Automotive

Avaliação da suscetibilidade ao desmatamento na região noroeste do estado de Rondônia com o uso de técnicas de geoprocessamento

Description
Introdução ao Geoprocessamento SER 300 Trabalho Prático Avaliação da suscetibilidade ao desmatamento na região noroeste do estado de Rondônia com o uso de técnicas de geoprocessamento Daniel Capella Zanotta
Categories
Published
of 20
7
Categories
Published
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Similar Documents
Share
Transcript
Introdução ao Geoprocessamento SER 300 Trabalho Prático Avaliação da suscetibilidade ao desmatamento na região noroeste do estado de Rondônia com o uso de técnicas de geoprocessamento Daniel Capella Zanotta São José dos Campos Junho/2010 AVALIAÇÃO DA SUSCETIBILIDADE AOS MOVIMENTOS DE MASSA NA REGIÃO DE SÃO SEBASTIÃO-SP COM O USO DE TÉCNICAS DE GEOPROCESSAMENTO Daniel Capella Zanotta RESUMO Palavras-Chave: 1. Introdução Desflorestamento ou desmatamento é o processo de destruição das florestas através da ação do homem. Ocorre geralmente para a exploração de madeira, abertura de áreas para a agricultura ou pastagem para o gado. A queimada ilegal é o processo mais utilizado para o desflorestamento. Os processos de desflorestamento ocorrem a milhares de anos; em algumas regiões do mundo, as florestas foram totalmente destruídas. Na Europa e nos Estados Unidos, por exemplo, quase não existem mais florestas nativas. Atualmente o Brasil é o país que registra as maiores taxas anuais de desflorestamento do mundo (BUTLER, 2007). Desde 1970, mais de 600 mil quilômetros quadrados já foram desmatados no território Amazônico. Apesar das reduções na taxa de desmatamento na última década, estima-se que a área da Amazônia será reduzida em 40% até o ano de 2030 (BUTLER, 2007). Cerca de 30% do desmatamento é devido aos pequenos agricultores, sendo que estes possuem apenas 10% da área da Amazônia Legal. Isto enfatiza a importância da utilização de terras anteriormente habilitados para uso agrícola, em vez do caminho politicamente mais fácil de distribuição de áreas ainda florestadas (FERNSIDE, 2005). Além disso, o Brasil é atualmente o segundo maior produtor mundial de soja, principalmente para ração animal. Com a boa cotação da soja, os produtores estão investindo cada vez mais no desflorestamento de áreas da Amazônia para a abertura de áreas para a plantação do grão. O procedimento tem respaldo da legislação brasileira, uma vez que, conforme esta, desmatamento voltado ao plantio é considerado um 'uso efetivo' da terra (KIRBY ET AL, 2006). As melhorias na extensa rede de estradas no Amazonas na década de 1970 através da rodovia Trans Amazônica permitiram o acesso a vastas áreas antes inacessíveis da floresta. Na década de 1970, o Brasil planejou um desenvolvimento maciço em infra-estrutura de transporte com uma estrada de milhas (3.200 km) que atravessa completamente a floresta amazônica. A estrada teve o efeito de aumentar a vulnerabilidade dos agricultores pobres pelos colonizadores com nova infra-estrutura para buscar novas áreas para o desenvolvimento comercial. Estudos realizados pela Environmental Defense Fund revelaram áreas afetadas pela rede rodoviária, foram oito vezes mais chances de ser desmatadas por cultivadores de terras intocadas e que as estradas permitiram que as reservas florestais fossem cada vez mais desmatadas não só para o pasto, mas para exportar as reservas de madeira e usá-las como combustível e para a construção. Os impactos ambientais causados pelo desflorestamento são diversos e dentre eles está um problema ambiental bastante preocupante que é a emissão de gases de efeito estufa e a principal causa dos impactos de atividades humanas no sistema de clima é o uso de combustíveis fósseis nos países desenvolvidos. No entanto, o desflorestamento está se tornando uma fonte muito importante de emissões de gases de efeito estufa. Estima-se que o desflorestamento já seja responsável por 10% a 35% das emissões globais anuais, com algumas estimativas ainda mais altas. A principal fonte global de emissões por o desflorestamento é proveniente das florestas tropicais. O desflorestamento tropical e a degradação das florestas são a principal causa de perda de biodiversidade no planeta e estão contribuindo para uma extinção em massa de espécies, em um índice 100 a maior do que o que poderia ser considerado normal no tempo evolutivo. Estima-se que as mudanças climáticas, que é uma das consequências do desflorestamento, possam afetar os ecossistemas e as espécies de diversas maneiras e, por esta razão, já são consideradas uma ameaça adicional à biodiversidade. As florestas tropicais podem ser muito suscetíveis aos efeitos das mudanças climáticas. Serviços ambientais fundamentais em ecossistemas florestais tropicais estão em risco devido às mudanças climáticas, tal como a manutenção do ciclo das águas e o balanço de carbono na atmosfera. Isto representa uma enorme ameaça adicional à biodiversidade das florestas tropicais. Alterar a dinâmica dos ecossistemas florestais tropicais pode afetar o balanço de carbono da Terra, alterar os ciclos de água e energia e, portanto, afetar o clima. A interação entre o desflorestamento e as mudanças climáticas pode levar as florestas tropicais a entrarem em um ciclo vicioso extremamente perigoso, em que, por um lado, o desflorestamento representa uma fonte importante de emissões de gases de efeito estufa, e, por outro, as mudanças climáticas aumentam a vulnerabilidade das florestas tropicais aos incêndios florestais e ao desflorestamento, e aceleram a conversão de florestas em ecossistemas muito mais secos e mais pobres em espécies, resultando em enormes emissões ao longo do processo. Mas não são apenas o clima e a biodiversidade que são afetados pelo desflorestamento. Milhões de pessoas que vivem e dependem das florestas também são dramaticamente ameaçadas. O desflorestamento em regiões em desenvolvimento como a Amazônia, está frequentemente associado à violência e ameaças contra os povos indígenas e comunidades locais e tradicionais, que são expulsas de suas terras. O trabalho escravo ou degradante também está ligado normalmente à destruição de florestas em diversos países. O governo do Brasil monitora a cobertura florestal da Amazônia com imagens do satélite Landsat desde o final da década de O Instituto Nacional de Pesquisas Espaciais (INPE) conduz o mapeamento das áreas desmatadas na Amazônia através do projeto Prodes (Monitoramento da Floresta Amazônica por Satélite) e gera estimativas de taxa de desflorestamento anual para a Amazônia. A informação sobre a taxa de desflorestamento é importante para planejar ações de combate ao desflorestamento em escala regional. O projeto DETER (Detecção de Desmatamento em Tempo Real) objetiva fornecer dados mais rápidos para combater as atividades de desflorestamento ainda na fase inicial. Contudo, apesar de serem consideradas em tempo real, as informações do DETER só chegam até as autoridades responsáveis pela fiscalização algumas semanas após o evento. Apenas informações sobre a taxa de desflorestamento são insuficientes para o monitoramento e controle do desflorestamento em escala local; é também necessário saber onde e como a conversão florestal ocorreu e acompanhar as tendências do desflorestamento. Entender as regras que regem a escolha das novas áreas a serem desmatadas pode ser a melhor solução para impedir que a novos desmatamentos continuem a ocorrer. Neste trabalho, algumas técnicas de inferência foram testadas com o intuito de modelar a localização de áreas com forte probabilidade para a ocorrência de desflorestamento. A partir de informações cadastrais como rede viária, hidrografia, centros urbanos e localização de áreas anteriormente desmatadas, as técnicas de inferência Fuzzy-Gama, Média Ponderada e Bayesiana foram testadas para uma região ao noroeste do estado de Rondônia. 2. Métodos de Inferência Espacial 2.1 Inferência por Média Ponderada Eastman et al. (1995) citam a Média Ponderada como a técnica mais utilizada em projetos que envolvem análise espacial. Os trabalhos Harris (1989), Eastman et al. (1995), Silva (1994) e Almeida Filho (1995) são bons exemplos de estudos de inferência espacial baseados nessa técnica. Neste método, cada mapa de entrada será utilizado como uma evidência que receberá um peso relativo à sua importância para a hipótese sob consideração. Cada plano de informação receberá pesos diferentes, bem como as respectivas classes desses planos de informação. O resultado será um mapa com áreas que expressam um grau de importância relativa através de valores numéricos de saída. O primeiro passo para a aplicação do método é a ponderação das classes de cada plano de informação, segundo pesos definidos empiricamente. Isto feito, os planos 23 de informação são então somados através de uma soma ponderada, onde cada plano de informação recebe pesos segundo sua importância relativa. A função matemática é expressa por:, (1) onde w ij é o peso da classe i do plano de informação j , e y j o peso do plano de informação j . O mapa ponderado pode ser ajustado para refletir o julgamento de um especialista, segundo os pesos de importância definidos para cada critério. A maior desvantagem deste método, entretanto, recai provavelmente no caráter linear de adição das evidências (BONHAM-CARTER, 1994). 2.2 Inferência Fuzzy Os conjuntos fuzzy lidam com conceitos inexatos. Estes foram introduzidos por Zadeh em 1965 a partir de sua preocupação com a rápida diminuição da qualidade da informação fornecida por modelos tradicionais (CAMARA ET AL., 1996). A técnica permite tratar de maneira mais realística os dados imprecisos e subjetivos que fazem parte de análises do meio físico. A lógica difusa é recomendada quando há ambigüidade, abstração e ambivalência em modelos em GIS. O Modelo Booleano apresenta apenas duas classes (favorável e não favorável), enquanto que a lógica difusa apresenta uma gradação entre as situações favoráveis ou não favoráveis do estudo em questão (LARANJEIRA, 2003) Lógica Fuzzy Como dito anteriormente a lógica fuzzy ou lógica difusa consiste em uma metodologia de caracterização de classes que não define limites rígidos (bordas) (CAMARA ET AL., 1996). Apresenta a capacidade de capturar informações de diversas naturezas e convertê-las para um formato numérico, sendo útil na modelagem de sistemas complexos, como a natureza (MOREIRA DA SILVA, 2001) Conjuntos Fuzzy ou Função Fuzzy Os limites inexatos são chamados de conjuntos fuzzy. Estes admitem pertinência parcial. Estão definidos matematicamente, como se Z denotasse um espaço de objetos, então o conjunto A em Z é o conjunto de pares ordenados (MUÑOZ, 2005): A = (z, F MF A (z)) para todo z Z, (2) onde a função de pertinência F MF A (z) é conhecida como o grau de pertinência de z em A. Esta função é um número no range de 0 a 1, com 1 representando pertinência total ao conjunto, e 0, pertinência nula. Isto implica que os indivíduos podem, para diferentes graus, ser membros de mais de um conjunto (MUÑOZ, 2005). O ponto onde o valor do membro é igual a 0,5, é denominado de ponto de cruzamento, e ele deve coincidir com os contatos rígidos dos modelos booleanos (MOREIRA DA SILVA, 2001). Figura 1 Imagem de Conjunto fuzzy (esquerda) e Conjunto Booleano (direita). Fonte: (MUÑOZ, 2005) Fuzzy Gama O operador Fuzzy Gama consiste no produto entre a soma algébrica fuzzy e o produto fuzzy. A equação (3) representa este operador. n n 1 i 1 i i i1 i1 combinatio n (3) 1 Onde é um parâmetro escolhido no range (0,1). Quando 0, a combinação fuzzy é igual ao produto algébrico, e quando 1, é igual à soma. Segundo Bonham- Carter (1994), os valores do intervalo 0 0,35 apresentam um caráter diminutivo, ou seja, sempre menores ou iguais ao menor membro fuzzy de entrada; os valores do intervalo 0,8 1,0 têm um caráter aumentativo onde o valor de saída será igual ou maior que o valor do maior membro fuzzy de entrada e os valores do intervalo 0,35 0,8 não apresentam nem um caráter aumentativo nem diminutivo, os valores de saída cairão sempre entre o menor e o maior valor daqueles de entrada, conforme ilustração da Fig. 2. Figura 2 Distribuição da função Fuzzy Gama para distintos valores de (entre 0 e 1). Fonte: Moreira da Silva (2001), adaptado de Bonham-Carter (1994). 2.3 Inferência Bayesiana A inferência bayesiana consiste no estabelecimento das probabilidades para a determinação e/ou identificação de um fenômeno geográfico dado uma condição. Os principais conceitos tratados nesta técnica de inferência são os de probabilidades a priori e a posteriori (BOHAM-CARTER, 1994). De modo geral, um evento qualquer apresenta uma determinada probabilidade de ocorrência, a qual é denominada de probabilidade a priori. No entanto, evidências que refinem estas probabilidades podem fornecer um novo valor denominado de probabilidade a posteriori. Segundo Camara et al. (2008), este modelo é denominado de modelo empírico, pois, se baseia em métodos estatísticos para a determinação dos pesos dos atributos envolvidos. A partir do conceito de probabilidade condicional, a teoria bayesiana estabelece que a probabilidade de ocorrência de um evento A condicionada por um evento B é dada pela equação (4) (MAGALHÃES E LIMA, 2005). P P B / A A / B P A PB (4) A partir do mesmo princípio, pode-se obter a probabilidade do evento A condicionada pela ausência do evento B. Isto é dado pela equação (5). Onde Bc representa o evento complementar a B. P P Bc / A A / Bc P A PBc (5) Boham-Carter (1994), trata estas probabilidades em termos de chances (odds), as quais são obtidas através da relação entre a probabilidade condicional de um evento ocorrer pela probabilidade condicional da evidência. Aplicando isto à equação (4), têmse a seguinte relação: A Ac B B P A / B P P P B / A P Ac / B P P P B / Ac (6) Através desta relação se obtêm o odds de A/ B (a probabilidade a posteriori), o odds de A (probabilidade a priori) e o fator (peso) da probabilidade a priori P B / A P B / Ac Esta razão é denominada de razão de suficiência (sufficiency ratio, LS). A expressão em odds é dada pela equação (7).. O A / B OA P B / A P B / Ac (7) Por outro lado se considerarmos O A / Bc, obtêm-se, a razão de necessidade (necessity ratio, LN). De acordo com Boham-Carter (1994), este método empírico de estabelecimento de probabilidades a posteriori é denominado de pesos de evidência (weights of evidence). Este método aplica o logaritmo natural em ambos os lados da equação (7) para a definição do peso positivo de evidência (W+). Conforme apresenta a equação (8). A / B log ita w log it (8) de Onde log it A / B é o logaritmo natural de O A / B O A. Aplicando-se o logaritmo natural em A Bc e log ita O /, obtêm-se o (W-). é o log natural 3. Área de Estudo A área de estudo selecionada se encontra no noroeste do estado de Rondônia. A área sofre freqüentemente com desmatamentos ilegais. Figura 3 - Área de estudo ao noroeste do estado de Rondônia. 4 MATERIAL E MÉTODOS No desenvolvimento deste trabalho, um banco de dados foi criado com informações sobre a rede viária, hidrografia, centros urbanos e desmatamentos anteriores. A rede viária e de hidrografia da região selecionada foram derivadas do banco de dados Atlas disponível no website do software SPRING (CAMARA ET AL, 1996). As informações sobre os centros urbanos foram derivadas de uma carta na escala 1: da cartografia sistemática brasileira. Os dados sobre os desmatamentos ocorridos anteriormente ao ano de 2009, bem como dados sobre os desmatamentos ocorridos em 2009, usados para posterior comparação e validação dos resultados, são provenientes do programa Prodes do INPE. No caso da rede viária, o banco de dados final contou com as BR s e estradas de maior porte. As estradas vicinais, que possivelmente compõe a região selecionada, não estão presentes no banco de dados. No caso dos centros urbanos, apenas dois aglomerados urbanos fazem parte da região selecionada. Um banco de dados foi criado no software SPRING (CAMARA ET AL, 1996) contendo cada um dos arquivos vetoriais com os dados mencionados. A Fig. 3 mostra individualmente os arquivos vetoriais utilizados neste trabalho. Para cada um dos arquivos vetoriais, uma grade de distâncias foi gerada na escala de 30m como mostrado na Fig. 4. Figura 3 Dados vetoriais de desmatamentos anteriores, hidrografia, vias e centros urbanos. Figura 4 Grades de distâncias para desmatamentos anteriores, hidrografia, vias e centros urbanos. Logo após, foi realizado um fatiamento para cada um das quatro grades. O fatiamento seguiu uma lógica diferente para cada tipo de dado usado. No caso dos dados sobre desmatamentos anteriores ao ano de 2009, o fatiamento foi realizado de 0 a 500m, de 500 a 1.000m, de a 1.500m, de a 2.000m, de a 5.000m, de a m, de a m, de a m, e maior que m. No caso das demais variáveis, os intervalos foram de 0 a 2.000m, de a 5.000m, de a m, de a m, e de a m. Os fatiamentos foram ponderados com valores de 0 a 1 em intervalos regulares. No caso dos dados sobre os desmatamentos, foram nove graus de ponderação, enquanto para os demais dados foram seis. Os procedimentos descritos acima dão origem ao banco de dados que será usado para a execução dos três tipos de inferência testados. A Fig. 5 ilustra o modelo OMTG através do modelo conceitual do banco de dados geográficos e os procedimentos empregados no presente estudo. Figura 5 Modelo OMT-G apresentando as principais etapas e os modelos conceituais dos dados utilizados. No caso de cada inferência, os graus de suscetibilidade encontrados, variando de 0 (menos sucetível) até 1 (mais suscetível) foram fatiados em cinco intervalos (classes) de suscetibilidade que devem ser interpretados de acordo com a seguinte semântica: Muito Alta Suscetibilidade (ma) Alta Susceptibilidade (a) Média Susceptibilidade (m) Baixa Susceptibilidade (b) Muito Baixa Susceptibilidade (mb) As inferências foram realizadas através da linguagem de álgebra de mapas Legal (ANEXOS), disponível no software SPRING (CAMARA ET AL, 1996). Os códigos referentes a cada procedimento estão disponíveis nos anexos. Para a inferência fuzzy gama, optou-se pela geração de quatro cenários distintos através dos seguintes valores de gama: 0,60; 0,63; 0,65 e 0,70, aplicados a todas as variáveis disponíveis. Na inferência bayesiana, foi necessária a construção de um mapa binário de verdade terrestre, o qual foi obtido através da reclassificação do geocampo numérico fornecido pelo valor 0,70 de gama, tanto para o modelo com 5 variáveis como para o modelo com 7 variáveis (respectivo geocampo numérico Gama 0,70). 5 RESULTADOS A partir dos geocampos temáticos resultantes da análise fuzzy gama, percebe-se uma distribuição com alta suscetibilidade em algumas regiões e baixas em outras, ou seja, existem uma distribuição com concentrações localizadas em algumas áreas específicas. Tal resultado não é verificado no mapa de referência para desmatamentos ocorridos em 2009 (Fig. 6), pois os eventos não acontecem de forma tão heterogênea na região. Figura 6 Figura de referência para os desmatamentos ocorridos em 2009 (desmatamentos ocorridos aparecem em preto). As regiões próximas às estradas e a rede hidrográfica aparecem com suscetibilidades altas enquanto o restante se mostra menos suscetível de acordo com essa análise. Isso se deve ao fato de haver uma uniformidade nos pesos para cada variável nesse tipo de análise. Os dados de desflorestamento anteriores têm o mesmo peso que os dados sobre vias, hidrografias e centros urbanos, porém, sabe-se que o primeiro tem uma influência muito maior para ocorrência de novos desmatamentos. Devido à esta flexibilidade da técnica, foram gerados 4 diferentes cenários (com valores de Gama: 0,60; 0,63; 0,65; 0,70). O aumenta do valor de gama gerou cenários mais favoráveis à ocorrência de novos desmatamentos, ou seja, houve um aumento da ocorrência das classes alta e muito alta. Por outro lado, os valores mais próximos de 0,60 apresentaram cenários menos favoráveis ao desmatamento e ocorrências semelhantes para todas as classes possíveis (Fig. 7). Figura 7 Cenários gerados com os valores de Gama: (a) 0,60; (b) 0,63; (c) 0,65; (d) 0,70. A análise por média ponderada apresentou resultados bem interessantes, uma vez que os pesos foram distribuídos de acordo com uma estratégia empírica. Sabe-se que o local de ocorrência de um novo desmatamento está muito ligado à regiões que já foram previamente desmatadas. Por esse motivo, um peso maior foi dado à inf
Search
Similar documents
View more...
Related Search
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks
SAVE OUR EARTH

We need your sign to support Project to invent "SMART AND CONTROLLABLE REFLECTIVE BALLOONS" to cover the Sun and Save Our Earth.

More details...

Sign Now!

We are very appreciated for your Prompt Action!

x