Modelagem de Mudanças de Uso e Cobertura do Solo

Grupo de Modelagem LUCCIlhabela, Maio de 2004

Cobertura e Uso da Terra

Cobertura:Estado físico, químico e biológico da superfície da Terra;Exemplos: floresta, gramínea, área construída.Interesse das ciências naturais.

Uso:Emprego da terra pelo homem (propósitos humanos);Exemplos: reserva indígena, pecuária, área residencial.Interesse das ciências sociais.

Uma mesma cobertura pode corresponder a diferentes usos (floresta usada paraextração de madeira e recreação). No geral, um sistema de uso corresponde a umacobertura, mas pode combinar a manutenção de mais do que um (sistema agrícolacombinando culturas e pastagens melhoradas).

Analysis of Land Use Change: Theoretical and Modeling Approaches - Helen Briassoulis, Ph.D. http://www.rri.wvu.edu/WebBook/Briassoulis/

Modelos LUCC: Uma Visão Geral

O que modelar?Fatores dinâmicos de mudança do território

HipóteseAgentes humanos→ realocação do uso de territórioFatores de mudança são refletidos no uso da terra

Modelos de mudança de uso e cobertura da terraUso do solo urbanoConversão de solo para agriculturaDesflorestamento

Modelos LUCC: Uma Visão Geral

DemandaEconômica

MudançasPopulação

AlocaçãoUso Terra

ProdutividadeTerra

tempo

Modelos LUCC: Uma Visão Geral

DemandaEconômica

MudançasPopulação

AlocaçãoUso Terra

ProdutividadeTerra

tempo

PolíticasPúblicas

AtoresSociais

Variáveis de modelos LUCC

Variáveis selecionadas dependem de entendimentomínimo do porquê das mudanças (mesmo em modelosestocásticos).

Decisão sobre quais variáveis são exógenas e quais sãoendógenas depende da escala de estudo e do nível de integração com outros subsistemas (no caso de modelos integrados).

Em modelos multi-escala, variáveis não podem ser generalizadas de uma escala para outra; diferentes fatores atuam em diferentes escalas.

Dificuldades na modelagem LUCC

Alta complexidade dos sistemas: estrutural e funcional;Modelagem do comportamento humano;Entendimento sobre relações entre drivers; Diversidade de aspectos a serem considerados (multi-disciplinaridade);Heterogeneidade espacial;Disponibilidade de dados sócio-econômicos;Difíicil previsibilidade: eventos extremos e próprios resultados dos modelos podem mudar rumos;Inexistência de uma teoria de LUCC que norteie a concepção dos modelos; necessidade de síntese de teorias.

fonte: LUCC

What Drives Tropical Deforestation?

Underlying Factorsdriving proximate causes

Causative interlinkages atproximate/underlying levels

Internal drivers

*If less than 5%of cases,not depicted here.

fonte:Geist &Lambin

≤ 5% 10% 50%

% of the cases

Limites para Modelar a Realidade

fonte: John Barrow

Relógios, Nuvens ou Formigas?

RelógiosParadigmas: lei de Newton (leis físicas que governam o mundo)

NuvensModelos estocásticosSuporte: Teoria de sistemas caóticos

FormigasModelos emergentesSuporte: teoria de sistemas complexosExemplos: automata celulares

Como parametrizar os modelos?

Data-driven (“empíricos”)“Deixar os dados falarem”Não impor modelos a prioriConveniente para inferência multi-variada

Theory-driven (“funcionais”)Dados são ocorrências imperfeitas da teoriaModelos estatísticos

Parametrização de processos estocásticosModelos determinísticos

Modelos de equações diferenciais

Modelos híbridos

Modelos Empíricos

Enfatizam os relacionamentos entre variáveisUtilizam modelos matemáticos simplesRequerem número reduzido de variáveisSão eficientes em predições Apresentam limitações na representação espacial, mas podem ser facilmente combinados com GISSão modelos essencialmente descritivos

Regressão

y=a0 + a1x1 + a2x2 + ... +aixi +E

Estabele relações estatísticas entre forças dirigidas que atuam no fenômenoContribui para o entendimento do fenômeno, mas é insuficiente para explicá-loProcessos estacionáriosAbordam dimensão temporalExemplo Reis e Margulis (1991)

Autômatos Celulares

Vizinhança Regras Espaço & Tempo

tEstados

t1

Modelos: Uma Tipologia

CA-agentesCA-multiescala(RIKS)

Krigagemespaço-temporal

Modelos Hidrológicos

Theory-driven

CA-MarkovCA-regressão

RegressãoData-driven

Emergentes (“formigas”)

Estocásticos (“nuvens”)

Funcionais (“relógios”)

Modelos Espaciais Dinâmicos

f ( I (t) ) f ( I (t+1) ) f ( I (t+2) ) f ( I (tn ))

F F

. .

“Um modelo espacial dinâmico é uma representação matemática de um processo do mundo real em que uma localização na superfície terrestre muda em resposta a variações nas forças dirigidas” (Burrough)

Modelos Dinâmicos Espaciais

Calibração Calibração tp + 10

ForecastForecast

tp - 20 tp - 10tp

fonte: Almeida et al (2003)

Modelos Dinâmicos Espaciais

O que muda?Explicitar os diferentes processos

Uso e Cobertura do Solo, Demografia, EconomiaHidrologia, Climatologia

Onde muda?Modelo deve espacialmente explícito

Quando muda?Modelo deve possuir equações de mudança

Porquê muda?Modelo deve indicar as forças que provocam a mudança

Modelos LUCC na Amazônia

Sistemas Humanos e Naturais

Recursos terrestres e aquáticosEcossistemas e biodiversidade

Áreas povoadas e infra-estruturaSistemas agrícolas

Saúde humana

Mudanças Climáticas:

Aumento de temperaturaMudanças nos níveis de precipitação

Aumento do nível do marVariabilidade e eventos extremos

Emissões e Concentrações

Gases do efeito estufa e aerosóisprovenientes

Queima de combustíveis fósseise mudanças de cobertura

Vulnerabilidade Adaptação

Caminhos de DesenvolvimentoSócio-econômicoMudanças demográficasCrescimento Econômico

TecnologiaPolíticas Públicas e Instituições

Visão de Longo Prazo : Modelos Integrados

Modelos LUCCModelagem regional multiescala

Modelos AmbientaisMudança Climática

Modelos HidrológicosModelos de Vegetação

Modelos VulnerabilidadeÁreas Urbanas

Disponibilidade AlimentosBiodiversidade

Cenários SocioeconômicosEconomia, Tecnologia, Demografia,

Atividades em andamento

Atividades internas do Grupo de Modelagem:FOCO 1: Aplicação do CLUE para toda a Amazônia.FOCO 2: Exercício de modelagem em Rondônia para testes de arcabouço computacional.

Atividades em em conjunto com Grupos de Uso da Terra e Dinâmica Territorial:

FOCO 3: Pará/Terra do Meio: combinação de modelos empíricos e de processos para projeção de cenários como apoio a políticas públicas.

Fatores determinantes dos padrões de uso na Amazônia

Análise estatística em múltiplas escalas – Resultados preliminares

Objetivos da modelagem LUCC para toda a Amazônia

Projeção de hot spots de mudanças se considerados cenários alternativos, como:Mudanças de demandas nacional e internacional por produtos agro-pecuários; eConfigurações espaciais alternativas de políticas públicas (e.g., infraestrutura, unidades de conservação, assentamentos, incentivos, etc.).

Ferramenta para explorar possíveis configurações espaciais decorrentes de políticas públicas alternativas antes da tomada de decisão.

Laurence et al. The future of Brazilian Amazon. Science 291 (5503): 438

Existem alternativas a estes cenários?

Exemplos de questões para modelagem

Quais as os impactos em termos de desflorestamento de obras de infra-estrutura planejadas?

Como outras políticas de proteção e zoneamento podem compensar estes impactos?

Ação antrópica em 1997

Estudos mais localizados

Sudeste do ParáNordeste de Rondônia

Exemplo de modelo a ser utilizado: CLUE (Wageningen University, The Netherlands)

Arcabouço de modelagem genérico que permite relacionar os forçantes aos processos de mudança em diferentes áreas, através de análise estatística em múltiplas escalas.

http://gissrv.iend.wau.nl/~clue/

CLUE: mecanismo de alocação

Na escala menor (“coarse”):Demanda distribuída por todos as células cujo percentual de cobertura seja menor do que o previsto pela regressão (tendência).

Nova porcentagens de área são dadas pela fórmula (*)

ITF ajustado iterativamente, com base na demanda.

Na escala maior, processo é similar, mas são também considerados a mudança relativa alocada na escala menor e desenvolvimentos autônomos.

(*) cover x,y,t,c = coverx,y, t-1, c + [reg_cover x,y,t,c - cover x,y, t-1 )*ITFc]

Desflorestamento

Floresta

Não-floresta (e.g., cerrado)

Mapa de Desflorestamento – 1997 (INPE/PRODES t)

Célula 25 km x 25 km

Divisão municipal

Categorias de fatores candidatos(~ 90 variáveis)

Demográficos Densidade populacional e migração.

Estrutura Agrária Indicadores de distribuição de terras entre pequenos, médios e grandes estabelecimentos rurais (em número e área).

Acessibilidade e conexão a mercados

Medidas de conexão a mercados nacionais e portos via rede viária. Distância a estradas, rios e centros urbanos.

Políticos Assentamentos, áreas de proteção e crédito.

Atividades econômicas Distância a pólos madeireiros e depósitos minerais.

Ambientais Qualidade do solo (fertilidade, textura), relevo e clima (precipitação, umidade, temperatura).

Variáveis utilizadas nos modelos de regressão (tabela completa)

Category VariablesDemographic Population Density

Proportion of urban populationProportion of migrant population (before 1991, from 1991 to 1996)

Technology Number of tractors per number of farmsPercentage of farms with technical assistance

Agrarian strutucture Percentage of small, medium and large properties in terms of areaPercentage of small, medium and large properties in terms of number

Infra-structure Distance to paved and non-paved roadsDistance to urban centersDistance to ports

Economy Distance to wood extraction polesDistance to mining activities in operation (*)Connection index to national markets

Political Percentage cover of protected areas (National Forests, Reserves, Presence of INCRA settlementsNumber of families settled (*)

Environmental Soils (classes of fertility, texture, slope)Climatic (avarage precipitation, temperature*, relative umidity*)

Coarse resolution preliminary results: need of logarithm transformations

Predicted versus Observed Plots: (a) model with variables not transformed): R2 = 0.61; (b) Model 7: R2 = 0.85.

Scatter plots: (a) Y versus PORC3_NR (percentage of large farms in number ); (b) log10 Y versus log 10 (PORC3_NR).

Coarse resolution preliminary results: exmaples of candidate models

MODEL 7: R² = .86Variables Description stb p-level

PORC3_ARPercentage of large farms, in terms of area 0,27 0,00

LOG_DENS Population density (log 10) 0,38 0,00

PRECIPIT Avarege precipitation -0,32 0,00

LOG_NR1Percentage of small farms, in terms of number (log 10) 0,29 0,00

DIST_EST Distance to roads -0,10 0,00

LOG2_FER Percentage of medium fertility soil (log 10) -0,06 0,01

PORC1_UC Percantage of Indigenous land -0,06 0,01

MODEL 4: R² = .83Variables Description stb p-level

CONEX_ME Connectivity to national markets index 0,26 0,00

LOG_DENS Population density (log 10) 0,41 0,00

LOG_NR1Percentage of small farms, in terms of number (log 10) 0,38 0,00

PORC1_ARPercentage of small farms, in terms of area -0,37 0,00

LOG_MIG2Percentage of migrant population from 91 to 96 (log 10) 0,12 0,00

LOG2_FER Percentage of medium fertility soil (log 10) -0,06 0,01

Coarse resolution preliminary results: Hot-spots map for Model 7

Terra do Meio

South of Amazonas State

Hot-spots map for Model 7:(lighter cells have regression residual < -0.4)

Fatores Correlacionados aoDesmatamento

Sete fatores estão relacionados à variação de 83% das taxas de desmatamento na Amazônia nos últimos anos:

(a) Estrutura Agrária (2 fatores): percental de área ocupada porgrandes fazendas e número de pequenas propriedades.

(b) Ocupação Populacional (1 fatores): densidade de população.

(c) Condições do Meio Físico (2 fatores): Precipitação média e percentual de solos férteis.

(d) Infraestrutura (1 fator): distância a estradas.

(e) Presença do Estado (1 fator): percentagem de áreas indígenas

Conjecturas Preliminares

Indicações que precisam ser comprovadas em estudos maisdetalhados:

A expansão do desmatamento não ocorre de forma indiscriminada, mas é limitada pelas condições do meio físico.

A presença do Estado (através de unidades de conservação e terras indígenas) é um fator relevante no controle do desmatamento.

Em termos de estrutura agrária, tanto o grande capital (grandesfazendas) como os pequenos núcleos fundiários tem contribuiçãorelevante para o processo de desmatamento.

As áreas da Terra do Meio e Sudeste do Amazonas são os maiorescandidatos ao aumento da área desmatada.

Desmatamento 2003Desmatamento 2003

FonteFonte: INPE PRODES Digital, 2004.: INPE PRODES Digital, 2004.

DesmatamentoDesmatamento 2002/20032002/2003

DesmatamentoDesmatamento atéaté 20022002

Localização dos Desmatamentos com mais de 300ha em 2002

Localização dos Desmatamentos com mais de 300ha em 2003

Localização dos Desmatamentos com mais de 300ha em 2003+ áreas protegidas

São Félix do Xingu

Área do Município8.460.261 ha

Área Mapeada6.396.080

Área de Floresta 20035.050.33679% da area mapeada

Desmatamento 03133.273Desmatamento 02122.007Desmatamento 01156.715Desmatamento TOTAL921.44814% da área mapeada

4.710.049 terra indígena no município

Fatores Condicionantes de Modelos

Regiões climáticas na Amazônia (Schneider et al., 2001)

Fatores Condicionantes de Modelos

Áreas em uso agrícola (%) em relação à pluviosidade(Schneider et al., 2001)

Índice de conexão a SP > 0.00035

Índice de conexão a portos > 0.001

Considerações finais

Efeitos de escala: fatores distintos são selecionados quando se modifica extensão, mas pouca diferença na resolução de 25 km e 100 km.Medidas de conexão a mercados e portos importantes em quase todos os modelos, para diversas classes de uso.

Modelagem de Mudança de Cobertura do Solo

Modelos Locais – Estudo de Caso Rondônia

Área de Estudo e UOPs

0 4 Km

MediumSmall Large

Modelo Conceitual - Preliminar

recemImplantada

desflorestando

saturadaarrived

latency> 6anos

EstensDesfl> 70%

atualizaatrib. localintesidadeDesfl

caculataxadesfl

reduzatrib. localintesidadeDesfl

caculataxadesfl

atualizaatrib. localintesidadeDesfl

reduzatrib. localintesidadeDesfl

caculataxadesfl

calculaDemandaDesflorestUOP

recessão

crescimento

normal

time = 1997

time = 1988

time = 1994

Economia

Incremento do Desflorestamento

0

2

4

6

8

10

12

14

16

85-88 88-91 91-94 94-97 97-00

Período

%

Grande

Medio_peque2

Medio 1

Peq50

Referência

G

G

L

Quanto?• De acordo com o atributo local intensidadeDesfl.• > se estado do Economia é “crescimento”• < se o estado do Economia é “recessão”• Se estado do demandaDesflUOP é “recemImplantada”a

velocidade de desmatamento passa a independer do sistemaEconomico e é alta.

Onde?• Inicialmente, desmata intensamente próximo estradas principais e de forma menos intensa estradas secundárias.• Desmata próximo centros urbanos.

pequenoProprietario

Modelo Computacional - Preliminar1) Cada UOP é modelada como um environment pertencente um ambiente maior. 2) Cada UOP interno que possui :

a) um global scope agent global para calcular a demanda por desflorestamento no triênio (1985-1988).

b) um local scope agent que pode ter um entre os três tipos: pequeno, médioou grande proprietário. cellSpace

layer rondoniaCellsselect ”cobertura, distEstrada”where ”UOPid=‘OuroPretoOeste’”{

float intensidadeDesfl;

bind roadDist colunm ”distEstrada” table ”atribCells1”;bind cover colunm ”cobertura” table ”atribCells1”;

}

UOPn

UOP2

UOP1

...

taxaDesfl

taxaDesfl

taxaDesfl

+

+

+

grandeProp

medioProp

pequenoProp

+

+

+

G

G

G

L

L

L

Rondônia

O environment mais externo possui um global scope agent para simular o sistema econômico

SistemaEconomico

G

Modelo Piloto de Alocação – padrão ortogonal ou “espinha de peixe” -

9o S

10o S

9o 30’ S

10o 30’ S

9o S

9o 30’ S

10o S

10o 30’ S

0 50Km

62o 30’ W 62o W

62o 30’ W 62o W

Dados Oriundos da Classificação

1985

1988

1991

Deforested cell

Forest cell

Fonte: Escada, 2002

Matriz Generalizada de Proximidade

C33 C34 C35 C36 C37L20L21L22L23L24

C34L23 0.0018C36L21 0.0018C35L21 0.0025C33L20 0.0041C36L24 0.0045C33L22 0.0048C37L24 0.0050C37L23 0.0058C34L21 0.0069C36L22 0.0073C33L21 0.0093C34L22 0.0097C35L23 0.0104C36L23 0.0105C33 C34 C35 C36 C37

L20L21L22L23

C00L19 0.0018C00L21 0.0018C02L19 0.0018C02L21 0.0018C00L20 0.0025C01L19 0.0025C01L21 0.0025C02L20 0.0025

Open Net

Moore

Resultados PreliminaresGPM+LoteGPM

1991

1988

MooreRealidade

Geoinfo (Aguiar, 2003), Submetido GIScience (Câmara et al, 2004)

Considerações Finais

O modelo construído pressupõe que em diferentes regiões do espaço, processos diferenciados de desflorestamento ocorrem, em especial, que a demanda por desflorestamento é distribuída de maneira não uniforme de acordo com as características das UOPs.

Os resultados preliminares indicam que caminhamos em um sentido promissor.

Novos fatores deverão ser considerados para a construção de um modelo mais elaborado.