Publicação
Modelação geoespacial e análise do risco de pirataria no Golfo da Guiné
| Resumo: | O Golfo da Guiné é uma região de significativa relevância internacional pelo elevado potencial geoestratégico que apresenta. Dispõe de grandes reservas de petróleo e gás natural, de uma privilegiada localização e acessibilidade marítima, bem como de um grande leque de recursos naturais. A região caracteriza-se por um clima de instabilidade política, social e económica, condições ideais para o surgimento e proliferação de ameaças à segurança marítima, destacando-se a Pirataria Marítima pela crescente relevância e impacto nos últimos anos. Desde 2018, esta região destaca-se por ter o maior número de ataques no mundo, resultando no aumento da insegurança e instabilidade numa das principais rotas do comércio marítimo mundial. O presente trabalho tem como objetivo principal a identificação de padrões, tendências e situações de maior risco de ocorrência de um ataque de Pirataria Marítima. Para esse efeito, recorreu-se aos dados disponibilizados pela International Maritime Organization e pela International Maritime Bureau, relativos ao período entre 2010 e 2021 e foi desenvolvido um modelo geoespacial dos diferentes indicadores de risco para a ocorrência de um ataque, que dispõe de diferentes camadas e permite uma análise espácio-temporal dos diferentes indicadores, apurando em que medida é que os esforços internacionais e regionais têm tido um impacto positivo no combate a este fenómeno. Para complementar este estudo, foi realizada uma análise estatística dos dados e construído um modelo de Redes Bayesianas com o objetivo de prever o nível de ameaça dadas as condições e contexto no momento do ataque. A análise realizada permitiu a identificação de padrões entre os diferentes ataques e a previsão efetuada através do modelo de classificação de Redes Bayesianas pode ser utilizada não só para prever o nível de ameaça, bem como para identificar registos históricos classificados com um nível inferior ao potencial que este representava. |
|---|---|
| Autores principais: | Rocha, André Medeiros |
| Assunto: | Pirataria Marítima Golfo da Guiné Análise de Padrões Rede Bayesiana Análise Geoespacial |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Escola Naval |
| Idioma: | português |
| Origem: | Escola Naval |
| Resumo: | O Golfo da Guiné é uma região de significativa relevância internacional pelo elevado potencial geoestratégico que apresenta. Dispõe de grandes reservas de petróleo e gás natural, de uma privilegiada localização e acessibilidade marítima, bem como de um grande leque de recursos naturais. A região caracteriza-se por um clima de instabilidade política, social e económica, condições ideais para o surgimento e proliferação de ameaças à segurança marítima, destacando-se a Pirataria Marítima pela crescente relevância e impacto nos últimos anos. Desde 2018, esta região destaca-se por ter o maior número de ataques no mundo, resultando no aumento da insegurança e instabilidade numa das principais rotas do comércio marítimo mundial. O presente trabalho tem como objetivo principal a identificação de padrões, tendências e situações de maior risco de ocorrência de um ataque de Pirataria Marítima. Para esse efeito, recorreu-se aos dados disponibilizados pela International Maritime Organization e pela International Maritime Bureau, relativos ao período entre 2010 e 2021 e foi desenvolvido um modelo geoespacial dos diferentes indicadores de risco para a ocorrência de um ataque, que dispõe de diferentes camadas e permite uma análise espácio-temporal dos diferentes indicadores, apurando em que medida é que os esforços internacionais e regionais têm tido um impacto positivo no combate a este fenómeno. Para complementar este estudo, foi realizada uma análise estatística dos dados e construído um modelo de Redes Bayesianas com o objetivo de prever o nível de ameaça dadas as condições e contexto no momento do ataque. A análise realizada permitiu a identificação de padrões entre os diferentes ataques e a previsão efetuada através do modelo de classificação de Redes Bayesianas pode ser utilizada não só para prever o nível de ameaça, bem como para identificar registos históricos classificados com um nível inferior ao potencial que este representava. |
|---|