anÁlise espaÇo-temporal da ocorrÊncia de … · o inpe através do projeto prodesdigital faz o...

of 21/21
Campo Grande, 25 a 28 de julho de 2009, Sociedade Brasileira de Economia, Administração e Sociologia Rural 1 ANÁLISE ESPAÇO-TEMPORAL DA OCORRÊNCIA DE QUEIMADAS E DESMATAMENTO NO ESTADO DO PARÁ, BRASIL, 1996-2004 [email protected] APRESENTACAO ORAL-Agropecuária, Meio-Ambiente, e Desenvolvimento Sustentável JOAQUIM BARBOSA QUEIROZ 1 ; CAMIL WADITH SALAME 2 ; GILBERTO DE MIRANDA ROCHA 3 ; MARIO MIGUEL AMIN GARCIA HERREROS 4 . 1,2,3.UFPA, BELEM - PA - BRASIL; 4.UNAMA, BELEM - PA - BRASIL. Análise espaço-temporal da ocorrência de queimadas e desmatamento no Estado do Pará, Brasil, 1996-2004 Grupo de Pesquisa: Agropecuária, Meio-Ambiente, e Desenvolvimento Sustentável Resumo O INPE através do projeto PRODESDIGITAL faz o mapeamento da cobertura vegetal e focos de queimada utilizando imagens de satélite Landsat. A queimada é muito utilizada como a maneira mais barata no desmatamento, na limpeza de áreas de agropecuária e no aumento a fertilidade do solo em curto prazo de tempo. Muitas vezes este fogo sai do controle e acabam invadindo, acidentalmente, áreas de floresta explorada pela atividade madeireira, plantações agrícolas e pastagem. Contudo, apenas os mapas de desmatamentos e queimadas são insuficientes para o monitoramento e controle em escala regional. É necessário saber de forma analítica como ações (desmatamento e queimada), que caracterizam o processo de ocupação humana estão acontecendo na região. No presente trabalho é realizada uma análise da dinâmica de tendência da ocorrência de queimadas no estado do Pará, considerando, não somente, uma possível influência espacial, mas também a dependência temporal no período de 1999 a 2004. Pela análise da distribuição de queimadas e desmatamento no estado do Pará, ao longo do tempo, pôde-se observar que a ocorrência de queimadas se dá principalmente próximo às principais rodovias do estado. Com isso, as áreas atualmente desmatadas coincidem com as mesorregiões com boa infra- estrutura de acesso. Essas regiões devem ser alvos de investimentos tecnológicos para a agropecuária. Pôde-se mostrar ainda que a ocorrência de queimadas sofre a influência de fatores como o clima, vegetação e desmatamento e essa ocorrência não acontece de forma aleatória. Além disso, o processo de difusão espacial para as queimadas é mais rápido do que para o caso do desmatamento. O estudo espaço-temporal mostrou que houve uma alteração no padrão de registros de queimadas principalmente no ano de 2004, onde a maior quantidade de registros se localizou na Mesoregião do Nordeste paraense e grandes concentrações também ao sul do Baixo Amazonas e norte das Mesoregiões Sudeste e Sudoeste paraense. Palavras-chave: Índice de Moran. Modelos de regressão espaço-temporal. Queimadas. Desmatamento. Spatial-temporal analysis of the fires and deforestation in the State of Para, Brazil, 1996-2004

Post on 08-Nov-2018

212 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    1

    ANLISE ESPAO-TEMPORAL DA OCORRNCIA DE QUEIMADAS E DESMATAMENTO NO ESTADO DO PAR, BRASIL, 1996-2004

    [email protected]

    APRESENTACAO ORAL-Agropecuria, Meio-Ambiente, e Desenvolvimento Sustentvel JOAQUIM BARBOSA QUEIROZ1; CAMIL WADITH SALAME2; GILBERTO DE

    MIRANDA ROCHA3; MARIO MIGUEL AMIN GARCIA HERREROS4. 1,2,3.UFPA, BELEM - PA - BRASIL; 4.UNAMA, BELEM - PA - BRASIL.

    Anlise espao-temporal da ocorrncia de queimadas e

    desmatamento no Estado do Par, Brasil, 1996-2004

    Grupo de Pesquisa: Agropecuria, Meio-Ambiente, e Desenvolvimento Sustentvel Resumo O INPE atravs do projeto PRODESDIGITAL faz o mapeamento da cobertura vegetal e focos de queimada utilizando imagens de satlite Landsat. A queimada muito utilizada como a maneira mais barata no desmatamento, na limpeza de reas de agropecuria e no aumento a fertilidade do solo em curto prazo de tempo. Muitas vezes este fogo sai do controle e acabam invadindo, acidentalmente, reas de floresta explorada pela atividade madeireira, plantaes agrcolas e pastagem. Contudo, apenas os mapas de desmatamentos e queimadas so insuficientes para o monitoramento e controle em escala regional. necessrio saber de forma analtica como aes (desmatamento e queimada), que caracterizam o processo de ocupao humana esto acontecendo na regio. No presente trabalho realizada uma anlise da dinmica de tendncia da ocorrncia de queimadas no estado do Par, considerando, no somente, uma possvel influncia espacial, mas tambm a dependncia temporal no perodo de 1999 a 2004. Pela anlise da distribuio de queimadas e desmatamento no estado do Par, ao longo do tempo, pde-se observar que a ocorrncia de queimadas se d principalmente prximo s principais rodovias do estado. Com isso, as reas atualmente desmatadas coincidem com as mesorregies com boa infra-estrutura de acesso. Essas regies devem ser alvos de investimentos tecnolgicos para a agropecuria. Pde-se mostrar ainda que a ocorrncia de queimadas sofre a influncia de fatores como o clima, vegetao e desmatamento e essa ocorrncia no acontece de forma aleatria. Alm disso, o processo de difuso espacial para as queimadas mais rpido do que para o caso do desmatamento. O estudo espao-temporal mostrou que houve uma alterao no padro de registros de queimadas principalmente no ano de 2004, onde a maior quantidade de registros se localizou na Mesoregio do Nordeste paraense e grandes concentraes tambm ao sul do Baixo Amazonas e norte das Mesoregies Sudeste e Sudoeste paraense. Palavras-chave: ndice de Moran. Modelos de regresso espao-temporal. Queimadas. Desmatamento.

    Spatial-temporal analysis of the fires and deforestation in the State of Para, Brazil, 1996-2004

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    2

    Abstract INPE through the PRODESDIGITAL project maps the vegetation and fire spots using Landsat satellite images. The burning is widely used as a cheaper way for clearing, cleaning the livestock areas and for increasing the soils fertility in a short period of time. Some times the fire gets out of control and invades accidentally forest areas used for logging, agricultural crops and pasture. However, deforestation and burning mapping is insufficient for monitoring and control the areas at regional scale. It is necessary to know by analytical ways the actions (deforestation and fire), which characterize the process of human occupation that is happening in the region. The present study represents an effort in determining the dynamic trend of the occurrence of fires in the State of Para, considering not only the space influence but also the temporal dependence during the 1999 to 2004 period. By the fires distribution and deforestation in State of Para, over time, it can be observed that the occurrence of fires are located mainly near the main States highways. Thus, the areas currently cleared coincide with the geographic region tha have good infrastructure access. These regions should be considred for agricultura technology investments. It is important to show that the occurrence of fires is influenced by factors such as climate change, vegetation and deforestation, and that the occurrence does not happen randomly. Furthermore, the process of spatial fire distribution is faster than in the case of deforestation. The results of the spatial-temporal analysis showed that there was a change in the fires pattern recorded in 2004, indicating that largest number of fires were located in the States Northeast region and also that a large fire concentration are located in the Lower Amazon and North and South regions. Key-words: Morans Index, Spatial-temporal regression models, Fires, Deforestation. 1. INTRODUO

    O monitoramento das reas de florestas da Amaznia Legal, realizado pelo Instituto Nacional de Pesquisas Espaciais (INPE) revela taxas de desflorestamento que variam entre 1 e 3x106ha.ano-1 no perodo 1991-1999 e a perda de cerca de 6x107ha (mais de meio milho de km) de florestas at 2000. Esse desflorestamento resulta de um processo de ocupao da Amaznia, a partir da segunda metade do sculo XX e est associado expanso da fronteira agrcola e ao estabelecimento de sistemas de circulao rodoviria e plos de desenvolvimento. Aos danos ambientais causados pelo desflorestamento, sobrepem-se graves problemas sociais como a concentrao fundiria, a baixa fixao de agricultores no campo, a urbanizao precria e conflitos sociais acompanhados de maior ou menor grau de violncia. A expanso da fronteira agrcola e o desflorestamento na Amaznia Legal esto intimamente ligados ao contexto da reorganizao da agricultura brasileira, em seguida industrializao acelerada a partir da dcada de 50 e, mais recentemente, com tentativas de adaptao do Brasil globalizao da economia. Nesse contexto, diversos fatores podem ter contribudo para taxas elevadas de desflorestamento, entre os quais a disponibilidade de capitais pblicos e privados, a dinmica populacional, a organizao dos sistemas de produo e condies fsicas variadas.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    3

    Do ponto de vista de polticas pblicas, a anlise do desflorestamento feita por meio do Projeto PRODES (Analgico ou Digital) ainda insuficiente para fornecer uma base para ao governamental, porque os resultados so anuais e, muitas vezes, de ao informativa, ou seja, quando os fatos j aconteceram. Como os dados so agregados por estado e publicados um ano aps as ocorrncias dos eventos de desflorestamento, os governos federal e estaduais no podem se antecipar dinmica de mudana de uso da terra na Amaznia. Deste modo, ser preciso complementar os dados do PRODES com outras iniciativas que permitam ao Estado Brasileiro uma ao preventiva de combate as atividades ilcitas de desflorestamento.

    Entre os estudos realizados pode-se citar o de Paiva (2003), que utilizou a estatstica espacial para identificar clusters e outliers dos dados agregados em reas, por meio de mapas cloroplticos e das medidas de dependncia espacial de Moran no estudo sobre a mobilidade da populao na cidade de So Paulo. Lima et al. (2005) investigaram a associao entre variveis socioeconmicas e taxas de homicdio da populao masculina de 15 a 49 anos, nos municpios do Estado de Pernambuco, nos anos de 1995 a 1998, levando em considerao a localizao espacial dos indicadores e utilizando o teste de correlao espacial determinado pelo ndice de Moran, regresso mltipla, Conditional Auto Regressive (CAR) e a funo Loess, como modelo de deteco de tendncia especial.

    No presente trabalho realizada uma avaliao espao-temporal da ocorrncia de queimadas no estado do Par no perodo de 1996 a 2004. Sero consideradas neste estudo, alm dos focos de calor registrados no perodo, variveis como vegetao, desmatamento, clima, distncia ao longo das estradas. Pretende-se, deste modo, contribuir para auxiliar a formulao de polticas publicas no monitoramento da fiscalizao das queimadas no estado.

    2. REA DE ESTUDO

    A Amaznia Legal compreende os estados do Acre, Amap, Amazonas, Mato

    Grosso, Par, Rondnia, Roraima, Tocantins e parte do estado do Maranho, correspondendo a uma rea de aproximadamente 5 milhes de km. Desse total, a rea com fisionomia florestal ocupa cerca de 4 milhes de km. O estado do Par (Figura 1) ocupa uma rea de 1.247.703 km2 com uma populao de 6.2 milhes de habitantes. Apresenta-se dividido em 6 mesoregies identificadas como Maraj, Metropolitana de Belm, Baixo Amazonas, Sudoeste paraense, Nordeste paraense e Sudeste paraense. Por causa da floresta, o estado Par possui um clima bastante mido e quente pela proximidade da linha do equador. As principais rodovias no estado do Par, so a BR010, que a capital Belm a Braslia, a PA150, que corta o sudeste e nordeste paraense, a PA256 e BR230, que atravessam o estado no sentido leste-oeste e a BR163, que liga o municpio de Santarm, no oeste do Par, a Cuiab, capital do estado de Mato Grosso (Figura 1).

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    4

    Figura 1. Estados brasileiros que compe a Amaznia Legal. Recobrimento das imagens LANDSAT, em amarelo ( esquerda). Principais rodovias do estado do Par ( direita). 3. METODOLOGIA

    De acordo com Bailey e Gattrel (1995), a anlise de dados espaciais pode ser empreendida sempre que as informaes estiverem espacialmente localizadas e quando for preciso levar em conta, explicitamente, a importncia do arranjo espacial dos fenmenos na anlise ou na interpretao de resultados desejados. O objetivo da anlise espacial aprofundar a compreenso do processo, avaliar evidncias de hipteses a ele relacionadas, ou ainda tentar prever valores em reas onde as observaes no esto disponveis (Bailey e Gattrel, 1995). Basicamente, pode-se distinguir entre os vrios mtodos: aqueles que so essencialmente voltados visualizao dos dados espaciais; aqueles que so exploratrios, investigando e resumindo relaes e padres mapeados e ainda aqueles que contam com a especificao de um modelo estatstico e a estimao de parmetros.

    Com o uso da visualizao grfica possvel identificar padres espaciais nos dados, gerando hipteses testveis, bem como avaliar o ajuste de modelos propostos, ou ainda a validade das previses resultantes. Neste caso, so utilizadas tcnicas, conhecidas como Anlise Exploratria de Dados Espaciais podem ser univariadas ou multivariadas, empregando, deste modo, ferramentas como histogramas, mapas, estimativas de densidade e boxplots, matrizes de disperso, grficos ligados aos mapas (linked plots), grficos de coordenadas paralelas, etc.

    Uma das tcnicas mais utilizadas no estudo de fenmenos espaciais a Anlise de Autocorrelao Espacial. Essa tcnica permite identificar a estrutura de correlao espacial que melhor descreve o padro de distribuio dos dados. A idia bsica estimar a magnitude da Autocorrelao Espacial entre as reas, evidenciando como os valores esto correlacionados no espao. Os indicadores globais de autocorrelao espacial, como o ndice de Moran, fornecem um nico valor como medida da associao espacial para todo o conjunto de dados, o que til na caracterizao da regio de estudo como um todo. No entanto, quando se lida com um grande nmero de reas, muito provvel que ocorram diferentes regimes de associao espacial e que apaream locais em que a dependncia

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    5

    espacial ainda mais pronunciada. Atravs das anlises locais ou modelagens locais, busca-se testar a presena de diferenas espaciais, ao invs de assumir que estas no existem. Estas anlises desagregam as estatsticas globais segundo seus constituintes locais, concentrando-se mais nas excees locais do que na busca por regularidades globais (Fotheringham et al., 2000).

    Dentre as tcnicas grficas para demonstrar relaes locais em bancos de dados univariados, destaca-se o Moran Scatterplot, que alm de permitir a identificao de grupos de valores, tambm permite a identificao de valores extremos na distribuio, alm de apresentar uma visualizao do nvel de auto-correlao espacial existente. A estatstica I de Moran univariada formalmente definida como,

    kk

    lkkl zz

    WzzI '

    ''

    = ou n

    WzzI lkkl

    ''

    = (1)

    em que [ ] kkkk Yz /= a varivel em estudo padronizada (com mdia, 0= e desvio padro, 1=k ) em uma localizao particular k e [ ] llll Yz /= , da mesma forma, a varivel em outra localizao l (onde k l). A varivel de ponderao W uma matriz de continuidade. Se a zona k adjacente (toca) zona l, a interao recebe um peso igual a 1. Caso contrrio, a interao recebe um peso igual a zero. E n o nmero de observaes. A estatstica I de Moran, compara a soma de produtos cruzados de valores em localizaes diferentes, duas de cada vez e varia entre 1 e +1. Quando pontos prximos tm valores similares, o produto cruzado alto. Ao contrrio, quando pontos prximos tm valores dissimilares, o produto cruzado baixo. Consequentemente, um alto valor de I indica maior autocorrelao espacial do que um I que seja baixo. Uma indicao de autocorrelao espacial positiva revela que h uma similaridade entre os valores do atributo estudado e da localizao espacial do atributo. Uma indicao de autocorrelao espacial negativa revela, por sua vez que h uma dissimilaridade entre os valores do atributo estudado e da localizao espacial do atributo. Essa estatstica, para a falta de dependncia espacial, corresponde a um nmero negativo muito prximo de zero, dado por

    1

    1)(

    =

    nIE (2)

    Valores de I acima da mdia terica, )(IE , indicam autocorrelao espacial positiva, enquanto valores de I abaixo da mdia terica, )(IE , indicam autocorrelao espacial negativa.

    Este conceito de autocorrelao espacial mensura em que medida o valor de uma varivel observada em uma dada unidade geogrfica apresenta uma associao sistemtica (no aleatria) com o valor da varivel observada nas localidades vizinhas. Em outras palavras, testa-se a existncia de associao linear entre o valor da varivel no local i, ( ikz )

    e o correspondente intervalo espacial (spatial lag) para a mesma varivel, [Wzz]i. Neste

    caso, a padronizao atravs das linhas da matriz de peso espacial permite uma interpretao do intervalo espacial como sendo uma mdia dos valores vizinhos.

    Sua generalizao multivariada pode ser definida como,

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    6

    i i jkl k ij lI z W z= (3)

    com as mesmas notaes usadas anteriormente. Esta estatstica fornece uma indicao do grau de associao linear (positiva ou negativa) entre o valor de uma varivel em dada localidade i e a mdia de uma outra varivel nas localidades vizinhas.

    H quatro tipos de associao espacial, dependendo da correspondncia entre kz e

    o intervalo espacial para lz . Relativamente mdia, com os valores padronizados, so

    possveis duas classes de correlao espacial positiva - clusters espaciais (alto-alto (HH), baixo-baixo (LL)) - e duas classes de associao negativa - outliers espaciais (alto-baixo (HL), baixo-alto (LH)), conforme se observa na Figura 2. As contribuies individuais de cada observao podem ser estimadas atravs da equao (4), como j havia sido proposto por Anselin (1996) no seu desenvolvimento de um Indicador Local de Associao Espacial (LISA) a verso local foi denominada ndice Local de Moran, definido como,

    =

    =n

    jjijii zwzI

    1

    (4)

    em que yi e yj so variveis cuja somatria sobre j tal que somente os valores dos vizinhos j Ji so includos. O conjunto Ji abrange os vizinhos da observao i, definidos conforme uma matriz de pesos espaciais.

    A interpretao intuitiva que o I local prov uma indicao do grau de agrupamento dos valores similares em torno da vizinhana de uma determinada observao, identificando clusters espaciais, estatisticamente significativos. Para considerar a dimenso espao-temporal Lopez (2004) introduziu algumas ferramentas de anlise e visualizao da estrutura espao-tempo, conhecidas como Anlise Exploratria de Dados Espao-Temporais (ESTDA). Esto includas, neste caso, a estatstica de autocorrelao espao-temporal de Moran, o diagrama de disperso de Moran espao-temporal, a funo de autocorrelao espao-temporal de Moran e o grfico de linha I de Moran.

    Para se calcular a estatstica de autocorrelao de Moran espao-temporal, a varivel observada em dois instantes de tempo, t e t k, com a limitao de que valores futuros expliquem os valores passados. Neste caso, a estatstica bivariada I de Moran calcula a relao entre o lag spacial Wzt, no instante t e a varivel original z no instante t k, onde k a defasagem temporal. Deste modo, essa estatstica quantifica a influncia que uma mudana na varivel espacial z, observada no passado ztk em uma localizao especfica i exerce sobre seus vizinhos no tempo presente Wzt. Portanto, a estatstica I de autocorrelao espao-temporal de Moran definida como,

    ktkt

    tkttkt zz

    WzzI

    = '

    ''

    , (5)

    No diagrama de disperso de Moran espao-temporal o lag spacial Wzt representado no eixo vertical e a varivel padronizada defasada ztk colocada sobre o eixo horizontal. A inclinao da reta de regresso de Wzt sobre ztk igual expresso (5). Neste caso, possvel tambm analisar cada localizao individual associada aos quatro quadrantes do diagrama de disperso, que representam os quatro tipos de associao

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    7

    espao-temporal, interpretados de maneira similar quela do indicador local de associao espacial (LISA).

    A funo de autocorrelao espao-temporal de Moran simplesmente o resultado da representao grfica da estatstica de autocorrelao espao-temporal de Moran (eq. 5) para uma determinada varivel observada em certo perodo de tempo. Ou seja, representa-se os valores dos coeficientes da estatstica espao-temporal de Moran sobre o eixo vertical e as defasagens no tempo sobre o eixo horizontal. Esse grfico visualiza a influncia que uma mudana na varivel espacial z observada no passado zt k em uma localizao especfica i exerce sobre seus vizinhos no tempo presente Wzt. necessrio avaliar a significncia dos valores de tktI , e, consequentemente, a presena ou ausncia de

    autocorrelao espao-temporal. Se os valores da funo de autocorrelao espao-temporal de Moran so

    significativos e mais prximos do momento atual (lag 0) pode ser uma indicao de que a varivel em estudo apresenta um processo de difuso espacial muito rpido. Caso contrrio, se os valores significativos esto concentrados distantes dos primeiros lags de tempo, a varivel deveria ter um processo de difuso mais lento. O grfico de linha I de Moran permite visualizar a evoluo da dependncia espacial em determinado perodo de tempo.

    Para a identificao de modelos de regresso espao-temporal, inicialmente, ser construdo um modelo de dependncia espacial instantnea ou no-contempornea, ou seja, onde somente os valores atuais da varivel resposta y (yt) podem explicar o seu lag espacial, Wzt, ou seja, deseja-se capturar a autocorrelao espacial exibida pela funo de autocorrelao espao-temporal seja capturada por um lag espacial de yt, Wyt, includo como uma varivel explicativa no modelo, ou seja, +++= XWyy

    tt (6)

    em que o parmetro do lag espacial a ser estimado, X uma matriz de observaes da varivel explicativa e o termo de erro. Esse o conhecido modelo lag espacial, em os parmetros devem ser estimados por mxima verossimilhana. Em seguida, outro modelo ser construdo, em que a existncia da dependncia espacial em uma varivel resposta y (yt) seja completamente capturada por um lag espao-temporal de y (Wyt k), como uma varivel explicativa no modelo, ou seja,

    +++= XWyy ktt (7)

    em que o parmetro espacial a ser estimado, X uma matriz de observaes da varivel explicativa e o termo de erro. Nesse caso, os parmetros podem ser estimados por mnimos quadrados, desde que o lag espacial seja no correlacionado com os erros (Lopez, 2004). 4. ANLISE E DISCUSSO DOS RESULTADOS

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    8

    A representao da distribuio relativa do desmatamento no Par pode ser avaliada pela curva de Lorenz, que mostra a distribuio da rea desmatada em relao distribuio total da rea do Estado (rea amostral). (Figura 2, esquerda). Pode-se avaliar a intensidade da distribuio do desmatamento estimando-se rea de concentrao mostrada na Figura 2, dada pelo ndice de concentrao espacial, definido como I = (C -550)/450, onde C representa a soma dos percentis relacionados rea desmatada em relao rea total. Quanto menor for esta rea mais uniforme ser a distribuio do desmatamento no Estado. Por outro lado, quanto maior for a rea mais concentrado ser o desmatamento na rea em estudo (Estado do Par). No presente estudo o ndice apresentou um valor de 0,572, ou seja, a concentrao do desmatamento em torno de 57,2% no Estado do Par. A Figura 2, direita mostra o mapa em mostra como a distribuio do desmatamento no Estado do Par bastante irregular, sendo que existe uma maior concentrao prxima s rodovias BR-010 e PA-I50 localizadas nas mesorregies (Sudeste, Nordeste e a Metropolitana de Belm.) com maior infra-estrutura do Estado.

    Figura 2. Distribuio do desmatamento atravs da Curva de Lorenz, esquerda. Imagens do Projeto PRODES, de desflorestamento em 2003, direita.

    No estudo do padro espacial da distribuio mdia de queimadas e desmatamento

    nos municpios do estado do Par, foram usadas ferramentas de anlise espacial ainda pouco adotadas na literatura, tais como a estatstica I de Moran global univariada e bivariada, I de Moran local univariada e bivariada e os mapas de clusters.

    Na Tabela 1 e Figura 3 so apresentados resultados da estatstica I global de Moran com os respectivos grficos de disperso para os focos de queimadas registradas no perodo de 1999 a 2004, no estado do Par A avaliao da significncia estatstica foi conseguida por intermdio de reamostragem com 999 permutaes.

    Tabela 1. Teste de I de Moran Global para os focos queimadas

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    9

    Ano 1999 2000 2001 2002 2003 2004

    I 0.4986 0.5556 0.4619 0,4993 0.2864 0.4756

    Prob 0.001 0.001 0.001 0.001 0.002 0.001

    Obs.: nvel de significncia baseada na reamostragem com 999 permutaes Observa-se que, existe uma indicao global de autocorrelao positiva neste

    perodo, ou seja, no Estado do Par, municpios com elevado (ou baixo) registro de ocorrncias de queimadas so circundados, em mdia, por municpios na mesma situao. Os grficos de disperso da Figura 3 mostram que, de 1999 a 2002 os municpios de So Felix do Xingu e Santana do Araguaia no sudeste paraense se destacaram em relao aos outros municpios. Destacaram-se Trairo no sudoeste paraense e Altamira e So Felix do Xingu, no sudeste do Par, em 2003 e Lilianpolis e Paragominas no sudeste paraense, em 2004. Observa-se que, a maior parte dos dados localizou-se no quadrante alto-alto (municpios com elevado ndice queimadas so tambm circundados, em mdia, por municpios com elevados ndices de queimadas). As estatsticas I de Moran indicam que existe auto-correlao espacial positiva com poucas alteraes nesse perodo, rejeitando-se a hiptese nula de que os municpios vizinhos no so influenciadas por um municpio com altos registros e queimadas a um nvel de significncia de 0,01% para os anos de 1999 e 2004 e nvel de significncia de 0,02% para o ano de 2003.

    Mesmo com o maior detalhamento dos resultados, o diagrama de disperso ainda no suficiente para chegar-se a uma concluso satisfatria. Por isso utilizado o mapa de clusters, que ilustra a classificao em quatro categorias de associao espacial que so estatisticamente significativos. Neste caso, foi utilizado o Indicador Local de Associao Espacial (LISA) denominado Indicador Local de Moran definido em (4). Assim, pelo mapa de clusters pode-se observar que a existncia da autocorrelao positiva entre os municpios confirmada localmente, j que dentre os dados de maior significncia encontram-se predominantemente a classificao Alta-Alta no perodo considerado. Esse resultado significa que os municpios com mais destaque em termos de ocorrncia de queimadas encontram-se prximos de outros municpios que tambm apresentam elevadas ocorrncias de queimadas, podendo conferir esse resultado ao grau de influncia que as proximidades entre as regies exercem umas sobre as outras. Assim sendo, comprova-se a hiptese de que os municpios com alto nmero de queimadas podem estar influenciando regies vizinhas devido influncia da proximidade espacial.

    Na Figura 4 para o ano de 1999 no cenrio da ocorrncia de queimadas no estado do Par, observa-se uma evidente polarizao, onde se destacam duas grandes regies: uma em que predomina a ocorrncia significativa de queimadas nas meso-regies sudoeste e sudeste do estado e outra na meso regio do Maraj e Metropolitana de Belm, cuja caracterstica a baixa ocorrncia desse evento. Nas regies do sudoeste e sudeste do estado o mapa de cluster mostra que a maioria dos municpios com grandes extenses territorial se concentram no quadrante Alto-Alto, ou seja, municipios com elevados ndices de queimadas circundados por municpios que apresentam tambm, em mdia, elevado ndice de queimada. Esses municpios so cortados pelas rodovias PA 167, BR 235 e BR

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    10

    158. Por outro lado, os municpios menores em termos territoriais localizam-se no quadrante Baixo-Baixo, indicando que os municpios com menores ocorrncias de queimadas ficam rodeados por municpios que apresentam, em mdia, tambm baixas ocorrncias de queimadas. O mapa inferior da Figura 4 mostra os nveis de significncia para esses clusters, que ficaram em 0,05 e 0,01. Observa-se ainda que, para o ano de 1999, praticamente em todo o Baixo Amazonas e metade da meso regio sudoeste do estado a ocorrncia de queimada no apresentou um resultado estatisticamente significativo. Anlises similares podem ser realizadas para os outros anos, de modo que, pode ser possvel verificar a evoluo do cenrio em termos da ocorrncia desse e de outros eventos evento ao longo do tempo.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    11

    Figura 3. Grficos de disperso para os focos de queimadas no estado do Par no

    perodo de 1999 a 2004 Para avaliar a relao entre as variveis queimadas e desmatamento foi utilizado o

    coeficiente do I de Moran bivariado. Na Tabela 2 e Figura 5 so apresentados os resultados para o perodo disponvel para o presente trabalho de 2000 a 2003. Em todos os anos houve uma correlao espacial positiva altamente significativa, embora se observe um decrescimento das autocorrelaes espaciais ao longo do tempo. A avaliao da significncia estatstica foi conseguida por intermdio de reamostragem com 999 permutaes. O destaque fica por conta do municpio de So Felix do Xingu no sudeste paraense que apresentou em todos os anos alta correlao espacial positiva para os focos de queimada em relao mdia de desmatamentos dos municpios vizinhos ao seu redor.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    12

    . Figura 4. Mapa de cluster e respectivo mapa de significncia para a ocorrncia de queimadas no estado do Par no ano de 1999 Tabela 2. I de Moran Global para os focos queimadas (x) versus desmatamento (y)

    Ano 2000 2001 2002 2003

    I 0.4663 0.3565 0.2747 0.2063

    Prob 0.001 0.001 0.001 0.001

    Obs.: nvel de significncia baseada na reamostragem com 999 permutaes.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    13

    Da mesma forma que foi discutido com referncia medida de autocorrelao espacial global univariada, a estatstica de I de Moran global bivariado pode camuflar padres de associao linear distintos do indicado pela autocorrelao global bivariado. Para ver isso, utiliza-se o mapa de clusters bivariado, que mostra a classificao em quatro categorias de associao espacial que so estatisticamente significativas em termos do I de Moran local bivariado. A Figura 9 apresenta os resultados para o ano de 2000, incluindo o mapa que apresenta a significncia dos clusters observados.

    Figura 5. Grficos de disperso para os focos de queimadas versus desmatamento

    mdio no estado do Par no perodo de 2000 a 2003.

    O mapa de clusters bivariados para a ocorrncia de queimadas e do desmatamento mdio (Figura 6, superior) mostra claramente os padres locais de autocorrelao como o cluster bivariado Alto-Alto, representado pela maioria dos municpios do sudeste paraense e o cluster bivariado Baixo-Baixo, representado pelas meso-regies do Maraj e metropolitana de Belm. Pode-se observar que predominam os nveis de significncia de

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    14

    0.001. Os municpios contidos no cluster Alto-Alto so cortados pelas rodovias, BR235, BR222 e BR158. Pode-se, portanto, avaliar que a relao entre os focos de queimada e o desmatamento mais forte na mesoregio do sudeste paraense. Essa regio caracteriza-se por intenso comrcio madereiro (Aemelin, 2003). Os municpios do Baixo Amazonas, Sudoeste Paraense e Nordeste Paraense no apresentaram correlaes espaciais significativas. Os municpios indicados pelas cores Baixo-Alto (verde) so classificados como outliers espaciais e podem indicar regimes de transio.

    Figura 6. Mapa de cluster e respectivo mapa de significncia para a ocorrncia de queimadas (x) versus mdia de desmatamentos (y) no estado do Par no ano de 2000. Foi realizado um estudo para a anlise da autocorrelao espao-temporal para a distribuio de focos de queimadas no perodo de 1999 a 2004 e desmatamento do perodo de 2000 a 2003. Na Figura 7, apresentado esquerda, o diagrama de disperso espao-temporal de Moran, que mostra, no eixo horizontal os focos de queimadas observados nos municpios do estado do Par em 1999 (Foco99) e no eixo vertical o correspondente lag espacial em 2004 (W_RF04), em que W uma matriz de continuidade padronizada (dois municpios so vizinhos se eles dividem um limite comum entre si). direita apresentado o diagrama de disperso espao-temporal de Moran, que mostra, no eixo

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    15

    horizontal os desmatamentos observados nos municpios do estado do Par em 2000 (DESM2000) e no eixo vertical o correspondente lag espacial em 2003 (W_D03). Pode-se observar uma alta conexo entre os focos de queimadas em 1999 e seu lag espacial 5 anos depois ( )001,0;1425,02004,1999 == valorpI com destaque para os municpios de So Felix do Xingu, Marab e Paragominas, todos na meso regio do sudeste paraense. Uma correlao espao-temporal mais forte verificada em relao ao desmatamento. Neste caso, desmatamentos registrados em 2000 mostram forte conexo com seu lag espacial 3 anos depois ( )001,0;6077,02003,2000 == valorpI . Isso mostra que a ocorrncia desses eventos (focos de queimadas e desmatamento) em determinados municpios apresentam influncia sobre municpios vizinhos no decorrer do tempo.

    Figura 7. Diagrama espao-temporal de Moran para focos de queimadas, esquerda, e desmatamentos, direita.

    Na Tabela 3 so apresentados os resultados das estatsticas I de autocorrelao espao-temporal de Moran para os focos de queimada e desmatamento para os perodos de 1999 a 2004 e 2000 a 2003, respectivamente. Na Figura 11 so apresentadas as funes de autocorrelao espao-temporal de Moran para os focos de queimada e desmatamento para os anos de 2004 e 2003, respectivamente. Na Figura 8 observa-se uma clara evidncia de dependncia espao-temporal para as duas variveis. Para os focos de queimadas todos os valores, exceto para o ano de 2002, exibem valores defasados no tempo com alta significncia estatstica (p valor = 0,001) (Tabela 3). Neste caso, no inicio do perodo, os valores apresentam altos valores defasados no tempo com um comportamento decrescente at o ano de 2002. A partir de 2002 os valores comeam novamente a aumentar at mostrar indcios de estabilidade para os anos de 2003 e 2004. Por outro lado, a varivel desmatamento apresenta uma tendncia crescente, em que todos os valores so altamente significativos (p valor = 0,001, Tabela 3), o que mostra a influncia dos valores passados dessa varivel em determinada localizao

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    16

    sobre sua vizinhana no presente aumentando com o tempo. Tabela 3. Estatsticas espao-temporal de Moran para queimadas e desmatamento no estado do Par

    Ano

    Focos de Queimada Desmatamento

    Lag Espacial Indice de

    Moran P valor Lag espacial

    Indice de Moran

    P valor

    2004 0 0.6587 0.001 0

    2003 1 0.2493 0.001 1 0.5622 0.001

    2002 2 -0.0601 0.167 2 0.5715 0.001

    2001 3 0.2262 0.001 3 0.5789 0.001

    2000 4 0.2332 0.001 4 0.6077 0.001

    1999 5 0.1425 0.001 5

    -0.2

    -0.1

    0

    0.1

    0.2

    0.3

    0.4

    0.5

    0.6

    0.7

    0.8

    0 1 2 3 4 5

    Lag espacial

    Ind

    ice

    de

    Mo

    ran

    0.55

    0.56

    0.57

    0.58

    0.59

    0.6

    0.61

    0 1 2 3 4 5

    Lag espacial

    Ind

    ice

    de

    Mo

    ran

    : nvel de significncia (p) de 0,1%. Inferncia realizada a partir de simulaes de 999 permutaes.

    Figura 8. Funes de autocorrelao espao-temporal de Moran dos focos de queimada (ano 2004), esquerda, e desmatamento (ano 2003), direita, para o estado do Par. A Figura 9 mostra os registros de focos de queimadas para alguns anos entre 1999 e 2004. Embora no esteja muito claro, houve uma diminuio nos registros de focos de queimada a partir de 2002. H uma alterao no padro de registros de queimadas principalmente nos anos de 2002 e 2004. Em 2002 a maior densidade de registra localiza-se na regio do sudeste paraense, alm de uma linha de focos ao longo da rodovia Santarm-Cuiab. Em 2004 a maior quantidade de registros se localizou na meso regio do nordeste paraense e grandes concentraes tambm ao sul do Baixo Amazonas e norte das mesoregies sudeste e sudoeste paraense.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    17

    Figura 9. Registros de focos de queimadas no Par, no perodo de 1999 a 2004. A ocorrncia de valores altamente significativos para as queimadas prximos do momento atual (lag zero) sugerem que o processo de difuso espacial para as queimadas mais rpido do que para o caso do desmatamento, que apresenta valores mais significativos em momento mais distantes do momento de referncia (ano 2003). Para se tentar capturar a dependncia espacial apresentada pela varivel desmatamento no ano de 2003, foi utilizada a equao 6, que representa o modelo lag espacial, em que se estabeleceu como varivel resposta, yt, o desmatamento em 2003 e como variveis explicativas os focos de queimada registrados em 2003, ou seja, +++= 200320032003 FOCOSWDESMDESM (8)

    Foi utilizado o mtodo da mxima verossimilhana para a estimativa dos parmetros do modelo, cujos principais resultados so apresentados a seguir,

    i) Estimativas dos parmetros do modelo

    Varivel Coeficiente Erro-padro valor de z Probabilidade

    W_DESM2003 0.5427386 0.1355983 4.002548 0.0000627

    CONSTANT 408.2768 212.2693 1.92339 0.0544309

    FOCO03 15.14833 4.29521 3.526797 0.0004207

    Varivel dependente : DESM2003 Numero de observaes: 144

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    18

    Mdia da var. dependente: 1315.63 Numero de variveis : 3 Desvio-padro da var. dependente:1722.38 Graus de liberdade : 141 Coeficiente de atraso.(Rho) : 0.542739 Log likelihood : -1259.92 - Critrio de Informao de Akaike : 2525.84 - Critrio de Schwarz : 2534.75 ii) Diagnsticos da regresso DIAGNOSTICOS PARA A HETEROCEDASTICIDADE COEFICIENTES ALEATRIOS TESTE GL VALOR PROB Teste de Breusch-Pagan 1 24.41869 0.0000008 DIAGNOSTICOS PARA A DEPENDNCIA ESPACIAL DEPENDNCIA DO LAG ESPACIAL PARA A MATRIZ DE PESOS: D03.GAL TESTE GL VALOR PROB Teste da Razo de Verossimilhana 1 17.22591 0.0000332 GL: Graus de liberdade

    A estimativa de 0,54, obtida para o coeficiente de autocorrelao espacial foi altamente significativa (P = 0,00006). Do mesmo modo, a estimativa de 15,14 do coeficiente da varivel explicativa FOCO03 apresentou tambm um resultado bastante significativo (P = 0,0004).

    O teste de Breusch-Pagan utilizado para o diagnstico da heterocedasticidade apresentou um valor de 24,41, altamente significativo, o que indica um problema, ou seja, a presena de heterocedasticidade. Isso pode ser devido distribuio bastante irregular dos dados, onde se destacam vrios clusters localizados em regies especficas, como observado, por exemplo, nas Figuras 4 e 6. O teste de Razo de Verossimilhana compara o modelo nulo (modelo de regresso clssico) com o modelo alternativo lag espacial. O valor obtido de 17,22 confirma a forte significncia do coeficiente espacial autoregressivo. Deve-se ainda checar os resduos, ou seja, avaliar se eles so independentes. Isso pode ser feito pela estatstica I de Moran, cujo resultado apresentado na Figura 10. O valor da estatstica I de -0,0331 com p valor de 0,164 (ausncia de autocorrelao espacial), indica que a incluso da varivel defasada espacialmente no modelo contribuiu para a captura da autocorrelao espacial, como deveria. Finalmente, deve-se ressaltar que outras variveis explicativas podem ser includas no modelo. Neste caso, para a realizao de comparao entre outros modelos ajustados, pode-se utilizar critrio de seleo como Log likelihood, Informao de Akaike e Critrio de Schwarz, cujos valores, para o presente modelo foram de -1259.92, 2525.84 e 2534.75, respectivamente.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    19

    Figura 10. Diagrama de disperso univariado de Moran para os resduos do lag espacial.

    Portanto, pode-se considerar que o modelo se ajustou adequadamente aos dados. Isso confirma a existncia de dependncia espao-temporal em que a ocorrncia de desmatamento em determinado municpio em 2003 deve ter sido influenciado por municpios vizinhos que apresentaram, em mdia, elevado (ou baixo) nvel de desmatamento. Alm disso, os focos de queimadas no mesmo ano tambm apresentaram forte correlao, ou seja, devem tambm ter contribudo para o aumento do desmatamento no ano de 2003. O modelo descrito pela equao (7) foi utilizado para a avaliao da dependncia espao-temporal, em foi considerado, neste caso, a varivel desmatamento no ano de 2003, como varivel resposta, e como variveis explicativas o lag espao-temporal de y (Wy2000) e os focos de queimada registrados em 2000, ou seja, +++= 200020002003 FOCOSWDESMDESM (9) Os resultados so apresentados a seguir, i) Estimativas dos parmetros do modelo

    Varivel Coeficiente Erro-padro valor de z Probabilidade

    W_DESM2003 0.2802182 0.1393371 2.011082 0.0443167

    CONSTANT 387.7851 207.2205 1.871364 0.0612945

    FOCO03 4.186958 0.649748 6.443973 0.0000000

    Variavel dependente: DESM2003 Numero de observaes: 144 Mdia da var. dependente: 1315.63 Numero de variveis : 3 Desvio-padro da var. dependente:1722.38 Graus de liberdade : 141 Coeficiente de atraso.(Rho) : 0.542739

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    20

    Log likelihood : -1259.92 - Criterio de Informao de Akaike : 2525.84 - Criterio de Schwarz : 2534.75 ii) Diagnsticos da regresso DIAGNOSTICOS PARA A HETEROCEDASTICIDADE COEFICIENTES ALEATRIOS TESTE GL VALOR PROB Teste de Breusch-Pagan 1 169.3161 0.0000000 DIAGNOSTICOS PARA A DEPENDNCIA ESPACIAL DEPENDNCIA DO LAG ESPACIAL PARA A MATRIZ DE PESOS: D03.GAL TESTE GL VALOR PROB Teste de Razo de Verossimilhana 1 4.238253 0.0395228

    A estimativa de 0,28, obtida para o coeficiente de autocorrelao espacial foi significativa a um nvel de 5% de significncia (P = 0,044). Por outro lado, a estimativa de 4,18 do coeficiente da varivel explicativa FOCO00 apresentou resultado altamente significativo (P = 0,0000).

    O teste de Breusch-Pagan utilizado para o diagnstico da heterocedasticidade apresentou um valor de 169,31, altamente significativo, o que indica um problema, ou seja, a presena de heterocedasticidade. Como explicado anteriormente, isso pode ser devido distribuio bastante irregular dos dados, onde se destacam vrios clusters localizados em regies especficas, como observado, por exemplo, nas Figuras 10 e 12. O teste de Razo de Verossimilhana compara o modelo nulo (modelo de regresso clssico) com o modelo alternativo lag espacial. O valor obtido de 4,23 confirma a significncia a um nvel de 5%, do coeficiente espao-temporal autoregressivo. Deve-se ainda checar os resduos, ou seja, avaliar se eles so independentes. Isso pode ser feito pela estatstica I de Moran, cujo resultado apresentado na Figura 16. O valor da estatstica I de -0,0324 com p valor de 0,167 (ausncia de autocorrelao espacial), indica que a incluso da varivel defasada espacialmente no modelo contribuiu para a captura da autocorrelao espao-temporal, como deveria. Finalmente, deve-se ressaltar que outras variveis explicativas podem ser includas no modelo. Neste caso, para a realizao de comparao entre outros modelos ajustados, pode-se utilizar critrio de seleo como Log likelihood, Informao de Akaike e Critrio de Schwarz, cujos valores, para o presente modelo foram de 1246.94, 2499.87 e 2508.78, respectivamente. Portanto, pode-se considerar que o modelo se ajustou adequadamente aos dados, indicando com isso que desmatamentos ocorridos em 2000 tiveram influencia em determinados municpios em 2003. Do mesmo modo, os focos de queimadas no mesmo ano (2000) tambm podem ter influenciado para o aumento do desmatamento no ano de 2003.

  • Campo Grande, 25 a 28 de julho de 2009,

    Sociedade Brasileira de Economia, Administrao e Sociologia Rural

    21

    4. CONCLUSO

    A metodologia utilizada neste trabalho mostra que ocorrncia de queimadas sofre influncia de diversos fatores, entre os quais, clima, vegetao e desmatamento. Os resultados apresentados so importantes para aes pblicas. Primeiro, a fiscalizao em reas com alto risco de queimadas, para diminuir o nmero dessas queimadas. O menor ndice de queimadas se deve pelo simples fato de haver uma baixa densidade de estradas. Em outros casos, pelo fato de haver proibio de uso de fogo em reas protegidas (Terra Indgena, Proteo Integral e Uso Sustentvel) e baixa infra-estrutura de acesso (estradas). Segundo, a substituio do fogo por fertilizante e maquinrios, isto , a intensificao agrcola tem potencial de diminuir as queimadas.

    As reas atualmente desmatadas coincidem com as mesorregies com boa infra-estrutura de acesso. Essas regies devem ser alvos de investimentos tecnolgicos para a agropecuria.

    A construo de mapas a partir do mtodo utilizados ajuda de forma significativa a observar possveis relaes espaciais de ocorrncia de queimadas ou desmatamento como, por exemplo, com a existncia de terras indgenas e zonas madeireiras. Mapas obtidos por diferentes tcnicas podem mostrar que os resultados so consistentes com a realidade. 5. BIBLIOGRAFIA

    ANSELIN, L. The Moran Scaterplot as an ESDA tool to assess local instability in spatial association. Em: Spatial Analytical Perspectives on GIS. Eds. Fisher M. Sholten, H, Unwin, D. Taylor & Francis. London, p.111-125. 1996

    BAILEY, T.C., GATRELL, A.C. Interactive Spatial Data Analysis, Prentice Hall. 1995.

    FOTHERINGHAM,A. S; BRUNDSON, C E CHARLTON,M. Quantitative Geography Perspectives on Spatial data Analysis. Ed. Sage. London. 2000.

    LIMA, M. C de, et al. Anlise espacial dos determinantes socioeconmicos dos homicdios no Estado de Pernambuco. Revista de Sade Pblica, So Paulo, v. 39, n.2, abr. 2005.

    LOPEZ, F.A e CHASCO,C. Space-time lags specification strategy in spatial regression models. Regional Economics Applications Laboratory. University of Illinois. 2004

    PAIVA, Carlos. Tcnicas de anlise espacial aplicadas ao transporte e trnsito mobilidade em So Paulo. Revista Engenharia, So Paulo, n. 559, 2003.