Produção de cartografia de risco de incêndio florestal com recurso a imagens de satélite e dados auxiliares

Produção de Cartografia de Risco de Incêndio Florestal com Recurso a

Imagens de Satélite e Dados Auxiliares FREIRE, Sérgio; Hugo CARRÃO; Mário R. CAETANO

Instituto Geográfico Português (IGP) Rua Artilharia Um, 107, Sala 4.08

1099-052 Lisboa, Portugal Tel.: (+351) 21 381 9600, Fax: (+351) 21 381 9699

[email protected], [email protected], [email protected]

Resumo

Os fogos florestais consomem por ano, em média, mais de 100 000 hectares de floresta Portuguesa,

provocando um importante impacto quer a nível ambiental, quer a nível económico. A intensidade e

frequência deste fenómeno depende da conjugação de variáveis dinâmicas (humidade relativa,

temperatura do ar, precipitação, vento) com factores estruturais (tipo de coberto vegetal, topografia,

etc.). Apesar de grande percentagem dos fogos ocorridos em Portugal não ter origem natural, subsiste a

necessidade de desenvolver um eficiente sistema de alarme que em tempo útil sirva a prevenção destas

ocorrências. A combinação, através de Sistemas de Informação Geográfica (SIG), de informação

derivada de dados de observação da Terra com informação auxiliar respeitante a determinadas variáveis

geográficas, para a monitorização diária do risco de incêndio, permite dar uma resposta apropriada a

esta necessidade. O projecto PREMFIRE, financiado pela Agência Espacial Europeia, tem por objectivo

a selecção e implementação em Portugal de um sistema para prevenção e mitigação de fogos florestais,

disponibilizando no terreno em tempo real ou quase real cartografia de risco de incêndio florestal. No

âmbito deste projecto, foi desenvolvida uma metodologia para a produção de cartografia diária de risco

de incêndio florestal, baseada em imagens de satélite e informação auxiliar, e utilizando uma abordagem

que integra um índice dinâmico e um índice estrutural. O índice dinâmico combina cartografia de

combustíveis florestais com informação acerca do estado actual de verdura da vegetação e dados

meteorológicos para produção de um mapa diário de risco potencial de incêndio. A verdura actual da

vegetação é caracterizada através de compósitos de 10 dias de NDVI derivados de imagens NOAA-

AVHRR. O índice estrutural integra, para além de cartografia de ocupação do solo actualizada, factores

como a elevação, declive, exposição, distância às estradas e zonas urbanas. Esta metodologia foi testada

na região centro de Portugal, sendo os resultados obtidos bastante satisfatórios.

PALAVRAS - CHAVE: fogos florestais, imagens de satélite, SIG, risco integrado de incêndio.

INTRODUÇÃO Portugal é um dos países Europeus mais afectados por incêndios florestais em anos recentes, apresentando recorrentemente uma das maiores percentagens de área de floresta ardida. Entre 1996 e 2000, segundo a Direcção Geral das Florestas [17], mais de 500 000 ha de espaços florestais portugueses foram afectados por fogos, em consequência de cerca de 36 500 ocorrências registadas nesse período. Em cada época de incêndios, fogos descontrolados têm efeitos ambientais nefastos e causam grandes prejuízos à economia nacional. Estes eventos, frequentemente dramáticos, podem igualmente resultar na perda de vidas humanas e destruição de ecossistemas, neste caso contribuindo para a redução de bio-diversidade e depredação de recursos não renováveis como vegetação endémica e habitats naturais.

Diversos factores estão relacionados com a incidência de incêndios florestais numa dada área, os quais têm origem natural ou humana. Apesar da ocorrência de incêndios ser quase sempre o resultado da conjugação de numerosas variáveis, nas regiões Mediterrânicas é aparente a influência estreita que o clima e as actividades humanas têm nesse fenómeno. As temperaturas elevadas e a reduzida precipitação no Verão (secura estival), são responsáveis por um período de stress da

vegetação, durante o qual a humidade e “verdura” (vigor) do coberto vegetal diminuem drasticamente e, consequentemente, o seu grau de inflamabilidade aumenta. No que diz respeito às actividades humanas, a situação é substancialmente mais complexa. Em resultado de alterações socio-económicas operadas no mundo rural, importantes áreas agrícolas vêm sendo progressivamente abandonadas e ocupadas por vegetação natural, aumentando a quantidade de biomassa inflamável. Relativamente à gestão e conservação florestal, falta ainda implementar com carácter regular a limpeza das florestas e a prescrição de fogos programados antes da época de incêndios. Neste cenário, favorável aos fogos, não surpreende que práticas agrícolas remanescentes, tais como a queima do restolho, sejam responsáveis por um grande número de incêndios. Também a utilização de espaços florestais para actividades recreativas tem vindo a aumentar, dando origem a incêndios por negligência. No caso português, o fogo posto constitui ainda a causa de grande número de incêndios, em resultado de interesses que envolvem, nomeadamente, pretensões de alteração do uso ou ocupação do solo. Tendo em consideração este contexto, torna-se evidente a dificuldade em modelar e prever o risco de incêndios. No entanto, é um dado consensual que o combate aos incêndios é mais difícil e oneroso que a sua prevenção. Assim, torna-se especialmente premente o desenvolvimento de metodologias eficientes para o suporte das actividades de prevenção e pré-supressão de incêndios. Idealmente, estes métodos poderiam também servir no apoio a actividades de supressão de fogos e recuperação de áreas ardidas.

A Agência Espacial Europeia (ESA) tem, ao longo da última década, financiado projectos de investigação no domínio dos fogos florestais em vários países europeus, no sentido de serem desenvolvidos processos que permitam aumentar e optimizar a contribuição de informação derivada de sistemas de Observação da Terra (EO) para a prevenção e combate a estes fenómenos. O estudo que aqui se apresenta foi realizado no âmbito do projecto PREMFIRE, financiado pela ESA. Este projecto tem por objectivo a selecção e implementação dum método eficiente para suporte de um sistema para a prevenção e mitigação em tempo real do risco de incêndio florestal em Portugal. Este estudo específico concerne a investigação e desenvolvimento de uma metodologia para a produção de cartografia de risco de incêndio florestal, que possa ser usada no terreno como suporte às actividades de supressão e pré-supressão de fogos.

Neste artigo apresenta-se esse esforço de modelação, começando por fazer um enquadramento da questão da avaliação de risco de incêndio. Na segunda parte são propostos dois indicadores de risco, na terceira secção apresentam-se e discutem-se os resultados, bem como o respectivo processo de validação e a proposta de risco integrado. As figuras incluídas foram extraídas ou adaptadas do seguinte documento: Caetano, M., Carrão, H., e Freire, S., Relatório Técnico PREMFIRE WP 330 - Methodology for Fire Risk Mapping, IGP, Lisboa, 2002.

1. Modelação e avaliação de risco de incêndio A computação de índices de risco de incêndio, potencial de incêndio, ou perigo de incêndio, constituem tentativas de quantificar a probabilidade de um fogo ocorrer e se propagar quando existe uma fonte de ignição. No entanto, índices relacionados com as condições de humidade dos combustíveis podem igualmente ser usados para a modelação da propagação do fogo, dado que, o estado da vegetação aferido por estes indicadores é um elemento crucial no comportamento do fogo. Idealmente, estes índices são representados por um único número, e deverão ser avaliados diariamente usando dados observados ou medidos [32]. O risco de incêndio está estreitamente relacionado com as condições determinadas pela meteorologia que influenciam o estado de stress da vegetação, tais como a temperatura, a humidade do ar e o vento. No entanto, a avaliação desse risco considera igualmente factores como a ocupação do solo, historial de incêndios, demografia, infra-estruturas e o interface florestal -urbano.

A realização de estudos para a avaliação do risco de incêndio, constitui a melhor possibilidade para a salvaguarda de vidas humanas, de propriedades, e de recursos naturais. A estimação do risco de incêndio a curto prazo tem em vista o apoio à tomada de decisões actualizadas sobre actividades de pré-supressão e supressão num plano de mitigação de fogo, e pode ser usada para diversos fins. Estes podem incluir a difusão de avisos, o estabelecimento de limitações a certas actividades recreativas ao ar livre, ou o planeamento de acções de vigilância e prevenção. Para a prevenção e combate a incêndios, estes índices são especialmente úteis quando são especializados na forma de mapas de risco. Estes mapas variam de cobertura local a cobertura global, são produzidos com diferentes resoluções espaciais e podem abranger períodos curtos ou longos. Segundo Chuvieco et al. [14], a produção destes mapas deve basear-se em dados meteorológicos, e requer a seguinte informação de input: informação de base sobre a vegetação (mapa de ocupação do solo), monitorização diária a semanal do estado ou vigor da vegetação, e monitorização diária do estado do tempo. Para fins de prevenção é desejável uma frequência de actualização de mapas de risco de um dia ou menos.

No âmbito da prevenção de fogos florestais, os sistemas de informação geográfica (SIG) permitem a eficiente integração de dados de EO com factores geográficos relevantes, tais como a vegetação, topografia, meteorologia, etc., para a monitorização diária de risco. Nas últimas décadas, várias aplicações SIG foram desenvolvidas para facilitar a análise espacial do risco de incêndio [13].

O desenvolvimento de um índice de risco de incêndio implica a consideração de um vasto conjunto de factores, usualmente os combustíveis, a topografia e a meteorologia [15]. A escolha de variáveis e os diferentes métodos usados para a sua combinação resultam numa multiplicidade de abordagens à cartografia de risco de incêndio. Em face desta diversidade, várias soluções para a sua classificação têm sido propostas. Em função dos dados de input requeridos, dois tipos gerais de métodos podem ser identificados: 1) métodos de risco estritamente meteorológicos, que se baseiam exclusivamente em dados sobre o estado do tempo (temperatura, humidade, precipitação, vento), normalmente registados através de uma rede sinóptica; 2) métodos de risco potencial, que são considerados abordagens mais avançadas, e incluem

como input o estado da vegetação (verdura da vegetacao), tipo de combustível florestal, e o seu teor de humidade. No que concerne ao uso exclusivo de variáveis meteorológicas, os índices podem ser agrupados da seguinte forma:

(i) Não-cumulativos, consideram apenas valores diários dos parâmetros (normalmente temperatura e humidade relativa); (ii) Cumulativos, utilizam um registo de dados de dias anteriores.

Uma das abordagens mais recentes, seguida pelo Joint Research Center [22] da União Europeia, sugere a classificação de índices ou métodos de acordo com a sua escala temporal:

(i) Estruturais ou de longo prazo são derivados a partir de factores que não variam rapidamente, i.e. topografia ou ocupação do solo; (ii) Dinâmicos ou de curto prazo baseiam-se em parâmetros que variam de forma quase contínua, i.e. estado da vegetação ou condições meteorológicas; (iii) Integrados ou Avançados incluem variáveis estruturais e dinâmicas.

Um índice estrutural de risco baseia-se na combinação de variáveis que não variam num curto espaço de tempo e pode ser calculado com recurso a diversos tipos de variáveis, tais como: coberto vegetal (tipo de combustível), altitude, declive, orientação, características climáticas, estradas, áreas urbanas, solos, historial de incêndios, e densidade populacional [11, 30, 13, 4]. Assim, para caracterizar o risco de uma forma realista, este índice necessita apenas de ser calculado antes do início da época anual de incêndios, para auxiliar o planeamento das actividades e gestão dos recursos necessários à sua prevenção.

No desenvolvimento destes indicadores, a escolha e importância relativa das variáveis utilizadas tem normalmente uma base estatística, sendo determinada a partir de um estudo de correlação entre os parâmetros e um registo do historial de incêndios nessa área ao longo de um período significativo. Devido ao facto das causas dos incêndios poderem variar significativamente no espaço, estas relações são mais sólidas em áreas limitadas e perdem poder explicativo com a distância à área de estudo, de forma que estes índices têm essencialmente uma aplicação regional. Para além disso, a maioria dos índices não considera a distribuição espacial da dimensão humana do risco, devido à dificuldade de representação e modelação desta componente, como as actividades recreativas ou o fogo posto. [31]. Este problema tem sido remediado com a modelação indirecta desta componente com recurso a variáveis relacionadas, como a acessibilidade, densidade populacional, e incidência de incêndios [11, 30, 13, 4].

Um risco dinâmico de incêndio tem por objectivo a detecção de pequenas e constantes variações nas condições de inflamabilidade dos combustíveis florestais durante a época de incêndios, pelo que, no seu cálculo, devem ser usadas variáveis que, embora variando num curto espaço de tempo, podem ser medidas e representadas. Os modelos de combustível providenciam uma representação qualitativa e quantitativa de várias propriedades físicas e químicas dos tipos de vegetação florestal, nomeadamente, biomassa total, distribuição de biomassa, rácio de matéria viva e morta, e profundidade da matéria morta. O conhecimento destas características permite o desenvolvimento de modelos matemáticos para simular a combustão de diferentes tipos de vegetação sob diversas condições ambientais [1, 27, 28]. A quantidade, distribuição e continuidade de vegetação herbácea e material lenhoso são variáveis críticas para a previsão do risco de incêndio [5, 12], dado que, o grau de inflamabilidade da vegetação depende da quantidade de combustíveis mortos e vivos, e do seu teor de humidade. Contudo, o teor de humidade da vegetação, com relevância para a combustibilidade, é influenciado, para cada tipo de coberto vegetal, pelas condições meteorológicas e está igualmente relacionado com a sua “verdura” ou vigor. Daqui resulta que um eficiente risco potencial de incêndio deverá ser calculado diariamente através da combinação de um mapa de combustíveis, actualizado e suficientemente detalhado, com variáveis meteorológicas relevantes e uma avaliação da quantidade de combustíveis mortos e vivos. A proporção de combustíveis vivos pode ser aproximada através de uma avaliação do estado de verdura da vegetação, que por sua vez pode ser estimado com recurso à análise de imagens captadas por satélites de observação da Terra.

Actualmente, a selecção do tipo de imagens de satélite para estes fins tem estado mais dependente da escala espacial da análise e menos da resolução temporal do sistema. Existem alguns estudos ou programas que se ocupam da produção de mapas de estado dos combustíveis para a avaliação do risco a nível global ou continental [25], enquanto outros esforços concentram-se no nível regional ou local [8, 7, 11]. Imagens Landsat Thematic Mapper (TM) e SPOT têm sido geralmente usadas na cartografia de vegetação e estudo do stress hidrológico a maiores escalas [6], enquanto as imagens NOAA AVHRR são utilizadas na cartografia a escalas menores de combustíveis, na monitorização do estado da vegetação e teor de humidade[8, 7]. Sensores da nova geração de satélites, como o AVIRIS, MODIS, ou MERIS, dispõem de melhor resolução espectral e temporal que beneficia a caracterização e monitorização de combustíveis, e a tecnologia radar permite obter informação sobre a estrutura do coberto vegetal, que é relevante para a modelação desses combustíveis. Todavia, a exploração das potencialidades e obtenção de informação por satélites para a avaliação de perigo de incêndio, não está ainda completamente generalizada ou operacionalizada, mesmo em países desenvolvidos. Isto prende-se em parte com o facto da combinação entre o intervalo de revisita do satélite e a resolução espacial da respectiva imagem permanecer ainda desfavorável. Coberturas com baixa resolução espacial, ainda que mais frequentes (e.g., AVHRR, MODIS), limitam a precisão e detalhe necessários à efectiva utilização de indicadores de risco de incêndio. Ao invés, coberturas com resolução mais elevada (e.g., Landsat, SPOT, IRS) contrariam esse inconveniente, mas a combinação de períodos de revisita alargados com custos mais elevados limitam a sua aplicação.

Uma abordagem integrada do risco de incêndio baseia-se no pressuposto de que o início e progressão de um fogo florestal são afectados por factores de natureza e frequência diferentes, exigindo desse modo uma análise conjunta desses factores [11]. Apesar deste tipo de abordagem ter sido recomendado pelo Joint Research Center da União Europeia, não foi ainda completamente desenvolvida e implementada por esta instituição de investigação. Talvez o problema mais crítico desta abordagem, depois de ultrapassada a questão do acesso aos dados, seja a dificuldade de calibrar os pesos das variáveis relevantes. Por sua vez, o processo de calibração exige dados de referência com características apropriadas, muitas vezes difíceis de obter. Assim, com demasiada frequência, estas opções apoiam-se demasiado no conhecimento específico de especialistas, daqui resultando um procedimento pouco claro e ferido de subjectividade e orientação local.

Assim, propõe-se uma metodologia que combina um índice estrutural e outro dinâmico para o desenvolvimento de cartografia diária de risco de incêndio florestal em Portugal, baseada na utilização de imagens de satélite e dados auxiliares, da qual resultam vários produtos com diferentes utilidades. A componente estrutural baseia-se na abordagem de Chuvieco e Congalton [11]. A componente dinâmica é adaptada de Burgan e outros [9, 23, 24] a Portugal e aos dados disponíveis. Este método dá resposta às recomendações do JRC, ainda que um índice integrado ou avançado não seja ainda calculado para a Europa. A metodologia aqui apresentada utiliza uma carta de ocupação do solo actualizada, sendo o mapa estrutural de risco desenvolvido com uma resolução espacial de 25 metros, e o mapa de risco dinâmico com resolução espacial de 550 metros, a mesma resolução do mapa de risco integrado final.

METODOLOGIA 1. Área de estudo Com o fim de aplicar e testar a metodologia, seleccionou-se uma área com base 1) na frequência elevada de incêndios em 2001 e correspondente área ardida [17], com vista à validação dos resultados, 2) na variedade das características da paisagem e diversidade de espaços florestais, e 3) na impossibilidade de dispor de mais de uma cena de imagem Landsat. Assim, escolheu-se uma área de estudo localizada no Centro-Norte de Portugal, com uma superfície total de 1.391.000 ha, intersectando os distritos de Castelo Branco, Guarda, Viseu, Coimbra, Bragança, e Vila Real (Fig. 1). A zona inclui 665 freguesias, compreendidas dentro dos limites da imagem Landsat TM 203/32 (path/row). A altitude varia entre os 50 e os 1990 m, (incluindo as maiores elevações de Portugal Continental) e apresenta declives que vão de suave a extremamente acentuados. Esta zona tem características Mediterrâneas, sendo afectada por uma intensa secura estival. No entanto, o clima da área é influenciado pela sua topografia, sendo caracterizado por elevadas temperaturas máximas no Verão e reduzida precipitação. Com respeito à ocupação do solo, 70% da região é ocupada por floresta, 15% por agricultura (sequeiro, regadio, olivais, vinha e árvores de fruto) e 12% por solo nu. As espécies florestais são muito diversas, com áreas extensas de Pinus pinaster, Eucalyptus globulus e algumas áreas de Pinus pinea que substituíram a maioria da floresta original de Castanea sativa, Quercus pyrenaica e Quercus faginea. Quercus suber e Quercus rotundifolia estão igualmente presentes com povoamentos importantes, uma vez que são típicos de regiões Mediterrâneas. Vários tipos de vegetação xerofítica e arbustos resinosos presentes na área, como Cytisus sp., Retama sp., Cistus sp., Erica sp. ou Genista sp., tem folhas resistentes e/ou altamente resinosas, sendo portanto altamente inflamáveis. De acordo com estas características, esta região proporciona condições de teste excelentes para a metodologia.

Figura 1. Localização da área de estudo. 2. Risco Estrutural de Incêndio O desenvolvimento de um índice estrutural de incêndio pode ser conseguido utilizando diversas variáveis, cuja selecção e importância são normalmente determinadas após um estudo de correlação entre estas e o historial de fogos durante um período significativo. No entanto, um estudo desta natureza constitui em si mesmo um investimento volumoso e não foi previsto no âmbito do projecto PREMFIRE. Dadas estas limitações, um conjunto específico de variáveis e pesos respectivos não foi calculado para Portugal, optando-se por adoptar variáveis identificadas e testadas por vários autores[11, 30, 13, 4,], como sendo as mais influentes na ocorrência de fogos florestais na bacia Mediterrânica. Estes autores, aquando da classificação de risco nesta região, seleccionaram o seguinte conjunto de factores: altitude; declive; exposição; proximidade as estradas, caminhos e áreas urbanas; e classes de vegetação combustíveis. De acordo com estes estudos, a topografia, caracterizada através da altitude, declive, e exposição, é um dos elementos principais a incluir em qualquer cartografia de risco, pelo impacto que tem: no tipo de coberto e pluviosidade; na velocidade de propagação do fogo; na insolação e secura dos combustíveis. Em geral, a precipitação aumenta com a altitude, os declives mais acentuados aceleram a propagação do fogo, e encostas expostas a Sul e Sudoeste recebem maior insolação e atingem maiores temperaturas, sendo assim menos húmidas. Estradas, caminhos e áreas urbanas são também importantes na medida em que, tanto funcionam como barreiras à progressão do fogo, como contribuem para uma maior incidência de

incêndios por via do acréscimo da actividade humana que originam. Finalmente, a vegetação é considerada a variável crucial por constituir o combustível que alimenta o fogo.

Neste trabalho, foi necessário o desenvolvimento de um mapa actualizado de tipos de vegetação para a área de estudo, devido ao facto dos mapas de ocupação do solo existentes em Portugal se encontrarem desactualizados – a carta Corine Land Cover (Minimum Mapping Unit (MMU) = 25 ha) data de 1987, e a Carta de Ocupação do Solo de 1990 (COS’90, MMU = 1 ha) foi derivada da cobertura aero-fotográfica executada em 1990/1991. Um novo mapa de ocupação do solo, anterior a época de incêndios, foi produzido com o recurso a uma imagem Landsat 5-TM, adquirida em 9 de Abril de 2001 (WRS 203/32) e utilizando dados auxiliares [19], nomeadamente a COS’90. Deste novo mapa foram seleccionadas classes de ocupação passíveis de serem afectadas por fogos, quando reunidas determinadas condições, adoptando-se assim um conceito abrangente que incluiu olivais e pastagens. Um valor de risco não foi atribuído a superfícies de água, espaços urbanos, e todas as outras áreas artificiais ou sem vegetação, na medida em que estas classes de ocupação não se incluem no conceito subjacente a perigo de incêndio florestal. A combinação das variáveis atrás descritas, para a avaliação do Risco Estrutural de Incêndio (Structural Fire Index - SFI) é expressa por (adaptado de Chuvieco and Congalton [11]):

euasvSFI 251030100 ++++= (1)

em que v, s, a, u, e e representam, respectivamente, a vegetação, o declive, a exposição, a distância a estradas e áreas urbanas, e a altitude. A integração das variáveis através desta expressão possibilitou a definição de classes de perigo de incêndio para a área de estudo. Cada uma destas variáveis é considerada um nível diferente de informação geográfica, e, de acordo com a sua importância relativa para o aumento ou decréscimo do risco, os seus valores foram divididos em níveis distintos, sendo cada peso atribuído de forma a obter valores entre 0 e 255 no mapa de risco estrutural. Estes níveis foram ordenados de baixo a elevado e foi-lhes atribuído um coeficiente de 0, 1, ou 2, respectivamente. Os valores ou classes originais de cada variável foram reclassificados para o nível correspondente de risco e respectivo coeficiente de acordo com a Tabela 1.

NOTA: No caso português, em que o fogo posto é uma causa muito significativa de incêndios florestais, os autores deste artigo entendem que a componente estrutural de um índice integrado deverá tentar contemplar esta forma de intervenção humana. Porém, um tal exercício de modelação encontra pouco ou nenhum suporte na literatura científica, muito provavelmente devido ao facto do comportamento humano ser quase impossível de prever. Ainda assim, o potencial desta actividade criminosa pode, em certa medida, ser considerado pela inclusão de estradas e caminhos usados para o acesso e posterior fuga.

3. Risco Dinâmico de Incêndio Um índice dinâmico de perigo de incêndio tem por objectivo a detecção de alterações na inflamabilidade dos combustíveis florestais durante a época de incêndios, considerando parâmetros que variam de forma contínua, como o estado da vegetação ou o clima. O chamado Índice de Potencial de Incêndio (Fire Potential Index - FPI), foi recentemente desenvolvido nos EUA e incorpora dados de satélite e observações de superfície num único índice de risco [9, 23]. O potencial de incêndio quantifica a possibilidade de ocorrência de fogo quando existe ignição. O FPI é mais simples de implementar que o actual National Fire Danger Rating System (NFDRS), introduzido em 1972 [16], revisto em 1978 [15] e em 1988 [10]. Este método, com maior resolução espacial que o NFDRS (1 km por oposição a 10 km), foi testado nos estados da Califórnia e Nevada e evidenciou boa correlação com a ocorrência de incêndios. Áreas iniciais de teste incluíram igualmente a Espanha, Chile, e México [9, 23], e mais recentemente o FPI foi testado em Espanha, Itália e França, obtendo bons resultados [24]. Através da utilização de um SIG, este método pode ser usado para cartografar o potencial de fogo à escala nacional ou local. No entanto, os seus autores reconhecem que o modelo exige alguns melhoramentos, designadamente ao nível do método de interpolação dos dados meteorológicos. Mapas experimentais de FPI com a resolução de 1 km são produzidos diariamente para os EUA, bem como a previsão para o dia seguinte, e são disponibilizados na Internet no website do Wildland Fire Assessment System (http://www.fs.fed.us/land/wfas/). A adaptação deste método às condições europeias foi proposta pelo JRC sob a designação de IAFFRI – Integrated of Advanced Forest Fire Risk Index [22]. Devido à boa performance deste novo método, optou-se por adoptar esta abordagem a Portugal e aos dados existentes.

Os dados de input para o cálculo do FPI são um mapa de combustíveis, um mapa de rácio de vegetação viva, um mapa de verdura relativa da vegetação [7] e um mapa da humidade de combustíveis mortos no intervalo de dez horas [18]. Um mapa de combustíveis inclui uma descrição standartizada de modelos de combustível e é usado para prever o comportamento potencial do fogo com base na quantidade, distribuição e continuidade da vegetação. O mapa de rácio de vegetação viva e o mapa de verdura relativa da vegetação indicam, respectivamente: 1) a percentagem de carga de combustível vivo para cada pixel quando a vegetação apresenta a máxima verdura e 2) quão verde o pixel está em relação ao valores máximos e mínimos observados ao longo de um período histórico de vários anos. O mapa da humidade de combustíveis mortos no intervalo de dez horas representa, em percentagem, o comportamento da humidade dos combustíveis mortos de pequeno calibre num período de resposta de 10 horas. Anderson [2] demonstrou que a maioria da vegetação natural morta, envolvida na determinação da propagação do fogo, se encontra na categoria de resposta de 1 a 10 horas.

Tabela 1. Reclassificação de variáveis para cálculo do Índice de Risco Estrutural de Incêndio Classes Originais Nível Risco Fogo Coeficiente

Vegetação (Peso 100) Landes e Matagal Elevado 0

Pinus Pinaster Elevado 0 Resinosas Elevado 0

Vegetação esclerofitica Elevado 0 Eucalyptus globulus Médio 1

Floresta com mistura de várias espécies Médio 1 Quercus pyrenaica Médio 1

Folhosas Médio 1 Castanea sativa Médio 1

Espaços florestais degradados Médio 1 Quercus rotundifolia Baixo 2

Pinus pinea Baixo 2 Olival Baixo 2

Pastagens naturais Baixo 2 Quercus suber Baixo 2

Terras ocupadas principalmente por agricultura com espaços naturais importantes Baixo 2

Pastagens Baixo 2 Declive (Peso 30)

<12% Baixo 2 12 - 40% Médio 1 > 40% Elevado 0

Exposição (Peso 10) Sul Elevado 0

Oeste Elevado 0 Sudoeste Elevado 0

Este Médio 1 Sudeste Médio 1 Nordeste Baixo 2 Noroeste Baixo 2

Norte Baixo 2 Distância às estradas e zonas urbanas (Peso 5)

Dentro da área envolvente (<150 m de qualquer estrada ou zona urbana)

Elevado 0 For a da área envolvente Baixo 1

Altitude (Peso 2) < 375 m Médio 1

375 – 900 m Elevado 0 > 900 m Baixo 2

Neste estudo, os inputs para o modelo são preparados em formato raster e disponibilizados como bytes representando pixels de 550 metros. A escolha desta resolução espacial reflecte um compromisso entre o detalhe espacial dos dados disponíveis e os requisitos e limitações operacionais (nomeadamente relativos à memória e tempo de processamento) impostos pela utilização dos PDA´s (Personal Digital Assistant) no terreno. Na base do cálculo do FPI encontra-se um mapa de modelos de combustível [1, 28, 27], no qual valores de humidade de extinção de combustíveis mortos são atribuídos a classes de vegetação. Estes valores representam percentagens de humidade a partir das quais o fogo não se propaga [27]. A relação entre as classes de vegetação e as nomenclaturas [1, 28, 27] de modelos de combustível foi investigada, e um modelo e respectivo valor de humidade de extinção foi atribuído a cada uma das classes (Tabela 2).

O mapa de rácio máximo de vegetação viva e o mapa de verdura relativa da vegetação foram produzidos com recurso ao Índice de Vegetação de Diferença Normalizado (NDVI) [29], que foi calculado a partir de imagens obtidas pelo sensor Advanced Very High Resolution Radiometer (AVHRR) a bordo dos satélites de órbita polar da National Oceanic and Atmospheric Administration (NOAA). As imagens NOAA AVHRR foram seleccionadas com base nas vantagens que oferecem, nomeadamente: 1) a existência de uma base de dados histórica de valores de NDVI e 2) a capacidade de cartografar áreas extensas com frequência e a baixo custo com métodos comprovados. Na metodologia aqui adoptada para a avaliação do risco de incêndio é recomendável uma frequência de actualização de um dia ou menos, e actualmente apenas os satélites NOAA estão em condições de satisfazer esse requisito regularmente. O NDVI, derivado de imagens AVHRR, tem sido extensivamente utilizado operacionalmente, designadamente em cartografia de ocupação do solo, sistemas de alarme de fome, degradação de solos, detecção de situações de seca e stress da vegetação. É esta última capacidade que torna este índice útil para a avaliação de risco de incêndio florestal, e assim, o AVHRR-NDVI é usado operacionalmente nesse contexto. Valores máximos e mínimos de NDVI para o período 1995 – 2001 e mapas diários de NDVI para época de fogos de 2001 foram disponibilizados pelo JRC na forma de dados raster com uma resolução de 4.4 km. O mapa de rácio máximo de vegetação viva (LRmx) foi calculado da seguinte forma [9, 24]:

1005.025.0 ×

×+=

absmx

mxmx ND

NDLR (2)

sendo: (i) NDmx – Valor máximo histórico de NDVI para um dado pixel; (ii) NDabsmx – Valor máximo histórico de NDVI na área de estudo.

O rácio máximo de vegetação viva é calculado para determinar o rácio vivo para cada pixel quando a vegetação apresenta a máxima verdura. O valor 0.25 é fixado como o mais baixo para a percentagem máxima de verdura, mesmo para áreas semi-áridas, enquanto o valor 0.50 coloca o rácio máximo entre 25% e 75%, com o NDVI máximo a variar entre 100 e 200. A verdura relativa (RG) é calculada através da comparação, para cada pixel, do valor de NDVI actual com os valores para o período histórico disponível (1995-2001). Concretamente, o algoritmo é [7]:

( )( ) 1000 ×−

−=mnmx

mnNDND

NDNDRG (3)

sendo: (i) ND0 – Valor de NDVI para um compósito de 10 dias; (ii) NDmn – Valor mínimo histórico de NDVI para um dado pixel; (iii) NDmx – Valor máximo histórico de NDVI para um dado pixel.

O período de 10 dias foi adoptado, para a composição do NDVI, no sentido de equilibrar restrições operacionais relativas ao processamento de imagem e a necessidade de dados de NDVI actuais. Compósitos de 10 dias de NDVI são criados aplicando o processo de composição do valor máximo (MVC) [21], apesar desta técnica tendencialmente favorecer pixels com ângulos de visão afastados do nadir do sensor.

Tabela 2. Modelo de Combustível atribuído a cada Classe de Ocupação e respectiva Humidade de Extinção dos Combustíveis Mortos.

Classe de Ocupação do Solo * Classe de Modelo de Combustível

Humidade de extinção dos materiais combustíveis mortos (%)

Landes e Matagal O 30 Pinus Pinaster P 30

Resinosas P 30 Vegetação esclerofitica O 30

Eucalyptus globulus G 25 Floresta com mistura de várias espécies R 25

Quercus pyrenaica R 25 Folhosas R 25

Castanea sativa R 25 Espaços florestais degradados C 20

Quercus rotundifolia C 20 Pinus pinea H 20

Olival B 15 Pastagens naturais A 15

Quercus suber B 15 Terras ocupadas principalmente por

agricultura com espaços naturais importantes A 15

Pastagens A 15 * Sistema de classificação Corine Land Cover

Os combustíveis mortos no intervalo de dez horas, relativamente à sua humidade, definem-se como a vegetação morta lenhosa na classe de calibre entre os 0.6 e os 2.5 cm. Combustíveis finos, nomeadamente herbáceas, folhas e cascas, são materiais de fácil ignição e combustão. Combustíveis pesados, geralmente com calibre superior a 6 cm, não ardem a não ser que combustíveis finos estejam presentes para alimentar o fogo. Enquanto os combustíveis volumosos podem demorar toda uma época para secar, os fogos florestais tem normalmente origem nos combustíveis leves. Estes reagem quase imediatamente a alterações da humidade relativa e temperatura, tornando possível a estimação da humidade de equilíbrio. O conhecimento antecipado deste parâmetro, para um período prévio, é crucial para modelar a inflamabilidade dos combustíveis florestais. O mapa de combustíveis no intervalo de dez horas é produzido com base na temperatura do ar, humidade relativa, precipitação prévia e estado do tempo (nebulosidade e ocorrência de precipitação). A humidade relativa do ar tem um papel fundamental ao influenciar o teor de humidade dos combustiveis, especialmente dos combustíveis miúdos, enquanto a temperatura do ar tem um efeito indirecto naquele teor. O vento não foi incluído devido a ser tão transitório e difícil de modelar com realismo.

Foram utilizados dados registados às 12h00 pela rede de estações meteorológicas do Instituto de Meteorologia (IM). Esta hora foi escolhida por ter um número suficiente de estações com registos na base de dados disponível, ao contrário da hora aconselhada, as 14h00. Esta hora do dia deverá ser seleccionada operacionalmente, pois permite aproximar o

período mais quente do dia a tempo do índice ser calculado e disponibilizado aos utilizadores no terreno em tempo útil. Estas variáveis foram combinadas, para cada estação, de acordo com a formulação de Fosberg e Deeming [18], resultando num valor de humidade de intervalo de 10 horas em percentagem que terá de ser interpolado no espaço para obedecer ao requisito de dados raster com resolução de 550-m. Para o efeito foi usado um algoritmo de interpolação considerando o inverso do peso da distância ao quadrado com utilização de 6 vizinhos. [9, 20]. Este método é apropriado para dados meteorológicos e simples de implementar [33]. No entanto, não considera a influência da topografia na humidade dos combustíveis, mas dado que a rede sinóptica é relativamente bem distribuída, e tem estações tanto a baixa como a alta altitude, a interpolação resultante parece razoável. (Fig. 2).

Figura 2. Rede de estações meteorológicas e mapa de humidade dos combustíveis de intervalo de 10 horas.

Em Portugal, o FPI foi calculado diariamente e pode também ser disponibilizado como previsão se se correr o modelo com a componente meteorológica actualizada, o que é simples quando se dispõe de previsões para os dias seguintes para um número suficiente de estações. Como na metodologia original [9], o FPI e calculado como:

( ) ( )[ ] 10011 ×−×−= LRTNFPI f (4)

sendo: (i) TNf – Fracção de humidade de combustível na classe de 10 horas. O valor de TNf e obtido por normalização do valor actual de humidade de combustível na classe de 10 horas pelo valor de humidade de extinção do combustível morto (expresso em percentagem). TNf tem o valor máximo de 1 (um). Valores superiores são reclassificados para um.

(ii) LR – Rácio de combustível vivo. O rácio actual de combustível vivo e determinado usando a verdura relativa para escalar os valores de rácio máximo (LR = RGf * LRmx/100).

RESULTADOS E VALIDAÇÃO O processo de validação delineado baseou-se na análise estatística da relação entre os valores obtidos para os diferentes indicadores e as áreas ardidas, data e ponto de origem das mesmas, com o intuito de desenvolver, com base nessa análise, um Risco Integrado de Incêndio Florestal. Para o processo de validação foi necessário digitalizar as áreas ardidas dentro da área de estudo para a época de fogos de 2001. Utilizando o software MapUp [26] e tendo por base as imagens Landsat 5 TM e Landsat 7 ETM (WRS 203/32) adquiridas, respectivamente, em 9 de Abril de 2001 e 11 de Novembro do mesmo ano, foi possível identificar e digitalizar todas as áreas florestais para as quais ocorreu, durante esse período, um decréscimo acentuado de “verdura” da vegetação, como sucede após episódios de fogo florestal. No entanto, áreas inferiores a 5 ha não foram consideradas, tendo em conta quer a necessidade em manter a clareza de representação das mesmas à escala pretendida, quer as limitações impostas pela resolução espacial (25 m) das imagens utilizadas para a sua delimitação. Procedeu-se depois, por análise visual, à identificação e selecção, somente, das áreas ardidas de entre todas as áreas digitalizadas anteriormente. Utilizando um software SIG e diversas operações de análise espacial procedeu-se à análise estatística da relação entre as áreas ardidas e o SFI calculado para a área de estudo e para a época de fogos considerada (Figura 3).

No que respeita à análise da relação entre a ocorrência de fogos florestais e o FPI e IFFR foi necessário, para além da cartografia das áreas ardidas, determinar a localização diária exacta dos pontos de ignição de todos os incêndios ocorridos na área de estudo durante a época de fogos. A Direcção Geral das Florestas é a entidade responsável, a nível nacional, pela produção de uma base de dados que reúne, entre outros, as coordenadas dos pontos de ignição dos incêndios florestais diários, a sua dimensão, causa e tipo de ocupação do solo afectada. Tendo por base as coordenadas aproximadas dos pontos de ignição dos 2 362 fogos ocorridos naquela região no ano de 2001, compilados pela DGF, foi produzido um ficheiro vectorial de pontos. Para determinar a relação entre o FPI e o IFFR e a ocorrência de fogos na área de estudo, foi calculada a densidade de fogos para cada uma das classes de cada indicador, dividindo o número de fogos que ocorreram em cada classe pelo número total de pixels registados nessas classes durante a época de fogos. No entanto, dado que a localização geográfica de cada ponto não corresponde, de uma forma geral, ao ponto exacto de ignição do respectivo incêndio, mas sim a um local aproximado do mesmo, optou-se por atribuir a cada registo, não o valor de FPI e de IFFR do pixel correspondente à célula em que aquele se insere, mas sim do valor máximo que ocorre na freguesia em que está incluído. Do mesmo modo, o número total de células associado a cada classe de ambos os indicadores foi determinado considerando apenas as freguesias em que ao longo da época de fogos ocorreu pelo menos um incêndio. Procedeu-se também à análise da variação média dos valores máximos de FPI e IFFR nos quatro dias anteriores ao fogo para cada uma das áreas digitalizadas. No entanto, neste caso, foram consideradas apenas as áreas ardidas superiores a 30 ha. Esta opção prendeu-se com o facto da resolução espacial (550 m) adoptada para cada um destes indicadores ser superior à do SFI (25 m), e da área correspondente ao pixel de 550 m ser de aproximadamente 30 ha, pelo que não se justificaria utilizar na validação áreas ardidas inferiores à resolução espacial dos próprios indicadores. A data de ocorrência do fogo que originou cada uma das áreas ardidas digitalizadas, foi inferida através da combinação dos pontos de ignição providenciados pela DGF com as próprias áreas cartografadas. De acordo com a posição geográfica dos pontos e das áreas, foi registada a data ou datas de ocorrência mais prováveis para cada uma.

Figura 3. Mapa de Risco Estrutural de Incêndio (SFI) e áreas ardidas digitalizadas para a época de fogos de 2001, para um extracto da área de estudo.

Tendo por base o processo de validação apresentado, foi possível identificar 359 áreas ardidas com dimensão superior a 5 hectares na área de estudo considerada, para a época de fogos de 2001, totalizando aquelas 22 936 ha. Na Figura 4, apresenta-se o histograma de valores do indicador Risco Estrutural de Incêndio para a área de estudo, bem como a área ardida distribuída de acordo os seus valores. Considerando o gráfico apresentado, é possível distinguir claramente três intervalos de valores de SFI, designadamente entre 0 e 100, entre 100 e 200 e uma última entre 200 e 255. Estes resultados confirmam os obtidos por Chuvieco e Congalton11 em 1989, os quais sugeriram nesse seu trabalho a divisão do SFI por três classes, cujos valores limites correspondem exactamente aos verificados neste estudo. Assim, o SFI na área de estudo foi classificado com base nestas classes, e relacionaram-se as áreas digitalizadas com as mesmas, sendo os resultados obtidos apresentados na Tabela 3. De acordo com os valores registados nesta tabela, verifica-se que a classe de risco mais representada na área de estudo é a elevada, seguindo-se a baixa e por último a média. No entanto, quer a área ardida quer a razão entre a área ardida e a área total não seguem a mesma distribuição de valores, dado que, para estas, a classe média tem mais representatividade que a classe baixa. Este facto indica que a área ardida tende a acompanhar o nível de perigo do próprio indicador e não a estrutura da paisagem considerada, na qual a área correspondente à classe baixa é superior à classe média. Os resultados obtidos sugerem que o indicador testado representa com grande fidelidade o risco estrutural de incêndio para a área de estudo considerada.

Figura 4. Histograma do Risco Estrutural de Incêndio (SFI) e área ardida para a época de fogos 2001. Tabela 3. Área ocupada, área ardida e razão entre área ardida e área ocupada para cada classe de SFI.

SFI Área total (ha)

Área total (%)

Área ardida (ha) Área ardida (%)

Área ardida/ Área total (%)

0 - 100 678 802 67.6 18 359 80.0 1.8 101 - 200 147 524 14.7 3 119 13.6 0.3 201 - 255 178 365 17.7 1 458 6.4 0.1

Total 1 004 691 100.0 22 936 100.0 2.2 No que respeita ao indicador dinâmico de risco de incêndio florestal, FPI e considerando apenas as áreas ardidas digitalizadas, foi possível analisar a variação média dos seus valores máximos entre o dia de ocorrência do fogo que as originou e os quatro dias anteriores. No gráfico da Figura 5 apresenta-se a variação média, para as áreas digitalizadas, dos valores máximos de FPI e o respectivo desvio padrão para os quatro dias anteriores à data de ocorrência dos fogos. Verifica-se que, a média diária dos valores máximos de FPI nas áreas digitalizadas aumenta à medida que se aproxima a data das ocorrências. É também bastante notório o facto do ângulo da curva de valores do FPI aumentar visivelmente dois dias antes do fogo.

Figura 5. Variação média dos valores máximos de FPI e respectivo desvio-padrão quatro dias antes do fogo, para o conjunto das áreas ardidas digitalizadas.

0

20000

40000

60000

80000

100000

120000

140000

160000

10 20 30 40 50 60 70 80 90 100 110 120

130 140 150 160 170

180 190

200

210 220

230 240 250

255

SFI

Áre

a (h

a)

Área estudo (ha)

Área ardida (ha*10)

41.0

42.0

43.0

44.0

45.0

46.0

Dias anteriores ao fogo

Val

or

méd

io F

PI

Valor médio FPI 42.5 42.7 43.0 44.1 44.8

STD 11.0 10.5 10.0 9.2 9.8

Dia Fogo - 4 Dia Fogo - 3 Dia Fogo - 2 Dia Fogo - 1 Dia Fogo

Relativamente à densidade de fogos, cuja variação gráfica se apresenta na Figura 6, constata-se que o risco dinâmico de incêndio, determinado pelo FPI, aumenta com o aumento da densidade de fogos, apesar da distribuição dos valores de FPI na área de estudo considerada apresentar uma distribuição normal centrada num valor aproximado de 40.

0

20

40

60

80

100

120

140

0 10 20 30 40 50 60 70 80 90 100

FPI

Nú

mer

o P

ixel

s

0

5

10

15

20

25

30

35

40

Nº

Fo

go

s / N

º Pix

els

Nº Pixels * 1000

(Nº Fogos/ Nº Pixels) * 100 000

Figura 6. Densidade de fogos e número de pixels da paisagem em função dos valores de FPI para a época de fogos de 2001.

Uma vez obtidos e analisados os resultados referentes aos mapas de risco de incêndio, respeitantes ao SFI e FPI, procedeu-se à sua integração com o objectivo de produzir cartografia de Risco Integrado de Incêndio Florestal (Figura 7). O problema crítico numa abordagem como esta é o estabelecimento de um critério coerente e objectivo que permita de uma forma efectiva combinar ambos os índices. Neste trabalho, optou-se por adoptar um esquema qualitativo para a integração e combinação do índice dinâmico com o índice estrutural. Com este propósito, foi necessário reclassificar os valores originais e ordinais de cada um destes índices em coeficientes categóricos que representam o respectivo risco de incêndio. Através da análise dos resultados antes descritos, quer para o SFI, quer para o FPI, procedeu-se ao desenvolvimento das Tabelas 4 e 5, nas quais se apresentam as respectivas reclassificações.

Figura 7. Mapa de Risco Integrado de Incêndio Florestal (IFFR) para o dia 2/08/01, na área de estudo.

Tabela 4. Reclassificação do Risco Estrutural de Incêndio. SFI CLASSE COEFICIENTE

0 – 100 Elevada 3 101 – 200 Média 2 201 – 255 Baixa 1

Tabela 5. Reclassificação do Risco Potencial de Incêndio.

FPI CLASSE COEFICIENTE 0 - 20 Baixa 1 21 - 40 Média 2 41 - 60 Elevada 3 61 - 100 Muito Elevada 4

O processo de integração foi efectuado com recurso a uma tabela de risco de incêndio (Tabela 6), na qual são atribuídos às combinações entre as duas variáveis categóricas, valores específicos de risco entre 1 e 3, em que 1 significa risco baixo, 2 risco médio e 3 risco elevado. As combinações estabelecidas demonstram que ambos os índices têm um peso semelhante no escalonamento do risco integrado de incêndio florestal. Esta foi considerada a melhor solução para a integração daqueles índices, tendo em conta que os resultados de validação indicam que ambos têm um papel importante na avaliação do risco de incêndio florestal. O SFI é responsável pela identificação das áreas mais propícias e vulneráveis à ocorrência e propagação de incêndios e aos seus efeitos no início da época de fogos, enquanto que, durante este período, o FPI restringe aquelas áreas diariamente de acordo com o estado da vegetação e das condições meteorológicas.

Tabela 6. Risco Integrado de Incêndio Florestal. FPI

SFI 1 2 3 4

1 1 1 2 2 2 1 2 2 3 3 2 2 3 3

Na Figura 8 apresenta-se, tal como para o FPI, a densidade de fogos em função dos valores de IFFR. Constata-se que, para além da densidade de fogos ser praticamente nula na classe baixa de risco, esta aumenta cerca de quatro vezes da classe média para a classe elevada, apesar do número de pixels com valores na classe elevada ser inferior ao da classe média. Este facto indica que a abordagem sugerida se adequa à área de estudo considerada e que o risco de incêndio pode ser avaliado através dos seus valores.

Figura 8. Densidade de fogos e número de pixels da paisagem em função dos valores de IFFR para a época de fogos de 2001.

A variação média dos valores máximos de IFFR para cada área digitalizada, nos quatro dias anteriores à data de ocorrência do fogo que as originou, é apresentada na Figura 9. Estes dados apoiam também as constatações anteriores, visto que pode observar-se um aumento claro do valor de IFFR à medida que se aproxima o dia de ocorrência do incêndio.

2.50

2.55

2.60

2.65

2.70

2.75

2.80

2.85

2.90

2.95

3.00

Dias anteriores ao fogo

Val

or m

édio

IFFR

Valor médio IFFR 2.54 2.56 2.64 2.68 2.86

STD 0.51 0.50 0.48 0.47 0.70

Fire Day - 4 Fire Day - 3 Fire Day - 2 Fire Day - 1 Fire Day

Figura 9. Variação média dos valores máximos de IFFR e respectivo desvio-padrão quatro dias antes do fogo, para o conjunto das áreas ardidas digitalizadas.

CONCLUSÃO De acordo com os resultados obtidos, uma metodologia que combina um índice estrutural e outro dinâmico para o desenvolvimento pioneiro de cartografia diária de risco integrado de incêndio, baseada na utilização de imagens de satélite e dados auxiliares, é apropriada para suportar um sistema de prevenção de fogos florestais em Portugal. A metodologia proposta permite o desenvolvimento de três produtos cartográficos com características diferentes, que podem ser usados em conjunto ou separadamente para suporte às diferentes fases envolvidas na prevenção e mitigação de incêndios. Estes indicadores evidenciam boa correlação com ocorrências verificadas de fogos florestais, confirmando a sua utilidade na identificação de áreas de risco potencial. No entanto, a existência de uma base de dados histórica de ocorrências mais extensa e precisa, teria permitido o desenvolvimento de uma relação mais robusta entre valores de índice de risco e fogo florestal.

Sugere-se que aperfeiçoamentos futuros desta abordagem em Portugal tenham em conta as seguintes linhas:

0

20

40

60

80

100

120

140

160

180

200

0 1 2 3 4

Risco Integrado de Incêndio Florestal (IFFR)

Núm

ero

de P

ixel

s0

2

4

6

8

10

12

Nº

Fo

go

s / N

º P

ixel

s

Nº Pixels * 10 000

(Nº Fogos/ Nº Pixels)*10 000

1) Desenvolvimento de modelos de combustíveis e respectivos valores de humidade de extinção para as classes florestais usadas na cartografia de ocupação do solo disponível em Portugal;

2) Investigação da possibilidade de utilização/combinação de dados de NDVI de novos sensores com resolução espacial de 1 km ou maior, e identificação do período histórico adequado para obtenção dos valores máximos e mínimos;

3) Optimização de métodos de interpolação dos valores de humidade de combustíveis de intervalo de 10 horas; 4) Identificação e inclusão, em modelos viáveis, de variáveis representativas da componente humana do risco de

incêndio.

AGRADECIMENTOS Este projecto foi financiado pela ESA no âmbito do projecto PREMFIRE project (ESA Ref. AO/1-3880/01/I-SB). Os autores desejam expressar o seu agradecimento às seguintes pessoas e instituições: Dr. Robert Burgan (USDA Forest Service, EUA), Dr. Paulo Barbosa (JRC), Dr. Giorgio Libertà (JRC), Dr. Ana Sebastian (JRC), Eng. Pedro Matos (ESA), Joint Research Centre da Commissão Europeia (JRC), Agência Espacial Europeia (ESA), Instituto de Meteorologia (IM), e Direcção Geral das Florestas (DGF).

BIBLIOGRAFIA

1. Albini, F.A., Estimating Wildfire Behaviour and Effects, General Technical Report INT-30, USDA Forest Service, Intermountain Forest and Range Experiment Station, Ogden, Utah, 1976.

2. Anderson, H.E., Moisture and fine forest fuel response, Proceedings Eighth Conference of Fire and Forest Meteorology, pp. 192-199, Detroit, Michigan, 1985.

3. Aranha, J., Alves, G., and Lopes, D., Burnt areas identification and analysis by means of remotely sensed images classification. A case study in Northern Portugal, Proceedings of the RSPS 2001 – Geomatics, Earth Observation and the Information Society, pp. 629-641, London, 2001.

4. Aranha, J., and Alves, G., Criação de um Índice de Perigo de Incêndio para o Vale do Alto Tâmega. Proceedings of ESIG’2001- VI Encontro de Utilizadores de Informação Geográfica, p. 14, Oeiras, 2001.

5. Bradshaw, L.S., Deeming, J.E., Burgan, R.E., and Cohen, J.D., The 1978 National Fire-Danger Rating System: Technical Documentation, p. 44, United States Department of Agriculture, Forest Service, General Technical Report INT-169, Intermountain Forest and Range Experiment Station, Ogden, Utah, 1983.

6. Burgan, R. E., and Shasby, M. B., Mapping broad-area fire potential from digital fuel, terrain, and weather data , Journal of Forestry, April, pp. 228-231, 1984.

7. Burgan, R. E., and Hartford, R. A., Monitoring Vegetation Greenness with Satellite Data , p. 13, Gen. Tech. Rep. INT-297. Ogden, UT: U.S. Department of Agriculture, Forest Service, Intermountain Forest and Range Experiment Station, 1993.

8. Burgan, R. E., and Hartford, R. A., Live Vegetation Moisture Calculated from NDVI and Used in Fire Danger Rating. Proceedings of the 13th Fire and Forest Meteorology Conference, pp. 225-231, Lorne, 1997.

9. Burgan, R. E., Klaver, R. W., and Klaver, J. M., Fuel Models and Fire Potential from Satellite and Surface Observations, International Journal of Wildland Fire, 8 (3), pp. 159-170, 1998.

10. Burgan, R.E., 1988 revisions to the 1978 National Fire-Danger Rating System, p. 39, United States Department of Agriculture, Forest Service, Research Paper SE-273, Southeastern Forest Experiment Station, Asheville, North Carolina, 1988.

11. Chuvieco, E. and Congalton, R. G., Application of Remote Sensing and Geographic Information Systems to Forest Fire Hazard Mapping, Remote Sensing of Environment, 29, pp. 147-159, 1989.

12. Chuvieco, E., and Martín, M. P., Global Fire Mapping and Fire Danger Estimation Using AVHRR Images, Photogrametric Engineering & Remote Sensing, 60 (5), pp. 563-570, 1994.

13. Chuvieco, E., and Salas, J., Mapping the Spatial distribution of Forest Fire Danger Using GIS, International Journal of Remote Sensing, 10 (3), pp. 333-345, 1996.

14. Chuvieco, E., Salas, F., and Vega, C. Remote Sensing and G.I.S. for Long-Term Fire Risk Mapping, Megafires project ENV-CT96-0256, pp. 91-108, Alcalá de Henares, 1997.

15. Deeming, J.E., Burgan, R.E., and Cohen, J.D , The National Fire-Danger Rating System-1978 , p. 66, United States Department of Agriculture, Forest Service, General Technical Report INT-39, Intermountain Forest and Range Experiment Station, Ogden, Utah, 1977.

16. Deeming, J.E., Lancaster, J.W., Fosberg, M.A., Furman, W.R., and Schroeder, M.J., The National Fire- Danger Rating System, p. 165, United States Department of Agriculture, Forest Service, Research Paper RM -84, Rocky Mountain Forest and Range Experiment Station, Fort Collins, Colorado, 1974.

17. DGF – Direcção Geral das Florestas , Incêndios Florestais – 2001. Relatório Provisório, p. 13, Direcção Geral das Florestas, Lisboa, 2002.

18. Fosberg M. A., and Deeming J. E. , Derivation of the 1- and 10-hour Timelag Fuel Moisture Calculations of Fire Danger, p. 8, United States Department of Agriculture, Forest Service, Research Note RM -207, Rocky Mountain Forest And Range Experiment Station, Fort Collins, Colorado, 1971.

19. Freire S., Caetano, M., and Santos, T., Cartografia da Ocupação do Solo com uma Série Multi-temporal Intra-anual de Imagens de Satélite e Informação Auxiliar, Proceedings of the ESIG’2001-VI Encontro de Utilizadores de Informação Geográfica, pp. 10, Oeiras, 2001.

20. Hartkamp, A.D., K. De Beurs, A. S., and White, J.W., Interpolation Techniques for Climate Variables, p. 34, NRG-GIS Series 99-01, Mexico, 1999.

21. Holben, B.N., Characteristics of maximum-value composite images from temporal AVHRR data, Int. J. Remote Sensing, 7, pp. 1417-1434, 1986.

22. Joint Research Center (JRC), Pilot Projects on Forest Fires, [On-line]: http://natural-hazards.aris.sai.jrc.it/fires/, April 12th 2002, 2001.

23. Klaver, J.W., Klaver, R.W., Burgan, R. E., Using GIS to assess forest fire hazard in the Mediterranean region of the U.S., Proceedings of 17th Annual ESRI Users Conference, pp. 10, San Diego, 1997.

24. Lopéz, A., San-Miguel-Ayanz, J. and Burgan, R. E., Integration of Satellite Sensor Data, Fuel Type and Meteorological Observations for Evolution of Forest Fire Risk at the Pan-European Scale , Accepted for publication in the International Journal of Remote Sensing, p. 10, July 2001.

25. NOAA/NESDIS, Experimental Fire Potential Product, NOAA, [On-line]: http://orbit-net.nesdis.noaa.gov/crad/sat/surf/fpm/index.html, Outubro 2002.

26. Nunes A., Caetano, M., Santos, T., Carrão, H. and Freire, S., Updating land cover maps using satellite imagery and GIS , Proceedings of the 16th ESRI European, Middle Eastern and Africa User Conference, pp. 11, Lisbon, 2001.

27. Rothermel, R.C. , A mathematical model for predicting fire spread in wildland fuels, General Technical Report INT-115, USDA Forest Service, Intermountain Forest and Range Experiment Station, 1972.

28. Rothermel, R.C., Wilson, R. A., Morris, G. A., and Sackett, A. E. Modelling moisture content of fine dead wildland fuels: input to BEHAVE fire prediction system, USDA Forest Service, Intermountain Research Station, Research Paper, INT-359, 1986.

29. Rouse, J. W., Haas, R. H., Schell, J. A. and Deering, D. W., Monitoring Vegetation Systems in the Great Plains with ERTS , Proceedings of 3rd ERTS Symposium, 1, pp. 48-62, 1973.

30. Salas, J., and Chuvieco, E., Dónde Arderá el Bosque? Prevision de Incendios Florestales Mediante un SIG, Proceedings from the 1º Congresso de la AESIGYT, pp. 430-446, Madrid, 1992.

31. Vasconcelos, M. J., Silva, S., Tome, M., Alvim, M., Pereira, J., Spatial prediction of fire ignition probabilities: comparing logistic regression and neural networks, Photogrametric Engineering & Remote Sensing, 67 (1), pp. 73-81, 2001.

32. Viegas, D. X., Fire Risk Associated to Meteorological Conditions, Proceedings of the Advanced Study Course on Wildfire Management, pp. 227 – 241, Marathon, 1997.

33. Wilson, C., Assessment of Two Interpolation Methods, Inverse Distance Weighting and Geostatistical Kriging, [On-line]: http://www.carleton.ca/~cwilson/interpolation/INTERPOL.htm, 1996.

Sérgio C. FREIRE [email protected]

Instituto Geográfico Português (IGP) Rua Artilharia Um, 107, Sala 4.08 1099-052 Lisboa, Portugal Tel.: 21 381 9600

Fax: 21 381 9699 URL: http://www.igeo.pt