Modelagem de Mudanças de Uso e

Cobertura da Terra

SER 403 – Mudanças Globais

Ana Paula Dutra de Aguiar
Objetivo da apresentação
 Apresentar visão geral sobre objetivos e tipos de Modelos de
Mudanças de Uso e Cobertura da Terra (Land Use and Cover
Change - LUCC), de modo a prover subsídios para discussão
sobre modelagem LUCC na OBT.
Roteiro
 Introdução
 Parte I – Visão geral de modelagem LUCC
 Parte II – Exemplos de modelos LUCC
 Conclusão
 Introdução
Conceitos básicos
Motivação para o estudo de mudanças LUCC
Entendimento sobre causas de mudanças
Roteiro da Introdução
 Conceitos básicos
 Motivação
 Causas de mudanças
Cobertura e Uso da Terra
 Cobertura:  Uso:
 Estado físico, químico e  Emprego da terra pelo
biológico da superfície da homem (propósitos
Terra; humanos);
 Exemplos: floresta, gramínea,  Exemplos: reserva indígena,
área construída. pecuária, área residencial.
 Interesse das ciências  Interesse das ciências
naturais. sociais.

Uma mesma cobertura pode corresponder a diferentes usos (floresta usada para
extração de madeira e recreação). No geral, um sistema de uso corresponde a uma
cobertura, mas pode combinar a manutenção de mais do que um (sistema agrícola
combinando culturas e pastagens melhoradas).

Analysis of Land Use Change: Theoretical and Modeling Approaches - Helen Briassoulis, Ph.D.
http://www.rri.wvu.edu/WebBook/Briassoulis/chapter1(introduction).htm#1.3
Tipos de mudanças
 Conversão:  Modificação:
 Exemplos de conversão de  Em termos de cobertura, mudanças
cobertura: estruturais ou funcionais, causadas por
 Desflorestamento, fenômenos naturais e também por
 Desertificação; ações humanas. Por exemplo:
 Exemplos de conversão de uso:  Alterações na biomassa e na
produtividade da vegetação;
 reserva florestal para agricultura
para pecuária;  Em termos de uso, intensificação ou
 cultura permanente para cultura mudanças nos seus atributos.
anual.  Por exemplo, em sistemas agrícolas:
 Intensificação, Extensificação,
Marginalização e Abandono;
 Em áreas urbanas:
 mudanças na área residencial de alta
renda para baixa renda.
Exemplo de mudança de cobertura: perda de
florestas

Áreas de florestas convertidas

Remanescentes florestais
Interações entre mudanças de cobertura e uso
 Mudanças de uso podem influenciar a
cobertura de três maneiras:
 Convertendo a cobertura;
 Modificando a sua função, estrutura ou
características, sem ocasionar uma mudança
de tipo (e.g., intensificação);
 Ou mantendo a cobertura, contra agentes
naturais de mudança.
 Mudanças de cobertura ocasionadas por
mudanças de uso não necessariamente
implicam em degradação da terra.
 Para entender mudanças, somente
classificação da cobertura não é suficiente; é
necessário entender sua função (uso) e
agentes envolvidos.
Roteiro da Introdução
 Conceitos básicos
 Motivação
 Causas de mudanças
Preocupação com mudanças
 Inicialmente:
 Globais, impulsionada
pelos impactos do
desflorestamento no
ciclo de C e perda de
biodiversidade.
 Em áreas urbanas,
como apoio ao
planajemanto.
Preocupação nos níveis global, regional e local
 Atualmente:
 Vulnerabilidade de
pessoas e lugares a
mudanças de uso e,
num nível mais amplo,
às mudanças climáticas;
 Suporte para políticas
públicas de mitigação e
adaptação, assim como
ordenamento territorial.
Feedback entre sistemas
 Mudanças de Uso e Cobertura podem influenciar:
 Ciclo de carbono -> Mudanças Climáticas (global)
 Ciclo hidrológico -> Mudanças Climáticas (regional)
 Biodiversidade
 Susceptibilidade ao Fogo
 Populações
 Perda de solo

 Por outro lado, processo de Mudanças Climáticas poderá

influenciar sistemas Naturais e Humanos (incluindo dinâmica
de Uso da Terra) de diversas formas.
Questões globais: ciclo de carbono e
mudanças de cobertura

1.8 + 6.5 = 8.3 > 3

3+2=5
Mudanças de uso e cobertura no contexto de
mudanças globais
Mudanças Sistemas
Climáticas: Humanos e Naturais
Recursos terrestres e aquáticos
Aumento de temperatura
Ecossistemas e biodiversidade
Mudanças nos níveis de precipitação
Áreas povoadas e infra-estrutura
Aumento do nível do mar
Sistemas agrícolas
Variabilidade e eventos extremos
Saúde humana

Vulnerabilidade Adaptação

Caminhos de
Emissões e
Desenvolvimento
Concentrações
Gases do efeito estufa e aerosóis Sócio-econômico
provenientes Mudanças demográficas
Queima de combustíveis fósseis Crescimento Econômico
e mudanças de cobertura Tecnologia
Políticas Públicas e Instituições
Questões regionais e locais:
Exemplos na Amazônia brasileira
Exemplo: impactos do desflorestamento no ciclo
hidrológico regional
 O vapor de água primário, proveniente do Atlântico,
entra na região pela costa do Atlântico, provocando
precipitação. Grande parte das águas da chuva
volta à atmosfera na forma de vapor d´água gerado
pela ação da floresta (evapotranspiração). Este
vapor d'água, somado ao vapor primário residual,
provoca chuva mais no interior do continente, onde
o mesmo processo se repete diversas vezes.
 Isto é, a floresta não é uma simples consequência
das condições climáticas e da composição e
estrutura do solo, pois é através desta relação de
interdependência com a cobertura vegetal que se
define o clima da região. Assim, o desmatamento,
além de induzir a mudanças microclimáticas,
deverá levar a alterações no clima regional. As
previsões atuais são de um aumento na

temperatura e uma diminuição das precipitações.

Salati, 2001.
Outro exemplo de impacto: exploração seletiva
de madeira e susceptibildade ao fogo

Fonte: http://www.ipam.org.br/avanca/ciclo2.htm.
Outro exemplo: possíveis impactos negativos da
expansão da soja
 Expulsões de populações
tradicionais e pequenos
produtores;
 Degradação do solo;
 Contaminação dos rios por
agrotóxicos;
 Novos desflorestamentos;
 Urbanização sem infra-
estrutura.

Becker, 200. completar

Roteiro da Introdução
 Conceitos básicos
 Motivação
 Causas de mudanças
Entendimento atual sobre “causas”
 Não restrito a um fator (“driver”), como crescimento populacional ou infra-estrutura:
 entende-se atualmente que as respostas individuais e sociais seguem mudanças nas
condições econômicas e políticas, mediadas por fatores institucionais locais, criando
diferentes caminhos de mudanças.
 Exemplo: causas do desflorestamento
 Explicações baseadas em um só fator responsabilizam principalmente o aumento populacional
natural e pobreza pelo desflorestamento tropical, através de agricultura itinerante.
 Simplificações e generalizações geram políticas públicas equivocadas; não consideram
feedbacks, pois infra-estrutura e crescimento populacional são ambos causas e efeitos do
desflorestamento; ignoram forças econômicas e políticas que propiciam as mudanças; não
separam causas imediatas de causas subjacentes;
 Entendimento atual: desflorestamento é gerado por uma combinação de causas imediatas e
subjacentes, em contextos geográficos e históricos distintos, que levam a diferentes caminhos;
 Não existe política pública universal a ser aplicada para conter o desflorestamento, sendo
necessário o entendimento detalhado das causas imediatas e subjacentes para a adoção de
políticas adequadas.

•Lambin e Geist, 2002

•The causes of land-use and land-cover change: moving beyond the miths. Lambin et alii, Global Env. Change 11 (2001) : 261-269.
•Proximate causes and Underlying Forces of Tropical Deforestation. Geist e Lambin. BioScience, vol. 52, no.2, Feb. 2002.
Causas imediatas e subjacentes
Mudança de uso/cobertura
Alocação de capital (e.g., o que, quanto e
onde)
Agentes: Consumo
variáveis de escolha
Decisões gerenciais
Objetivos e preferências
Características dos Atributos culturais
Causas imediatas diferentes Agentes e
parâmetros de decisão
Acessabilidade, tecnologia
disponível
Preço dos insumos e dos produtos
Características ambientais
Instituições Infra-estrutura Mercados Tecnologia Custo e disponibilidade de mão de
obra
Preço/ demanda mercado internacional
Variáveis macro e
Causas subjacentes Políticas governamentais (e.g.,
instrumentos de políticas públicas
programas de crédito), Macro-
economia,, Demografia

Fonte: adaptado de Kaimowitz e Angelsen, 1998.

 Drivers, heterogeneidade espacial e escala
de análise
Contextos históricos e geográficos: Várias interações entre o homem e o ambiente
reformulam os impactos de drivers diferentemente, levando a diferentes caminhos
no processo de mudança do uso.
Exemplo: Amazônia Brasileira
 Berta Becker (2000): três sub-
regiões distintas (espaço-tempo):
 Amazônia Oriental e Meridional
 Amazônia Central
 Amazônia Ocidental
 Dentro de cada sub-região,
realidades e atores distintos:
 9 Estados - instituições;
 áreas de colonização, áreas de
agricultura mecanizada,
Unidades de conservação
 Áreas de ocupação recente e
consolidada.

•BECKER, B. Cenários de Curto Prazo para o Desenvolvimento da Amazônia. Cadernos IPPUR, rio de Janeiro, Ano XIV, no 1, p. 53-85, Jan/Jul 2000.
•BECKER, B. Revisão das Políticas de Ocupação da Amazônia: é possível identificar modelos para projetar cenários?, Número 12, Setembro 2001, p.135-159.
Drivers, heterogeneidade espacial e escala
de análise
 Processo não pode ser facilmente generalizado, sendo necessários:
 Rede de estudos de caso que representem a heterogeneidade espacial de uma região;
 Abordagem multi-escala, que permita a ligação entre a dinâmica regional e local;
 Abordagem multi-temporal, pois escala de tempo analisada também influencia relação
entre fatores e mudanças (e.g., impacto do aumento populacional em um século versus 5
anos);

 Drivers não são generalizáveis ou aplicáveis de uma escala para outra:

 Relações não lineares observadas em uma escala não podem ser linearmente traduzidas
para outra (erros de agregação);
 Diferenças na estrutura hierárquica de fatores entre diferentes níveis da organização.
 Exemplo: na escala local (propriedade), acessabilidade e variáveis sociais; na escala da
paisagem, potencial agro-climático e topografia; regional ou nacional, fatores macro-
econômicos, demográficos e climáticos.
 Resumo: Mudanças no entendimento sobre mudanças de uso e cobertura da terra
Antes Hoje

conversões da cobertura, modificações na cobertura mais comuns no passado recente;

na maior parte em florestas trropicais, todos os tipos de cobertura, incluindo campos, florestas abertas,
áreas peri-urbanas e áreas alagadas;

supostamente virgens antes, paisagens alteradas por humanos há milênios;

mudanças permanentes, tragetórias de mudanças complexas e reversíveis; cobertura em

um constante estado de fluxo;

espacialmente homogêneas, altamente heterogêneas espacialmente; fragmentação da

paisagem é importante;

devido ao aumento da população, também devido à resposta das pessoas a mudanças em

oportunidades econômicas e em políticas públicas, podendo ser
disparados por eventos biofísicos ou sócio-econômicos;

influências locais, com influências de centros urbanos remotos, amplificado ou

atenuado pela globalização, com forte interação local-global;

principalmente expansão da agricultura, intensificação e diversificação são também respostas comuns a

oportunidades e pressões;

com impacto do Cliclo de Carbono com impactos na saúde da população, biodiversidade, albedo,
ciclo da água, emissòes de C, metano, Nox, etc.;

impacto dependente da magnitude da mudança impacto dependendo principalmente na vulnerabilidade de

biofísica, pessoas e lugares;

em todo lugar e contínuo no tempo, concentração em “hot spots” de mudanças. E disjunto no tempo,
com períodos de rápidas mudanças.

Fonte: Lambin e Geist, 2002. Global land-use and land-cover change: what we have learned so far?
http://www.geo.ucl.ac.be/LUCC/pdf/Pages%20from%20NL%2046.pdf
Parte I - Visão Geral sobre
Modelagem LUCC
Objetivos e dificuldades
Histórico
Situação atual e tendências
Tipos de atividades em LUCC
 Monitoramento (Sensoriamento Remoto)
 Elaboração de Teorias
 Modelagem (Conceitual e Operacional)
Modelos versus Teorias de Mudança de
Uso e Cobertura
 Teorias:
 Afirmações concatenadas utilizadas
no processo de explanação.
 Teorias LUCC provenientes de
tradições econômicas, sociológicas e
natureza-sociedade.
 Exemplos de teorias: Von Thunen,
Alonso, Equilíbrio Espacial, Teorias
baseadas em Agentes, Boserup
( Intensificação da agricultura/pressão
Populacional), Teorias da pequena
produção familiar (Chayanov,
Neoclássica), etc.
 Teorias existentes atualmente
limitadas em termos de complexidade
espaço-temporal.
 Modelos:
 Representação estruturada e idealizada
do mundo real; ou representação formal
de teoria para um sistema de interesse.
 Modelos operacionais: aplicado a dados
reais.
 Alguns modelos LUCC não são
explicitamente baseados em teorias.
 Síntese de teorias parece ser o mais
adequada para que nenhuma dimensão
do problema seja perdida.
http://www.rri.wvu.edu/WebBook/Briassoulis
Objetivos de atividades de modelagem
LUCC
 Entender melhor as causas e mecanismos que governam as mudanças de
uso/cobertura (o porquê) - testar hipóteses e análisar as importâncias
relativas de diferentes fatorees;
 “Prever” ou “projetar” quanto, quando e onde as mudanças deverão ocorrer
no futuro (na verdade suposições lógicas sobre o que pode acontecer dadas
certas premissas, incluindo os casos extremos);
 Auxiliar a elaboração de políticas públicas para prevenção, adaptação e
mitigação de mudanças, através de simulações em diferentes cenários,
através da análise da sensibilidade das mudanças de uso e cobertura a
fatores ambientais, econômicos, sociais e institucionais; e
 Analisar impactos das mudanças de uso nos sistemas naturais e sócio-
econômicos, através do acoplamento de modelos com feedbacks nos dois
sentidos.
 Prescever cenários otimizados.
Modelos podem ser categorizados quanto
à:
 Caracterização básica:
 Objeto de estudo: áreas urbanas, desflorestamento, intensificação de uso, desertificação,
vulnerabilidade a mudanças climáticas, expansão da soja, dinâmica da paisagem, etc.
 Escala - local (nível de propriedade/agente), regional, global, ou multi-escala;
 Qual pergunta se propõe a responder: Porque? Quando? Onde? Cenários? Impactos?
 Com base nesta definição:
 Quantitativo ou qualitativo;
 Formulação matemática - determinísticos (processo conhecido) ou estocásticos;
 Embasamento teórico - com base teórica (única ou síntese) ou ausência dela;
 Tratamento da dimensão espacial - espacializados ou não (incluindo a incorporação de aspectos
espaciais, como vizinhança e proximidade);
 Tratamento da dimensão temporal - desde completamente estáticos (condições iniciais são
mantidas) até dinâmicos;
 Nível de Integração (constituídos de vários subsistemas, representando o aspectos ambientais,
socias, econômicos, normalmente em várias escalas) ou não.
 Tecnologia empregada - autômatos, multi-agentes, regressão múltipla, multi-critério, otimização, etc.
Variáveis de modelos LUCC
 Variáveis selecionadas dependem de entendimento mínimo do
porquê das mudanças (mesmo em modelos estocásticos).

 Decisão sobre quais variáveis são exógenas e quais são

endógenas depende da escala de estudo e do nível de integração
com outros subsistemas (no caso de modelos integrados).

 Em modelos multi-escala, variáveis não podem ser generalizadas

de uma escala para outra; diferentes fatores atuam em diferentes
escalas.
Dificuldades na modelagem LUCC
 Alta complexidade dos sistemas: estrutural e funcional;
 Modelagem do comportamento humano;
 Entendimento sobre relações entre drivers;
 Diversidade de aspectos a serem considerados (multi-
disciplinaridade);
 Heterogeneidade espacial;
 Disponibilidade de dados sócio-econômicos;
 Difíicil previsibilidade: eventos extremos e próprios resultados dos
modelos podem mudar rumos;
 Inexistência de uma teoria de LUCC que norteie a concepção dos
modelos; necessidade de síntese de teorias.
Histórico da modelagem LUCC
 Inicialmente, modelos de campos de conhecimento específicos:
 A partir das décadas de 50 e 60, “revolução quantitativa” em geografia,
economia, sociologia e planejamento; área econômica tem grande
quantidade de trabalhos; muitos modelos para aplicações urbanas;
 Boom de modelos de desflorestamento nos anos 80, impulsionado pela
questão de mudanças climáticas;
 Ciências naturais (e.g., ecologia da paisagem) - ênfase nos aspectos
bio-físicoos.
 Tendência a interdisciplinariedade.
 Integração aspectos ambientais - sociais - econômicos.
 Anos 90 - Projeto LUCC (IGBP - International Geosphere-Biosphere
Programme e IHDP - International Human Dimensions Programme on
Global Environmental Change ).
Projeto LUCC (IGBP-IHDP)
 Motivação:
 Earth Science: necessidade de dados quantitativos e espacializados sobre
mudanças de uso e cobertura (especialmente) no período de 300 anos atrás
até os próximos 50 anos.
 Dimensões humanas: questões de sustentabilidade e vulnerabilidade.
 Combinação de três perspectivas de entendimento:
 Narrativa: entendimento profundo através de detalhes históricos;
 Baseada em agentes: entendimento das decisões individuais;
 Sistêmica/estrutural: entendimento das organizações e instituições que
estabelecem restrições e oportunidades, que influenciam das decisões
individuais;
 As duas últimas abordagens operam interativamente em diferentes
escalas de tempo e espaço e dependem do desenvolvimento de modelos
e testes empíricos.

www.geo.ucl.ac.be/LUCC/lucc.html
 Projeto LUCC: modelos propostos
Foco 1: Dinâmica de uso
 Entender o comportamento
dos agentes - casos de estudo;
 Entender o relacionamento dos
drivers entre escalas;
 Questões de vulnerabilidade e
sustentabildiade
Modelos propostos:
 Modelos multi-agente
inteligentes; Modelos regionais
baseados em comportamento
agregado dos agentes -
relacionamento com
organizações e instiruições;
 Modelos de simulação de
cenários de sustentabilidade;
 Modelos simulação locais e
regionais que identifiquem
interações associadas com
degradação e vulnerabilidade
Foco 2: Mudanças de Cobertura
 Observações diretas (sistemas de
monitoramento e alarme), paea
identificação de taxas e padões;
 Modelos de diagnóstico, relacionando
fatores cultuurais e físicos espaço-
temporais (proximate causes);
 Uso de modelos para testar hipóteses
sobre fatores, que depois devem ser
refinadas nos Focos 1 e 3, identificar
áreas sujeitas a mudanças e prever
impactos destas mudanças.
 Ligação com comportamento humano
(Foco 1).
Modelos propostos:
 Modelos de probabiliade de transição
(Cadeias de Markov);
 Modelos estatísticos espacializados
(e.g., regressão linear).
 Modelos dinâmicos de processo
(causais).
Foco 3: Modelos Regionais e Globais
 Viabilizar o entendimento das
mudanças LUCC no contexto de
mudanças globais.
 Capturar fatores de modo mais
abrangente:
 Heterogeneidade espacial e
escalas.
 Ligação economia-ambienta;
 Mudanças Tecnológicas;
 Políticas e instituições;Dinâmica
Urbano-rural;
 Integração água-terra;
 Resposta dos sistemas ã
demanda por alimentos
(intensificação e conversào)
 Desenvolvimento de cenários de
mudanças globaiis.
Modelos propostos:
 Modelos espacialmente
explícitos, multi-escala
dinâmicos e integrados.
Tendências e linhas de pesquisa
 Modelos multi-agentes: simulação de decisões e competição entre
múltiplos agentes;
 Entendimento do relacionamento entre escalas e drivers;
 Modelos multi-escala que representem a complexidade estrutural;
 Questão da heterogeneidade espacial e da escala temporal de análise;
 Além da análise de processos de conversão (quantiitativa e locacional),
análise de processos de modificação (e.g., intensificação); análises de
vulnerabilidade e sustentabilidade;
 Modelos de sistemas dinâmicos que representem complexidade funcional;
 Links dinâmicos entre processos/modelos de uso e processos/modelos
biofísicos, permitindo gerar previsões no futuro ou no passado;
 Arcabouço sólido para validação de modelos;

Veldekamp e Lambin, Editorial: Predicting land use change

Agr., Eco. And env. 85(2001): 1-6
Roteiro
 Introdução
 Parte I – Visão geral de modelagem LUCC
 Parte II – Exemplos de modelos LUCC
 Conclusão
Parte II - Exemplos de Modelos
Critérios para seleção de modelos
 Apresentar visão geral sobre tipos de modelos existentes, seus
objetivos e tecnologia empregada, assim como a que região foram
aplicados;

 Ordem da seção visa facilitar o entendimento dos objetivos e técnicas;

não implica em classificação: modelos exemplificados não pertencem,
necessariamente, a uma só categoria;

 Existem tipos de modelos não exemplificados, por exemplo, modelos

de otimização e Interação Espacial;

 Maior ênfase a modelos de áreas rurais (locais e regionais) e já

aplicados à Amazônia.
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e Econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos Markovianos
 Processo Estocástico.

S t+1 = P x St  Aplicácel a processos que se move m numa

sequência de passos através de conjunto de
estados; bastante utilizados em ecologia e
geografia.
p11 p12 ……p1n
P = p21 p22 ……p2n  Simplicidade Operacional: probabilidades de
transição podem ser facilmente estimadas
………………… com base em dados históricos. Não demanda
grande quantidade de dados, que podem ser
pn1 pn2 …… pnn derivados de Sensoriamento Remoto.

 Aplicações: principalmente, para prever em

S = s1 s2 ….sn determinada data, quanto de cada conversão
ocorrerá.

onde si é a quantidade de terra

destinada a determinado uso.

Modelos Markovianos
 Normalmente, processo é considerado estacionário e de primeira ordem (somente
último estado é considerado);

 Não incorpora nenhum fator (“driver”) de mudança. Assume que as forças que
atuaram para produzir os padrões observados vão continuar a atuar; não leva em
conta vizinhança.

 Melhorias possíveis:
 Remover hipótese de estacionariedade, permitindo alterações nos valores de

probabilidade no tempo (o que exige domínio matemático e estatístico, e pode

ser difícil a falta de dados para calibrar modelo);
 Relacionar probabilidades de transição a variáveis exógenas independentes;

 Restrições em relação a transições impossíveis;

 Analisar a disponibilidade de terra para mudança.

Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos de Simulação baseados em Autômatos Celulares
 Modelos de Simulação Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos baseados em funções logísticas
 Modelo matemático simples que descreve
processos que crescem lentamente no desflorestamento
começo, depois rapidamente, depois
lentamente novamente, até um ponto de
saturação.
 Bastante utilizado em biologia, geografia e
aplicado para desflorestamento.
 Base teórica:
 Desflorestamento como um fenômeno de
crescimento com restrição (até a biomassa
ficar escassa, sem rebrota);
densidade tempo
populacional
 Desflorestamento como um processo de
difusão (ondas de migração).
Por vezes, tempo substituído por variável
 Aplicações: exógena de densidade (como densidade de
 Várias aplicações para estimar taxas de população ou densidade de atividades sócio-
desflorestamento; econômicas). Desflorestamente é tido como
 Exemplo: Reis e Margulis (1991). dependente da densidade de uma causa
aproximada em vez de um processo contínuo no
tempo.
Modelos baseados em funções logísticas
 Descritivo, não explanatório.
 Pode explicitamente incluir um pequeno número de variáveis causais;
 Pode ser utilizado para prever desflorestamento sem grande entendimento das
causas;
 Possui duplo embasamento teórico;
 Pode ser incorporado em arcobouço espacial, multi-escala (Esser, 1989):
 parametrização regionalizada;
 interação entre escalas, de modo que desflorestamento aumente de acordo com as
funções logísticas de vários níveis da hierarquia;
 seleção de células para desflorestamento (sequencia) definida de acordo com uma
probabilidade definida por uso da terra dos vizinhos, produtividade natural, fertilidade do
solo e taxa de mudança naquela célula anteriormente (Osnabruck Biosphere Model)
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos Estatatísticos
 Modelos baseados em regressão múltipla e outras técnicas multivariadas (e.g., análise
canônica). Podem ser contínuos ou discretos; com finalidade “explanatória” ou preditiva:

Contínuos (e.g., regressão linear múltipla) : Discretos:

LUT i = a + b1X1 + b2X2 + ..... + bnXn + ei,
onde,
LUTi é a área ocupada pelo uso i (em cada
zona/célula), e
X1, X2, ..Xn as variáveis de previsão
utilizadas
 Incorporação de aspectos quantitativos
(taxas, etc);
 Exemplo: módulo de regressão linear do
CLUE (Apresentado na seção de Modelos
Integrados)
 Modelam a probabilidade de haver
mudança do uso i para uso j;
 “discrete choice models”, baseados em
logit e probit models;
 Exemplos: modelos econômicos
espaciais de BockStael e modelo de
Dinâmica da paisagem (apresentado na
seção de modelos de simulação
espacial);
Econométricos
 Aplicação de técnicas de regressão múltipla à análise de problemas que
envolvam demanda e oferta.

 Sistemas de equação que expressam as relações entre a demanda e/ou

produção e seus fatores determinantes, assim como entre demanda e
produção entre si.

 Vários métodos foram desenvolvidos especialmente para resolver este tipo

de sistema.

 Exemplos:
 Estáquio Reis (IPEA):
 Andersen et al. (1997)
 Projeto Nemesis
 Marcellus Caldas (PhD Esalq/MSU) – Amazônia/micro
Exemplo 1: Andersen e Reis (1997) - IPEA
Objetivo: análise dos fatores determinantes do desflorestamento na Amazônia.
Modelo de 6 equações: Dados utilizados:
 Demanda por terra desflorestada  Dados para 316 regiões (municípios) da
(Equação principal) Amazônia (1970, 1975, 1980, e 1985)
 demanda por terra desflorestada na sobre:
região i, no tempo t, com base nas  Economia
características passadas da região i  Agricultura
e dos seus vizinhos mais próximos.  Demográficos
 Interações entre populações urbanas e
rurais
 Ecológicos
 Produção rural e urbana
 Dados sobre vizinhança:
 Preço da terra
 Distância entre centros de
municipalidades;

DCLRi,t’ = f (distance to federal capitali, road lengthi,t-1, river lengthi, level ofclearing in
neighboring regionsi,t-1 rural population densityi,t-1, level of clearingi,t-1, share of land
clearedi,t-1, change of urban outputi,t, distance to state capitali, urban residents per rural
residenti,t-1, growth pole dummyi, Sudam crediti,t-1, land pricesi,t-1, rural income per rural
capitai,t-1, municipality areai).

Andersen e Reis (1997) – Texto para Discussão Nº 513

DEFORESTATION, DEVELOPMENT, AND GOVERNMENT POLICY IN THE
BRAZILIAN AMAZON: AN ECONOMETRIC ANALYSIS- IPEA
Exemplo 1: Andersen e Reis (1997) - IPEA
NEMESIS - Núcleo de Estudos e Modelos
Espaciais Sistêmicos / MCT
 Linha de pesquisa:
 Mudanças climáticas globais, agricultura e desflorestamento/Economia do
Desflorestamento da Amazônia Brasileira – Eustáquio Reis – IPEA (http
://www.nemesis.org.br/ )

 Modelo Econométrico:
 Descreve as interações dinâmicas entre população, atividades econômicas
e desflorestamento com com base nas seguintes suposições:
 population growth (pre-determined) and road expansion (policy determined)
are the exogenous or structural causes of deforestation;
 agropastoral activities are the immediate causes;
 Logging plays an induced and subsidiary role.

 Dados municipais;
 Núcleo do modelo: modelo demográfico e modelo de uso da terra.

Modelos econométricos da ocupação da Amazônia Eustáquio J. Reis IPEA/DIMAC

http://www.mct.gov.br/Temas/meioambiente/news/EustaquioJReis.PDF
Exemplo 2: Caldas (2001)
 Objetivo: Entendimento das forças microeconômicas determinantes do desmatamento que
acontece nas áreas de colonização, ao longo da rodovia Transamazônica:
 Fator por propriedade na área de estudo;
 Como fatores sócio-demográficos internos à família, fatores institucionais (crédito e titulação)
e de mercado (acessibilidade) influenciam desmatamento na área de estudo.
 Área de estudo:
 Projeto de Colonização Uruará/Pará - 261 proprietários, em 347 lotes, de 100ha cada;
 Uso de SIG e dados de SR para cálculo do desflorestamento por lote;
 Referencial Teórico:
 Buscou testar empiricamente algumas variáveis que reflitam as causas do desmatamento,
através da combinação das teorias de Chayanov e Neoclássico, usando para isso análises de
regressões.
dYt = f (Yt-1, Força de Trabalho t, Distância do Mercado, Nível de Riqueza t, Idade do Chefe da Família t,
Tempo de residência t, Total da mão de obra contratada t, Fatores institucionais (crédito e título),
Dependência)
 Métodos: Estimativa de Mínimos Quadrados, Testes de autocorrelação espacial, Procedimento de
máxima verossimilhança para estimativa do modelo ideal.

Caldas (2001). Desmatamento na Amazônia: Uma análise econométrica de

autocorrelação espacial combinando informações de SR com dados primários.
ESALQ/MSU.
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e Econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos GIS
 Modelos criados diretamente nos sistemas de Informação Geográfica, que
realiza as funções analíticas necessárias (tight coupled). Por exemplo,
modelos de regras.
 No entanto, a integração da maior parte dos modelos com os SIG
atualmente é “loose” (através de troca de dados);
 Incorporação de capacidade de modelagem dinâmica e representação de
processos em GIS facilitará a criação de modelos GIS.

 Exemplo: Laurence – Impactos Avança Brasil

Exemplo:
Laurence et alii, 2001

Objetivo: alertar para os

possíveis impactos das obras de
infra-estrutura do Avança Brasil.

Análise de dados históricos para

identificação de áreas de
influência das futuras obras.

Prevê (deterministicamente)
quatro níveis de degradação
para a Amazônia Brasileira, em
20 anos (buffers).

Considera dados de
desflorestamento atuais, infra-
estrutura (existentes e
planejados), atividades de
mineração e extração de
madeira, áreas de conservação
e susceptibibidade ao fogo.
Laurence et al. The future of Brazilian Amazon. Science 291 (5503): 438
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos baseados em autômatos celulares
 Autômato celular:
 matriz de células,
 vizinhança,
 um conjunto de estados discretos,
 conjunto de regras de transição,
 um incremento discreto de
tempo.

 Em Modelagem LUCC, uso de CA

generalizados:
 regras de transição não aplicadas
diretamente, mas através um
potencial ou probabilidade;

Exemplo: Dinâmica (CA modificado)

 Exemplo:
Dinâmica
Objetivo: modelo de simulação geral a ser aplicado a uma variedade de estudos de
dinâmica da paisagem e de fenômenos espaciais dinâmicos.

 Estocástico (estimativa
das taxas de transição e
regras de transição);

 Espacializado, baseado
em autômatos celulares
generalizados);

 Pode ser integrado a

modelo externo para
construção de cenários
(cálculo de matrizes de
tranisção) e modelo de
construção de estradas.

http://www.csr.ufmg.br/dinamica/ - Britaldo
Soares - Centro de Sensoriamento Remoto -
UFMG
Exemplo:
Dinâmica
 Probabilidades baseadas
em:
 Pesos de Evidência ou
 Regressão Logística

Origem Destino

Expander Patcher
Exemplo:
Dinâmica
 Construído inicialmente
para simulação de dinâmica
da paisagem na Amazônia:
 Mato Grosso (Tese
Britaldo)
 Santa Cruz – Bolívia
(construção de estrada)
 Cuiabá-Santarém (cenário
de governança e não
governança)

 Aplicado também para

áreas urbanas (Claudia
Almeida-INPE)
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e Econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
 Modelos de simulação no nível micro
 Nesta seção, são apresentados modelos espacialmente explícitos no nível micro, que
simulam no espaço e no tempo a mudança de uso, considerando o comportamento
dos atores, com base em Teorias micro-econômicas.

 Exemplos:

 1. DELTA (Dynamic Land Tenure Analysis Model) – Oak Ridge National Laboratory – TN
– USA – Modelo de simulação espacial baseado em regras, com componente estocática;

 2. Ecômico/Bockstael – University of Maryland – MD – USA : Modelo Econômico

Estatístico (discreto);

 3. LUCITA/LUCIM – Baseado em tecnologia de multi-agentes;

Tecnologia  4. ADSS: Modelo integrado, estuda interação entre sistema de uso e instituições,
Multi-agentes
baseado em tecnologia de multi-agente e autômato celulares.

 Observação: DELTA, LUCITA/LUCIM e ADSS são também modelos integrados, como

será discutido na próxima seção.
Exemplo 1: Delta
 Objetivo: Não visa apenas previsão;
concebido como um instrumento de
investigação do destino da paisagem, para
uma região da Amazônia, de acordo com as
decisões sobre o uso do solo por colonos com
diferentes perfis.

 3 sub-modelos integrados:
Escala
 Difusão de colonização Local/lote
 Mudança de uso do solo
 Liberação de carbono Escala
regional
 Um dos primeiros esforços na direção de ligar
processos físicos e
sócio-econômicos/culturais.

 Aplicação: Projeto de Colonização Ouro-Preto

(294 lotes)

 Técnica: baseado em regras (não numérico),

com inserção de variáveis

Southworth et alii, 1991; Dale at alii, 1993, Fronh, R.C, 1996

Exemplo 2: Modelo Econômico Espacial
(Bockstael – Univ. Maryland, Elena Irwin –
Univ. de Ohio)
 Objetivo: modelos econômicos estruturais de decisão
discreta sobre uso do solo, num arcabouço espacial.

 Escala: micro (propriedade) para áreas urbanas,

 Estatístico discreto:
 para cada unidade, a “utilidade” de um determinado tipo é
calculado com base nas suas características.
 uma probabiliade de que determinado tipo seja escolhido é
calculada com base nesta utilidade.

 Baseado na teoria de agentes, possui sólida base

microeconômica:

 Modelam efeitos de atração com variáveis exógenas e

repulsa entre diferentes usos;

 Modela tempo de duração de determinado uso;

 Permite a incorporação de variáveis qualitativas (e.g.,

culturais).

•http://www.uvm.edu/giee/PLM/MODEL/nomic.htm
•lrwin et al. Theory, data, methods: developing spatially explicit economic
models of land use change. Agr., Eco. And Env 85 (2001) 2-23.
Tecnologia de modelos multi-agente
 Existem em um
espaço

 Separados deste
espaço

 Atributos

 Regras de
comportamento

 Trocam
informações
(mediadas pela
vizinhança)

 Tempo discreto

http://www.geosimulation.org/geosim/abms.htm.
GeoSimulation Site – CASA –Center for Advanced Spatial Analysis
Combinação entre Agentes e Autômatos
Celulares
 Células da paisagem podem ser considerados agentes (GIS-CA toolkit,
baseado na biblioteca Swarm):

 Podem ter modelos/comportamentos distintos – heterogeneidade espacial;

 A paisagem se comunica com suas células através de mensagens. As células

se comunicam com as vizinhas através de trocas de mensagens. Cada uma
processa as mensagens de acordo com seus modelos.

 Agentes móveis podem atuar sobre a paisagem, interferindo e sendo afetados

pela mesma (feedbacks). Podem ter comportamento inteligente.

Peter Box. Spatial Units as Agents: Making the Landscape an Equal

Player in Agent Based Simulation
http://www.swarm.org/
Exemplo 3: Lucim/Lucita
Objetivo: desenvolvimento de modelos baseados em agentes empiricamente
parametrizados e validados.

 LUCIM: Indiana

 LUCITA: Amazônia
brasileira

 Desenvolvimento e
comparação com
modelos econométricos.

 Instituições inicialmente
exógenas.

http://www.cipec.org/research/biocomplexity/ BioComplexity
Project (NSF Funded) – CIPEC – Indiana University
Exemplo 3: Lucim/Lucita
 Questôes científicas para guiar modelagem:

 How do individuals make labor allocation, production, consumption, and investment

decisions in risky, multi-asset environments?

 What factors affect individual preferences and actions related to land use?

 What is the impact of landowner actions on the landscape?

 How do socioeconomic landscape patterns and ecological landscape patterns interact?

 How does a change in land use in one location influence the probability of a change in land
use at a neighboring location?

 What is the role of scale in the observed changes in land use in southern Indiana?

 What are some key ways of testing our theoretical models? How do initial assumptions
impact model outcomes? Can differing assumptions lead to observationally equivalent
outcomes?
Exemplo 4: ADSS
Objetivo: Análise da interação ator-instituição-ambiente.
 Protótipo de arcabouço de modelagem
para, baseado em agentes, CA
generalizado, GIS.
 No caso de estudo específico:
desflorestamento e pequenos
proprietários, na península de Yucatan,
no México.
 Combina perspectivas de agentes e
estruturas (multi-escala);

http://www.ucgis.org/oregon/papers/manson.htm : Agent-Based Dynamic Spatial

Simulation of Land-Use/Cover: Methodological Aspects. Steven Mason, Clark University
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Modelos Integrados
 De acordo com Briassoulis, existem vários significados para
Integração:
 Espacial (vários níveis);
 Setores (e.g., transporte vs uso);
 Usos da Terra (e.g., comercial vs residencial vs industrial);
 Sub-mercados da econômia;
 Econômia-sociedade-ambiente (e.g., links entre pelo menos dois
componentes);

 Classificados como:
 Urbanos
 Regionais
 Globais

http://www.rri.wvu.edu/WebBook/Briassoulis/contents.htm. Analysis of Land

Use Change: Theoretical and Modeling Approaches. Helen Briassoulis, Ph.D.
Modelos Integrados Regionais
exemplificados
 SIMLUCIA:
 Feedbacks entre sub-sistemas natural, econômico, social (macro) e uso da terra
(micro).
 Nível micro:
 Baseado em autômato celular modificado.
 Integrado ao GIS.
 CLUE:
 Modelo Multi-escala, estatístico (baseado em regressão linaer).
 Permite analisar efeitos de escala nos determinantes de mudanças;
 Integra modelo econômico e demográfico em escalas globais de demanda por
produtos.

 LUC/IIASA
 Modelo baseado na teoria econômica welfare;
 Sendo aplicado à China.
 Segundo Briassoulis, um dos mais completos em termos de análise da integração
entre fatores ambientais e sócio-econômicos.
 Exemplo: SimLucia
 Objetivo: Ferramenta para que o poder
público possa explorar possíveis
conseqüências ambientais, sociais e
econômicas de mudanças climáticas
hipotéticas.

 Feito para a UNEP, para testar o sistema na

ilha de Santa Lúcia, Caribe.

 Pode acomodar vários cenários com relação

a condições econômicas internacionais,
mudanças climáticas, e tendências
demográficas, podendo ser aplicado a
qualquer região de tamanho pequeno ou
moderado.

http://www.riks.nl Modeling land use change with linked cellular automata and socio-economic models: A
tool for exploring the impacts of Climate Change on the Island of Sta. Lucia. Roger Withe e Engelen (RIKS)
Exemplo: SimLucia (Nível Macro)
 Sub-sistema Natural:
 Série de hipóteses ligadas, que o usuário pode modificar, com relação à mudança no
tempo da temperatura e nível do mar, e os efeitos destas mudanças na precipitação,
frequência de chuvas, assim como na demanda por produtos e serviços da ilha (turismo).

 Sub-sistema Econômico:
 Modelo Input-Output, descreve a economia da ilha como um conjunto de equações
lineares. Fortemente acoplado ao sistema demográfico e captura a interdependência entre
setores. Inclui demanda interna e externa.

 Sub-sistema Demográfico:
 Calcula a população da ilha anualmente com base nos nascimentos, com base em
nascimentos, mortes e migração líquida. Captura mudanças no susbstema econômico;

 Link para nível macro: Cálculo de produtividadeda terra

 Usa a demanda por determinada atividade e de população em quantidade de terra
necessária para tal ativiadade;.Utiliza medidas de adequação da terra para cada atividade
para caálculo de densidade.
Exemplo: SimLucia (Nível Micro)
 Baseado num autômato celular;

 Regra de transição: cálculo de um potencial de modo determinístico mais

componente de erro estocático;

 Potencial é função de acessabilidade, adequação e fator de atratividade de outras

atividades;
 Com base em superfície de potencial, células são ordenadas e sorteadas para
transição, de acordo com demanda calculada no nível macro;

 Mudanças na adequanção do solo são enviadas para o nível macro, para mudar
densidade.
Exemplo: SimLucia
 Vizinhança:
 Região circular, com raio de 8 células, total 196 células;
 Divida em 30 zonas discretas (por distância); pode dar pesos diferentes para zonas de acordo com
distância (vizinhança 4, 8, etc.);
 3 níveis de regras de transição
 Prioridade 1: Intervenções humanas
 Prioridade 2: Aumento do nível do mar
 Prioridade 3: Transições entre usos, com base em Potencial:

Pz = f (Sz).f(Az).∑∑ (wz,y,d x I d,i) + ez

d i

f (Sz) = adequação da célula para atividade z (0 <= f (Sz ) <= 1)

f(Az ) = acessabilidade da célula para atividade z (0 <= f (Az ) <= 1)
 d = zona (0<=d<=30) Az = 1/(1+ D/az)

I d,i = I é o índice de uma célula em uma dada vizinhança;


W z, y, d = peso dado a células vizinhas no estado y na zona d, em relação a transição
 para z (atratividade);

Id,i = função dirac delta: I d,i = 1, se o estado da célula i na zona d é y; caso

contrário, I d,i = 0
 Exemplo: CLUE
 Arcabouço de modelagem de
mudanças de uso do solo para
modelos dinâmicos e multi-escala,
baseados em

 Objetivo: entender relação entre

drivers em múltiplas escalas e realizar
análises preditivas de curto prazo, em
diferentes cenários macro-
econômicos.

 As relações entre mudanças e fatores

explanatórios são quantificados
através de regressão linear múltipla.

 Aplicado em:
 Central America
 China
 Costa Rica
 Ecuador
 Honduras
 Java
 Philippines
 Vietnam
Exemplo de equação aplicada na Costa Rica:  Malaysia
%permanent crops = ß0 + ß1*soil drainage + ß2*relief + ß3*altitude + ß4*rurpop + ß5*urbpop + ß6*alf

http://www.gis.wau.nl/~clue/
CLUE: China – dados grid usados

 Population density  Soil drainage  Landform

 Distance to city  Urban population  Precipitation
 Soil fertility density Slope  Illiteracy
 Rural population density  Temperature  River density
 Elevation  Agricultural labour force  Sunshine
CLUE: China

Permite regionalização
CLUE: (*) cover x,y,t,c = coverx,y, t-1, c + [reg_cover x,y,t,c - cover x,y, t-1 )*ITFc]

mecanismo de
alocação
 Na escala menor (“coarse”):
 Demanda distribuída igualmente
por todos as células cujo valor
das células em t-1 (cover t-1) seja
menor do que a reg_covert seja
menor do que a cover.

 Se for menor, indica propensão a

mudança (pois outros locais nas
mesmas condições já mudaram.
Nova porcentagens de área são
dadas pela fórmula (*)

 ITC ajustado iterativamente, com

base na demanda.

 Na escala maaior, processo é

similar, mas são também
considerados a mudança relativa
alocada na escala menor e
desenvolvimentos autônomos.
Exemplo: LUC IIASA
 Objetivo: Arcabouço de
modelagem para a
análise de interações
espaciais e
intertemporais entre
diversos fatores sócio-
econômicos e
biogeofísicos que causam
mudanças de uso e
cobertura.

 Desenvolvido para ser

utilizado como ferramenta
de apoio à decisão.

http://www.iiasa.ac.at/Research/LUC/
Exemplo: LUC IIASA
 Base teória:
 Welfare Theory (Economia) e métodos analíticos relacionados (assume

mercados perfeitos, o que não é realista em muitos países, e pode ser

“distorcido”);

 Aplicações:
 desenvolvido inicialmente para China e Noroeste da Ásia, mas estrutura e metodologias
são aplicáveis a outras regiões.
 China: identificar e simular trajetórias de investimento e de usos de recursos socialmente
desejáceis e economicamente eficientes, que são computadas resulvendo um problema de
maximixação do bem-estar social (welfare), sujeto a restrições tecnológicas e de recursos.
Modelo multi-região, multi-setor e multi-agente.

 Bastante complexo, mas segundo Brisassoulis, a mais ambiciosa tentativa de criar

um arcabouço integrado, sensível tanto a dinâmicas globais, quanto locais.
Roteiro da Parte II
 Modelos Markovianos
 Modelos Logísticos
 Modelos Estatísticos e econométricos
 Modelos GIS
 Modelos baseados em Autômatos Celulares
 Modelos Nível Micro e Multi-agentes
 Modelos Integrados Regionais
 Considerações gerais sobre modelos
Considerações sobre modelos
 A maior parte dos modelos não possui embasamento teórico consistente.
 Modelos de regressão:
 Não possuem real poder explanatório: demonstram associação ou correlação
entre variáveis, não efeitos de causa e efeito.
 Capazes de realizar projeções de curto prazo, indicando áreas propensas a
mudanças;
 Automatos celulares generalizados:
 Fórmula de potencial/probabilidade pode dar suporte a testar diversas
hipoteses/teorias (e.g., SimLucia),
 Não incorporam diretamente a questão do processo de decisão e o papel das
instituições (assim como modelo de Markov e técnicas estatísticas);
 Vantagens do modelo baseado em agentes:
 Simular um laboratório social;
 Modelar feedbacks entre sistemas biofísicos e sócio-econômicos;
 Possibilidade de incorporar heterogeneidade espacial e complexidade estrutural;
 Arcabouço teórico baseado na Teoria de agentes (micro-economia);
Modelos causais (processo)
 Modelos de processo, causais e dinâmicos, não simplistas, ainda não
existem; estágio atual de modelagem e teoria serão a base para o
desenvolvimento de tais modelos; maior parte dos modelos é estocástico.
 Modelos causais precisam incorporar a relação entre decisões individuais
e mudanças de uso; por outro lado, é preciso endereçar a questão de
agregar este comportamento para entender mudanças nos níveis regionais
e globais.
Modelos de simulação espacial:
 Duas grandes linhas:
 Modelos que calculam uma superfície (espaço celular) e com
base nela “alocam” mudanças por sorteio, expansão de
manchas ou outro critério (de acordo com demanda
externamente estabelecida):
 CLUE – diferença da regressão
 SimLucia – Potencial (determinístico)
 Dinâmica – Probablilidade
 Bockstael – Probabilidade
 Modelos baseados em multi-agentes combinados atuando
sobre espaço celular: modelam comportamento dos atores,
instituições e sua interação com o sistema de uso e ambiente.
 LUCITA/LUCIM
 ASDD
Modelagem integrada: nível de integração
reflete em variáveis endógenas e exógenas

Modelos de Mudanças Climáticas

Modelos de Ciclos Biogeoqúimicos
Modelos de Vegetação

Modelos de Cenários
Sócio-Econômicos
Economia, Tecnologia, Instituições, Demografia,
Modelos LUCC:
(incluindo migrações)
Rede de modelos locais
Modelos regionais multi-escala

Modelos de Vulnerabilidade:
Erosão, Fogo, Social
Segurança Alimentar
Biodiversidade, outros
Modelos versus perguntas
“Modelos estão sempre errados. Mas alguns são úteis”
 Modelos distintos para questões científicas distintas;

 A questão principal é o que se quer modelar, para quais as perguntas

científicas se quer obter resposta; então selecionar o tipo de modelo mais
adequado e analisar teorias que possam embasar a concepção do modelo.
Roteiro
 Introdução
 Parte I – Visão geral de modelagem LUCC
 Parte II – Exemplos de modelos LUCC
 Conclusão
 Conclusão
Modelagem LUCC na OBT
Requisitos para ambiente
computacional
Parcerias
Modelagem LUCC na OBT (Amazônia)
 Procurar focar em aspectos do processo de mudança de uso e cobertura
que se deseja entender (objetivo e escala de estudo). Exemplos:
 Entender impactos e feedbacks com meio biofísico:
 Integração com modelos de mudanças climáticas, Modelos de vegetação, Modelos
hidrológicos, ou
 Vulnerabilidade do meio físico: Biodiversidade; susceptibilidade ao fogo, perda do
solo, etc., ou
 Entender impactos e feedbacks com sistemas humanos:
 Integração com modelos demográficos/migrações, ou
 Analisar possíveis impactos do ZEE na dinâmica de uso e ocupação, ou
 Sustentabilidade de sistemas agrícolas frente à intensificação, ou
 Entender e prever expansão da soja frente a alternativas de políticas públicas, ou
 Entender como fatores institucionais e econômicos afetam as decisões e as
dinâmicas em diversas escalas; entender como as decisões individuais se
agregam, formando processos regionais.
Minhas áreas de interesse:
 Linha 1:
 Questões relacionadas a como fatores/processos atuam nas várias escalas: fatores

subjacentes (macro-economia, cadeias produtivas, instituições), fatores imediatos

(processo de decisão) e como comportamento pode ser agregado. Usar abordagem
multi-escala do CLUE, combinada com teoria de agentes.
 Linha 2:
 Analisar vulnerabilidade de sistemas de uso e ecossistemas específicos frente a

processos de intensificação. Análise local, com abordagem multi-agente, com

influência de fatores institucionais.
 Linha 3:
 Entender e projetar processo de expansão da soja versus condições macro-

econômicas, políticas públicas e condições ambientais; analisar impacto sobre

determinadas populações.
 Linha 4:
 Analisar possíveis impactos de mudanças climáticas sobre diferentes sistemas de uso.
Possíveis requisitos para suporte computacional
(de acordo com objeto de estudo)
 Suporte à complexidade funcional:
 Integração de modelos para análise de feedbacks.
 Acoplamento fraco entre modelos, permitindo substituição de componentes.
 Modelos distintos com unidade de análise espacial e resolução temporal distintas.
 Suporte à complexidade estrutural:
 Modelos multi-escala e multi-temporais (para entender influência do tempo e escala).
 Agregação de comportamento/fatores explicativos;
 Modelos distintos para subregiões distintas (heterogeneidade espacial);
 Utilização de modelos existentes, sempre que possível.
 Unidade de análise e vizinhança:
 Unidade de análise não regular (e não necessariamente comum em modelos integrados);
 Vizinhança não restrita à adjacência, talvez não comum a todos as variáveis;
 BDG:
 Fortemente integrado ao BDG espaço-temporal, para acesso direto aos dados;
 Funções de agregação de dados espaço-temporal para unidade de análise do modelo;
 Ambiente modelagem
 Suporte a todas as fases, da calibração à validação;
 Ferramenta gráfica;
 Tecnologia:
 Permitir combinação de métodos (autômatos, agentes, regressão, etc.).
Tecnologias a serem aprofundadas
(de acordo com objeto de estudo)
 Autômatos celulares;
 Modelagem multi-agentes;
 Técnicas estatísticas multi-variadas;
 Ambientes de modelagem gráfica (e.g., Stella, Vensim);
 Acoplamento/feedbacks de modelos espaço-temporais, multi-escalas.
Parcerias (de acordo com objeto de estudo)
 Indiana, Clark – multi-agentes; escala local;
 CLUE – desenvolvimento da questão de multi-escala;
 Britaldo – utilização/modificação de Dinâmica; entender modelo
implementado no Vensim;
 IPEA - modelos econométricos;
 IAASA/LUC – arcabouço para modelagem integrada;
 CPTEC – mudanças climáticas; acoplamento com modelos de mudanças
climáticas e de vegetação.
Consideração final
 Objetivo Modelagem LUCC no Brasil:
 Mais do que agenda de mudanças globais, deve visar prover
subsídios para a definição e implantação de políticas públicas que
visem a sustentabildade e o bem estar da população, e que sejam
adequadas às realizadas locais e regionais.