de um problema são tratados sequencialmente
para se obter um resultado, no sistema especialista
existe um motor de inferência que usa os dados
disponíveis e os conhecimentos armazenados na sua
base para gerar novos dados de forma interativa até
se chegar a solução do problema (Campos e Saito,
2004). A Figura 8 mostra a estrutura de um sistema
especialista.
Figura 8. Modelo esquemático de um Sistema Especialista.
O motor de inferência é o coração dinâmico de
um sistema especialista, contém um conjunto de
algoritmos de busca para explorar a base de
conhecimentos e, desta forma, gerar as conclusões e
resultados desejados. Este motor de inferência é,
portanto, um conjunto de regras de inferência ou
raciocínio. Um dos grandes desafios no
desenvolvimento de um sistema especialista é obter e
organizar os conhecimentos. Os conhecimentos de
certo processo ou problema incluem (Campos e
Saito, 2004): os componentes do problema; as
conexões e interrelações entre os componentes; as
leis da Física e da Química que se aplicam ao
problema; as restrições do problema; as heurísticas;
e, a experiência passada associada ao problema.
Alguns destes conhecimentos são numéricos e
outros são simbólicos. Os conhecimentos numéricos
podem ser facilmente representados através de
equações. Conhecimentos dinâmicos podem ser
representados através de regras do tipo: {SE –
ENTÃO}. Estas regras, ou pares {Condição – Ação},
são também uma boa opção para representar
conhecimentos empíricos. As regras para detecção de
comportamentos em uma floresta são descritas da
Tabela 2.
Tabela 2. Comportamentos e Regras do GETFLOREST.
Comportamento Regras {SE-ENTÃO}
Incidência de Fogo B ≤ 2,5
Saturação ou Chuva |Temperatura - Orvalho| ≤ 2
Amênuo e Úmido Temperatura ≤ 27 e Umidade ≥ 51
Amênuo e Seco Temperatura ≤ 27 e Umidade ≤ 51
Quente e Úmido Temperatura ≥ 28 e Umidade ≥ 51
Quente e Seco Temperatura ≥ 28 e Umidade ≤ 51
Para detectar o comportamento “Incidência de
Fogo” é usado conhecimento numérico, através do
índice de Angstron, que é dado por:
B = 0,05 RH − 0,1(T − 27) (7)
Este índice foi desenvolvido na Suécia e tem como
base fundamentalmente os dados de temperatura e
umidade relativa do ar, ambos medidos diariamente
às 13 horas. Não é um índice cumulativo, pois
sempre que o valor do índice de Angstron for menor
do que 2,5 haverá risco de incêndio, isto é, as
condições atmosféricas do dia estarão favoráveis à
ocorrência de incêndios (Soares, 1986).
A detecção do restante de outros
comportamentos é feito através de conhecimento
empírico, com base na vivência estudos e
observações do comportamento climático da região
amazônica.
4 Resultados Experimentais
As informações climáticas obtidas no interior da
Mata apontam que a temperatura do ar, diária ou
mensal, é inferior àquela obtida fora deste domínio.
As diferenças maiores ocorrem durante os períodos
mais quentes e as máximas temperaturas são mais
afetadas que as mínimas. A baixa temperatura em seu
interior é responsável pela umidade relativa do ar
mais alta. Por isto, as florestas são mais úmidas
mesmo que a temperatura do ponto de orvalho e a
pressão do vapor d’água ambiental sejam
aproximadamente iguais às da área externa (cidade).
Com o uso e análise destas informações é possível
identificar comportamentos climáticos nas regiões de
florestas quando comparadas a dados climáticos das
cidades.
A Figura 9 apresenta o comportamento “Quente e
Úmido”, no ensaio realizado às 11:00 horas.
- ICIBE UFRA - Comportamento: Quente e Umido
80
60 Temperatura
ºC / %
Umidade
Orvalho
40
20
0 10 20 30 40 50 60
Tempo (seg)
Figura 9. Comportamento: Quente e Úmido.
A temperatura marca em média 32ºC, ponto de
orvalho 26.3ºC e umidade relativa do ar de 71.2%. A
diferença entre a medida de temperatura e orvalho
caracteriza o clima como quente e úmido, o que
aumenta a sensação térmica.
A Figura 10 apresenta o comportamento “Orvalho
ou Chuva”, no ensaio realizado às 17:00 horas.
 - ICIBE UFRA - Comportamento: Orvalho ou Chuva
100 5 Conclusão
80
Este artigo apresentou o software denominado
Temperatura
ºC/ % 60 Umidade GETFLORESTA e cujo objetivo é entender a
Orvalho caracterização climática do ambiente amazônico e
40
suas atuais mudanças. A principal motivação que
20 levou ao desenvolvimento deste trabalho é a falta de
0 10 20 30 40 50 60
Tempo (seg) projetos de precisão sobre a análise de sistemas
voltados para esta área. Os resultados apresentados
Figura 10. Comportamento: Orvalho ou Chuva.
mostram significativa correlação com o
A temperatura marca em média 27.7ºC, ponto de comportamento climático desta região. Dessa forma,
orvalho de 25.6ºC e umidade relativa do ar de 87.3%. o incentivo ao ensino, para alunos de engenharia que
A proximidade entre as medidas de temperatura e tratam sobre o cenário amazônico, é uma das
orvalho caracteriza o clima como chuvoso. finalidades deste trabalho.
A Figura 11 apresenta o comportamento “Orvalho
ou Chuva”. Referências Bibliográficas
- ICIBE UFRA - Comportamento: Quente e Seco
50
Braga, N. C. (2008). Sistema de Aquisição de Dados.
45 Revista Saber Eletrônica nº402.
40 AFUBRA. (2004). A Floresta e o Ar. Disponível em:
ºC / %

35
Temperatura <http://www.sefloral.com.br/> Acesso em:
Umidade
30 Orvalho
Dezembro de 2007, Brasil.
Oliveira, A., Cavalcanti, S. Y. C. (2008). Sistemas de
25
0 5 10 15 20 25 30 35 Medição: Terminologia e Incerteza. Enciclopédia
Tempo (seg)
de Automática, Volume 2, Editora: Blucher,
Figura 11. Comportamento: Quente e Seco.
Brasil.
A temperatura marca em média 41.2ºC, ponto de Moreno, E. D., Penteado, C. G., Rodrigues, A. C.
orvalho de 26.4ºC e umidade relativa do ar de 87.3%. (2005). Microcontroladores e FPGAS –
A proximidade entre as medidas de temperatura e Aplicações em Automação. Editora: Novatec, São
orvalho caracteriza o clima como chuvoso. Paulo, Brasil.
A Figura 12 apresenta o comportamento “Risco Viegas, V. M. R. (2004). Projeto e Implementação de
de Incêndio”, no ensaio realizado às 13:00 horas. um Sistema de Sensores Inteligentes Baseado na
Norma IEEE1451, Dissertação de mestrado em
- ICIBE UFRA - Comportamento: Risco de Incêndio Engenharia Eletrotécnica e de Computadores,
70
Universidade Técnica de Lisboa, 241f., Portugal.
60
Temperatura IBAMA. (1992). Cartilha ECO-92 de Emergências
50
Ambientais na Região Amazônica. 33f., Brasil.
ºC / %

Umidade
40 Orvalho
Campos, M. M., Saito, K. (2004). Sistemas
30
Inteligentes em Controle e Automação de
20
0 20 40 60 80 100 120 140 160 180
Processos. Editora: Ciência Moderna, Brasil.
Tempo (seg) EMBRAPA. (2008). Guia do Cultivo de Cereais.
Figura 12. Comportamento: Risco de Incêndio. 80f., Brasil.
Lawrence, M. G. (2005). The relationship between
A temperatura marca em média 35.3ºC, ponto de
relative humidity and the dew point temperature
orvalho de 27.1ºC e umidade relativa do ar de 62.3%,
in moist air: A simple Conversion and
cujo índice florestal de Angstron se manteve abaixo
applications. Max Planck Institute for Chemistry,
de 2,5, o que caracteriza um comportamento de risco
Bull. Am. Meteorol. Soc., 86, 225-233,
de incêndio conforme mostra a Figura 13.
Germany.
- ICIBE UFRA - Risco de Incêndio (B< 2,5)
Moreno, E. D., Penteado, C. G., Rodrigues, A. C.
Índice Florestal de Angstron (B)

2.4
(2005). Microcontroladores e FPGAS –
2.35
Aplicações em Automação. Editora: Novatec, São
Paulo, Brasil.
2.3
Soares, R. V. (1986). Comparação entre quatro
índices na determinação do grau de perigo de
2.25
incêndios no município de Rio Branco do Sul –
0 20 40 60 80 100 120 140 160 180 PR. 5º Congresso Florestal Brasileiro, Revista
Tempo (seg)
Figura 13. Índice Florestal de Angstron.
Floresta nº31, Recife, Brasil.