1 Análise espacial entre queimadas e cobertura da terraThais Michele Rosan SER-301 Análise Espacial de Dados Geográficos

2 Roteiro da apresentaçãoIntrodução e objetivo Área de estudo Materiais e Métodos Resultados Considerações finais

3 Introdução Utilização do fogo: relação com as mudanças de uso e cobertura da terra e ciclo do carbono (Alencar et al., 2006); Aragão e Shimabukuro (2010) – redução das taxas de desmatamento, tendência de aumento de áreas queimadas; Lima et al (2012) – aproximadamente 55% das queimadas ocorreram fora de áreas recentemente desmatadas; Objetivo: Avaliar localmente quais as variáveis de cobertura da terra que possuem associação espacial e explicam as áreas queimadas no ano de 2010.

4 Área de estudo PARÁ: São Félix do Xingu, Cumaru do Norte, Santa Maria das Barreiras  municípios prioritários ; Santana do Araguaia  monitorado Desmatamento; Pastagens; Atividade garimpeira; Pressão de ocupação; Área queimada aproximada em 2010: ,91 km² Fonte: Viana et al, 2010.

5

6 Materiais e Métodos Variável dependente: proporção de área queimadaPremissas: Variável Premissa Pastagem Células com maior proporção de pastagem tem maior proporção de área queimada Floresta Células com maior proporção de floresta tem menor proporção de área queimada Desmatamento Células com maior proporção de desmatamento tem maior proporção de área queimada Vegetação secundária Células com maior proporção de vegetação secundária tem maior proporção de área queimada

7 Materiais e Métodos Variáveis:

8 Modelo de Regressão Linear Global𝑌 𝑖 = 𝛽 0 + 𝛽 𝑋 𝑖 +𝜀 Pressupostos: observações não correlacionadas; resíduos independentes; variância constante e distribuição normal com média zero; i-ésima obs. da variável dependente i-ésima obs. da variável independente resíduos Inclinação da reta intercepto

9 Índice de Moran I: quantifica o grau de autocorrelação espacialEm dados espaciais a premissa de independência quase nunca é satisfeita; Índice de Moran I: quantifica o grau de autocorrelação espacial +1 autocorrelação direta 0 aleatório -1 correlação inversa Se detectada autocorrelação nos resíduos do modelo da regressão: modelo de regressão espacial!!!

10 Quei~past  Moran’s I: 0,52 Quei~flo  Moran’s I: 0,51 Quei~desf Moran’s I: 0,52 Quei~vsec Moran’s I: 0,52

11 Modelo de Regressão com Efeitos Espaciais LocaisRegressão Geograficamente Ponderada: Modelo de regressão linear para cada ponto observado, ponderando as demais em função da distância a esse ponto. GWR (Spatial Analyst – ArcInfo) Ponderação: função gaussiana com largura de banda adaptativa; Largura de banda: menor valor de Akaike Information Criterion - AICc;

12 Resultados Modelo OLS GWR R² ajustado AICc Quei~past 0,027 921,77 0,53 68,53 Quei~flo 0,025 922,60 0,56 12,33 Quei~desf 0,003 927,56 0,41 296,35 Quei~vsec 0,002 955,97 0,48 195,10 Aumento na qualidade da predição do modelo de regressão espacial em relação ao modelo de regressão simples;

13 Quei~pastagem Observado x estimado

14 Quei~floresta Observado x estimado

15 Quei~desmatamento Observado x estimado

16 Quei~vegetaçãosecundáriaObservado x estimado

17 Resíduos GWR Quei~flo Quei~past Quei~vsec Quei~desf

18 Considerações finais Os modelos GWR de proporção de queimada com pastagem e proporção de queimada com floresta apresentaram os melhores resultados de ajuste em relação ao desmatamento e vegetação secundária. Resíduos GWR: ainda há uma influencia da autocorrelação espacial, porém com menor intensidade. Possibilidade de identificar padrões locais de relações entre as variáveis. Uso de outras variáveis: borda de floresta, distância de pastagem, degradação, fragmentos florestais, dentre outras. Modelos não explicam tudo!