Modelagem de Mudanças de Uso e Cobertura do Solo Grupo de Modelagem LUCC Ilhabela, Maio de 2004
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
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.
Related Documents
