instituto nacional de pesquisas da amazÔnia inpa · 2020. 3. 11. · a ocorrência de incêndios...
TRANSCRIPT
INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA – INPA
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS
DINÂMICA ESPACIAL DOS INCÊNDIOS FLORESTAIS EM AUTAZES,
AMAZONAS
MATEUS DOS REIS
Manaus, Amazonas
Abril, 2018
MATEUS DOS REIS
DINÂMICA ESPACIAL DOS INCÊNDIOS FLORESTAIS EM AUTAZES,
AMAZONAS
Orientador: Dr. PAULO MAURÍCIO LIMA DE ALENCASTRO GRAÇA
Dissertação apresentada ao Instituto
Nacional de Pesquisas da Amazônia como
parte dos requisitos para obtenção do
título de Mestre em Ciências de Florestas
Tropicais.
Manaus, Amazonas
Abril, 2018
ii
RELAÇÃO DA BANCA JULGADORA
Dr. Philip Martin Fearnside
(Instituto Nacional de Pesquisas da Amazônia)
Dr. Jochen Schongart
(Instituto Nacional de Pesquisas da Amazônia)
Dr. Luiz Antonio Cândido
(Instituto Nacional de Pesquisas da Amazônia)
iii
Sinopse:
A simulação dos incêndios florestais demonstrou que eventos extremos
de El Niño associados aos incêndios na Amazônia Central podem ter
grande impacto na perda de biomassa. As cicatrizes de incêndios
simuladas para o município de Autazes degradaram uma área florestal
muito superior ao desmatamento. No entanto, a maior parte da perda de
biomassa foi originada pelo desmatamento.
Palavras chave: Mudança de cobertura da terra, perda de carbono, secas
extremas, fogo, desmatamento.
iv
Agradecimentos
Ao Programa de Pós-Graduação em Ciências de Florestas Tropicais (CFT) do Instituto
Nacional de Pesquisas da Amazônia (INPA) pela oportunidade de cursar o mestrado.
Ao Dr. Paulo Maurício Lima de Alencastro Graça pela orientação e por todo o
conhecimento compartilhado.
À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) pela bolsa
de estudo e ao Instituto Nacional de Ciência e Tecnologia dos Serviços Ambientais (INCT-
SERVAMB) pelo suporte financeiro durante a fase de campo.
Aos companheiros de laboratório, Aurora Yanai, Camila Ramos e Leonardo Ziccardi
pelas conversas, ideias e ajuda durante a construção do projeto e nas prévias das apresentações.
À Ruth e ao Raimundo pelo suporte técnico na organização dos campos.
Aos amigos e colegas dos quais eu tive o prazer de conhecer e conviver durante esses
dois anos em Manaus um agradecimento especial pelas conversas e alegrias compartilhadas. À
Kauanna e ao Camilo um muito obrigado por me receberem na Amazônia e me adotarem no
primeiro mês em terras manauaras.
À toda a minha família que mesmo de longe me deram muita força e apoio.
v
Resumo
Os incêndios promovem grandes distúrbios às florestas na Amazônia. A sua causa está
relacionada à interação entre o clima e as mudanças de uso e cobertura do solo. Em anos de El
Niño, onde o clima fica mais seco e quente em algumas regiões da Amazônia como a central,
os incêndios atingem áreas extensas de florestas causando impactos ambientais, climáticos e
socioeconômicos. Entender como a dinâmica dos incêndios ocorre e sua relação com as
mudanças de cobertura do solo contribui para a mitigação dos seus efeitos. Uma ferramenta
muito útil nesse processo é a modelagem de dados espaciais, que através da simulação de
cenários futuros pode fornecer informações para o planejamento de políticas de prevenção.
Com isso, os objetivos deste trabalho foram mapear o histórico dos incêndios e do
desmatamento no município de Autazes, simular a ocorrência destes distúrbios com base no
histórico para 10 anos a partir de 2015 em um cenário hipotético e estimar a perda de biomassa
nas áreas simuladas. O mapeamento das cicatrizes de incêndios foi realizado a partir da
interpretação visual, utilizando imagens dos satélites Landsat e Resourcesat. Os dados do
desmatamento foram obtidos do Programa de Monitoramento da Floresta Amazônica Brasileira
por Satélite (PRODES). As simulações foram realizadas utilizando modelos de dinâmica
espacial estruturados no software DINAMICA EGO. A estimativa da perda de biomassa
estimada através da multiplicação da área simulada do desmatamento e dos incêndios pela
densidade de biomassa florestal, no caso dos incêndios foi realizada ainda uma multiplicação
por um fator de mortalidade das árvores. Vimos que em 30 anos os incêndios ocorreram em
1997/98 e 2015/16 anos de fortes eventos de El Niños, além de 2009/10 onde o evento foi
menos intenso. A área simulada de incêndios foi aproximadamente 85% maior do que a
desmatada. A perda de biomassa foi de aproximadamente 4.066 Gg para o desmatamento e de
aproximadamente 903 Gg para os incêndios. Assim podemos concluir que eventos extremos de
EL Niño associados aos incêndios podem ter grande impacto nas perdas de biomassa. Os
incêndios observados em Autazes degradaram uma área florestal muito superior ao
desmatamento. No entanto, a maior parte da perda de biomassa foi originada pelo
desmatamento.
vi
Abstract
Wildfires cause great disturbance in the Amazonian forests. Their occurrence results from an
interaction between climatic conditions and land-use and land-cover change. In El Niño years,
the climate becomes drier and hotter in some parts of the Amazon region, such as central
Amazonia, and wildfires affect large areas of forest causing environmental, climatic and
socioeconomic impacts. Understanding of wildfire dynamics and their relationship with land-
cover change is important for mitigating wildfire effects. A useful tool in this process is
dynamic modeling of spatial data, which, through simulation of future scenarios, can provide
information for planning of prevention policies. The goals of this research were to map fire
scars and deforestation over a period of 31 years in the municipality (county) of Autazes (in
central Amazonia), to simulate the occurrence of these disturbances over the 2015-2025 period
based on the historical data, and to estimate the loss of biomass caused by these disturbances.
Mapping of fire scars was done visually using Landsat and Resourcesat images. Data on
deforestation were obtained from INPE/PRODES. The simulations were performed using
spatial-dynamics models in DINAMICA-EGO software. Biomass loss was estimated by
multiplying the simulated areas of deforestation by the biomass densities of the impacted forests
and, in the case of biomass losses from wildfire, the simulated area of fire scars was by
multiplied both biomass and a tree-mortality factor. Forest fires occurred only in 1997/98 and
2015/16, which were years of strong El Niño, besides 2009/10 that was less strong that the
others. The simulated area of wildfires was approximately 85% greater than the deforestation
area. Total simulated biomass loss was approximately 4.066 Gg from deforestation and
approximately 903 Gg from wildfire. We conclude that forest fires in Autazes are related to
strong El Niño events and that wildfire is responsible for degrading a larger area than
deforestation, although biomass loss is mainly from deforestation.
vii
Sumário
Apresentação ................................................................................................................... 1
Objetivos ......................................................................................................................... 3
Capítulo 1 ........................................................................................................................ 4
RESUMO ........................................................................................................................ 6
INTRODUÇÃO .............................................................................................................. 7
MATERIAL E MÉTODOS ............................................................................................ 8
RESULTADOS ............................................................................................................ 15
DISCUSSÃO ................................................................................................................ 27
CONCLUSÃO .............................................................................................................. 33
AGRADECIMENTOS ................................................................................................. 34
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 34
Conclusão ..................................................................................................................... 39
Referências bibliográficas ............................................................................................ 40
viii
Lista de Figuras
Figura 1: Regiões definidas para o município de Autazes com base na densidade do
desmatamento. .......................................................................................................................... 13
Figura 2: Cicatrizes de incêndio mapeadas. ............................................................................. 16
Figura 3: Histórico de ocorrência de focos de calor em Autazes-AM; as barras sólidas
representam focos de calor em anos normais, sem ocorrência de incêndios florestais e barras
hachuradas anos com ocorrência de incêndios florestais. ........................................................ 17
Figura 4: Máximo déficit hídrico acumulado para os anos que ocorreram incêndios. ............. 18
Figura 5: Histórico do desmatamento em Autazes- AM. ......................................................... 19
Figura 6: Pesos de Evidências calculados para a região 1 no modelo de desmatamento. ........ 21
Figura 7: Pesos de Evidência calculados para a região 2 do modelo de desmatamento. ......... 22
Figura 8: Pesos de Evidência calculados para a região 3 do modelo de desmatamento. ......... 23
Figura 9: Pesos de Evidência para o modelo de simulação das cicatrizes de incêndio. ........... 24
Figura 10: a) Mapa de probabilidade de ocorrência do desmatamento, b) Mapa de probabilidade
de ocorrência de cicatrizes de incêndio. ................................................................................... 25
Figura 11: Desmatamento simulado de 2015 até 2025. ........................................................... 26
Figura 12: Cicatrizes de incêndio simuladas para a paisagem de 2025.................................... 27
1
Apresentação
Os incêndios que atingem a floresta Amazônica alteram sua estrutura, composição e
promovem a perda de biomassa (Cardoso et al. 2003; Cochrane e Schulze 1999; Guild et al.
1998). Estes incêndios são tipicamente rasteiros e percorrem o sub-bosque da floresta
provocando a mortalidade desde plântulas até indivíduos arbóreos (Ivanauskas et al. 2003;
Balch et al. 2011). Além disso, são responsáveis pela emissão de grandes quantidades de gases
do efeito estufa para a atmosfera (Barbosa e Fearnside 1999).
A ocorrência de incêndios na Amazônia está associada às condições do clima e das
alterações no uso e cobertura do solo (Aragão et al. 2008). Em anos com a média normal das
chuvas as florestas geralmente são resistentes ao fogo devido a elevada umidade do material
combustível (Uhl e Kauffman 1990). Por outro lado, a redução da quantidade de chuva que
ocorre durante as secas extremas tornam as florestas mais suscetíveis aos incêndios (Nepstad et
al. 2004). Tais secas são causadas na Amazônia por dois eventos, a Oscilação Multidecadal do
Atlântico (OMA) e o El Niño, atuando sobre diferentes regiões (Aragão et al. 2007).
Em Roraima, durante o El Niño de 1997/98, uma área entre 11.394 e 13.928 km² foi
incendiada (Barbosa e Fearnside 1999). No mesmo período, no leste e sudeste da Amazônia,
26.000 km² foram atingidos, um total 14 vezes maior do que o registrado em 1995 (Alencar et
al. 2006), também ano de El Niño. Além disso, as emissões de carbono por incêndios florestais
durante o El Niño são elevadas, alcançando 0,094 (± 0,070) Pg C (Alencar et al. 2006). Em
2005, foram observados, somente nos municípios de Boca do Acre (AM) e Lábrea (AM), 865,6
km² de florestas incendiadas (Vasconcelos et al. 2013). A seca extrema deste ano foi atribuída
ao OMA (Marengo et al. 2008).
O fogo normalmente atinge a floresta a partir de queimadas realizadas para converter a
floresta em agricultura ou pastagem e para controlar ervas daninha, porém quase sempre fogem
das fronteiras de interesse (Nepstad et al. 1999). Além disso, com a construção de novas
estradas, áreas remotas de floresta são acessadas para expandir a agricultura de corte e queima,
exploração florestal e pecuária, consequentemente causando um aumento nas condições
potenciais à ocorrência dos incêndios (Nepstad et al.2001; Barni et al.2015).
Embora a grande maioria dos incêndios na Amazônia esteja localizada no arco do
desmatamento devido à grande pressão antrópica na região (Morton et al. 2013), um aumento
de incêndios pode ser esperado para a região central em decorrência do aumento do
desmatamento. Simulações mostraram um aumento na taxa de desmatamento (Barni et al.
2
2014), bem como um aumento substancial da probabilidade de ocorrência de incêndios em áreas
de maior resistência ao fogo (Silvestrini et al. 2011), em decorrência da reconstrução da BR-
319 (Manaus-Porto Velho).
O efeito da construção da BR-319 sobre o desmatamento não é restrito a rodovia
principal, mas também a uma série de estradas secundárias que a conectará com os municípios
da região do interflúvio Purus-Madeira (Fearnside e Graça 2006). Entre a foz do rio Purus e a
foz do rio Madeira, foram observados em imagens de satélite de 1999, um padrão espectral de
dossel de árvores mortas, que sugerem a ocorrência de fogo rasteiro que atingiu 1.030 km² de
florestas, durante o El Niño de 1997/98 (Nelson 2001).
Entender o comportamento do fogo e simular a dinâmica dos incêndios ao longo do
tempo utilizando modelos espaciais é fundamental para a mitigação dos seus efeitos. Estudos
anteriores simularam a ocorrência dos incêndios na Amazônia (Cardoso et al. 2003; Silvestrini
et al. 2011; Soares-Filho et al. 2012). Os modelos que abrangem a Amazônia como um todo,
normalmente tem uma resolução espacial menor, não sendo possível detalhar as características
do comportamento do fogo em uma determinada região. Tais modelos utilizam como dados de
entrada características da paisagem e condições climáticas, porém variáveis climáticas são
difíceis de serem obtidas para áreas mais específicas na Amazônia, comprometendo assim sua
aplicação. O estudo de Morales et al. (2015) mostrou que modelos simples são capazes de
reproduzir satisfatoriamente o espalhamento do fogo, considerando somente a topografia, o tipo
do material combustível e a direção predominante dos ventos.
O intuito deste trabalho é mapear o histórico dos incêndios florestais e estimar a área
atingida no período de 1985 a 2015 em Autazes-Amazonas. A partir deste histórico, simular a
ocorrência de futuros incêndios na região utilizando um modelo espacial dinâmico de
espalhamento do fogo considerando variáveis biofísicas da paisagem e estimar a perda potencial
de biomassa. Autazes é um dos municípios localizado entre os rios Purus e Madeira sob
influência da rodovia BR-319, que poderá desencadear com a sua reconstrução um aumento no
desmatamento, tornando a região mais favorável à ocorrência de incêndios.
3
Objetivos
Objetivo geral
Estudar a dinâmica espaço-temporal do desmatamento e dos incêndios florestais, assim
como, avaliar a perda potencial de biomassa numa floresta tropical da Amazônia Central.
Objetivos específicos
1. Analisar a dinâmica espaço-temporal dos incêndios florestais e do desmatamento em
Autazes-AM.
2. Simular o desmatamento e as cicatrizes de incêndio com base no histórico de Autazes-
AM.
3. Estimar a perda potencial de biomassa pelo desmatamento e pelos incêndios florestais
no período simulado.
4
Capítulo 1
Reis, M.; Graça, P. M. L. A. 2018. Dinâmica espacial dos
incêndios florestais em Autazes, Amazonas. Manuscrito
formatado para a revista Acta Amazonica.
5
Dinâmica espacial dos incêndios florestais em Autazes, Amazonas
Mateus dos REIS 1*; Paulo Maurício Lima de Alencastro GRAÇA 2
1 Programa de Pós Graduação em Ciências de Florestas Tropicais, Instituto Nacional de
Pesquisas Amazônia
2 Instituto Nacional de Pesquisas Amazônia
* Autor correspondente: [email protected]
1 2Av. André Araújo, 2936 - Petrópolis, Manaus - AM, 69067-375
6
RESUMO
Os incêndios florestais são responsáveis por grandes impactos na Amazônia. Sua ocorrência se
dá pela interação entre o clima e as mudanças de uso e cobertura do solo. Esses incêndios podem
se intensificar em regiões onde a ocorrência era rara, com o possível aumento na frequência de
eventos de seca extrema. Entender a dinâmica da ocorrência de incêndios e sua relação com as
mudanças na cobertura do solo são importantes para auxiliar medidas mitigatórias. Com isso
os objetivos deste trabalho foram; mapear os incêndios e o desmatamento em Autazes no
período de 1985 a 2015; simular a ocorrência futura destes eventos com base na taxa histórica
observada; estimar a redução do estoque de biomassa nas áreas afetadas pelos incêndios e
desmatamentos simulados. Observamos que em 30 anos os incêndios ocorreram em 1997/98 e
2015/16 anos de El Niño de forte intensidade, além de 2009/10 que foi menos intenso que os
demais. O desmatamento apresentou uma tendência de queda neste mesmo período. A área de
incêndio foi 85% maior do que a desmatada ao final da simulação. A perda total de biomassa
foi de aproximadamente 4.066 Gg para o desmatamento e de aproximadamente 903 Gg para os
incêndios. Assim podemos concluir que os incêndios em Autazes que ocorrem associados aos
eventos de El Niño de extrema intensidade, degradam uma área florestal muito superior ao
desmatamento. No entanto, a maior contribuição da perda potencial de biomassa é por meio do
desmatamento.
Palavras chave: Mudança de cobertura da terra, perda de carbono, secas extremas,
desmatamento.
7
INTRODUÇÃO
Nas últimas décadas os incêndios florestais atingiram milhares de hectares de floresta
na Amazônia, sendo responsáveis pela emissão de grandes quantidades de carbono para a
atmosfera e por perdas no estoque de biomassa (Barbosa e Fearnside 1999; Vasconcelos et al.
2013; Fonseca et al. 2017). Além disso, os incêndios promovem importantes impactos à saúde,
prejuízos econômicos e ameaça à biodiversidade (Cochrane e Schulze 1999; Mendonça et al.
2004; Andrade Filho et al. 2017). Um aumento na ocorrência dos incêndios na Amazônia
agravaria ainda mais o cenário e comprometeria políticas que buscam reduzir a contribuição
antrópica sobre a mudança no clima (Aragão e Shimabukuro 2010; Silvestrini et al. 2011).
A ocorrência dos incêndios florestais na Amazônia está associada a dois principais
fatores, a mudança no uso e cobertura do solo e os eventos de seca extrema que tornam as
florestas inflamáveis, potencializando os impactos do fogo (Alencar et al. 2006; Cano-Crespo
et al. 2015). A causa das secas extremas é atribuída à Oscilação Multidecadal do Atlântico e ao
El Niño, porém tais eventos impactam diferentes regiões da Amazônia, sendo aquelas da região
central provocadas por este último (Aragão et al. 2007). A principal fonte de ignição para os
incêndios na Amazônia é proveniente do desmatamento, pela prática da agricultura de corte e
queima. Porém, ao longo dos anos essa relação com os incêndios florestais se tornou fraca, na
qual a redução do desmatamento não implicou na redução das áreas incendiadas (Aragão et al.
2018; Aragão e Shimabukuro 2010; Tasker e Arima 2016). Isto se deve ao fato do fogo ser
amplamente utilizado na manutenção de pastos e nas áreas de agricultura, que quando foge do
controle avançam para as florestas subjacentes, alcançando grandes extensões nos anos de seca
extrema (Nepstad et al. 1999). Além disso, as áreas de florestas secundárias que passam por
processo de corte e queima também são fontes de ignição, sendo que estas não são consideradas
como novos desmatamentos pelo PRODES (Aragão et al. 2018; Fearnside et al. 2007).
Durante o El Niño de 1997/98 entre a foz dos rios Madeira e Purus, aproximadamente
1.000 km² de florestas foram atingidas por incêndio (Nelson 2001). As florestas de terra firme
da região central detém uma das maiores densidades de biomassa arbórea da Amazônia
(Nogueira et al. 2015). Ou seja, o potencial de perda de carbono tanto pelos incêndios quanto
pelo desmatamento é alto. Entender a dinâmica do desmatamento e dos incêndios nessa região
é de grande importância para subsidiar políticas que visam mitigar seus impactos. Sendo assim,
modelos de dinâmica espacial da paisagem se tornam fundamentais para a simulação das
mudanças na cobertura do solo (Silvestrini et al. 2011; Barni et al. 2015). Com base nisso, os
objetivos deste trabalho foram: (i) Analisar a dinâmica espaço-temporal dos incêndios florestais
8
e do desmatamento em Autazes-AM; (ii) Simular o desmatamento e as cicatrizes de incêndio
com base no histórico de Autazes-AM; (iii) Estimar a perda potencial de biomassa pelo
desmatamento e pelos incêndios florestais no período simulado.
MATERIAL E MÉTODOS
Área de estudo
A área de estudo compreende o município de Autazes pertencente ao estado do
Amazonas (3°43'21,19" S, 59°33'51,25" O), situado entre os rios Madeira, Amazonas, Solimões
e Baixo Purus 1. Tem como principal rodovia a AM-254 que se conecta a BR-319 (Manaus-
Porto Velho) no km 18, interligando o município à capital Manaus. O município tem uma área
total de 763.226 ha. Autazes é o maior produtor de leite e queijo do Estado quando somada a
produção de bovinos e bubalinos, sendo que no caso deste último, o município detém o maior
rebanho do Amazonas e fica em nono lugar no ranking estadual de rebanho bovino (Almudi e
Pinheiro 2015). A precipitação pluviométrica anual varia entre 2000 e 2400 mm, com três meses
consecutivos de precipitação abaixo dos 100 mm (Sombroek 2009).
Mapeamento dos incêndios
O mapeamento dos incêndios florestais foi realizado por meio da interpretação visual
de imagens obtidas pelos sensores TM - Landsat 5, OLI - Landsat 8 e LISS III - Resourcesat-
1, para uma série temporal de 31 anos (1985-2015), com uma escala de 1:15.000. Todas as
imagens estavam em projeção UTM (Universal Transversa de Mercator), na zona 21 Sul, em
valores de refletância de superfície. Para cobrir toda a extensão do município foram necessárias
três cenas dos satélites Landsat e quatro cenas do Resoursesat-1 (Tabela 1). Foi selecionada
anualmente uma imagem por cena, que estivesse entre os meses de junho e setembro,
considerado o período de seca na região e que apresentasse a menor cobertura de nuvens
possível.
Tabela 1: Descrição dos dados de aquisição das imagens de satélite.
Satélite/sensor Ano das imagens Órbita/ponto
Landsat 5/ TM 1985-2009 e 2011 230/62, 230/63 e 231/63
Landsat 8/ OLI 2013-2015 230/62, 230/63 e 231/63
Resourcesat-1/ LISS-III 2010 e 2012 314/78, 314/79, 315/78 e 315/79
1 http://cidades.ibge.gov.br/painel/historico
9
Para identificar as áreas de florestas incendiadas utilizamos uma composição colorida
das bandas do infravermelho médio (SWIR), infravermelho próximo (NIR) e vermelho (Red),
respectivamente nos canais do vermelho (R), verde (G) e azul (B). Esta composição
proporciona um contraste de cores entre as áreas de floresta não afetada pelo fogo (verde)
daquelas afetadas (magenta). O realce em vermelho da floresta afetada nessa composição de
bandas ocorre porque as folhas e os galhos secos, resultantes da mortalidade das árvores
causada pelo incêndio, refletem mais na faixa espectral SWIR por conter menos teor de
umidade do que a floresta intacta. Parte da radiação do SWIR é absorvida pela água, reduzindo
a emissão da radiação dos alvos com elevado teor de umidade (Ponzoni et al. 2012).
Como as cicatrizes podem levar até um ano para serem detectadas nas imagens, isto
devido a mortalidade lenta das árvores de maior porte, as cicatrizes dos incêndios que ocorreram
em um determinado ano, foram detectadas nas imagens do ano subsequente. Nesse caso, sempre
que uma cicatriz de incêndio foi mapeada, ela era atribuída ao ano anterior (Vasconcelos et al.
2013). Para ajudar na delimitação das cicatrizes utilizamos também imagens com valores do
dNBR (delta Normalized Burn Ratio). O dNBR é uma técnica de detecção de mudanças a partir
da subtração das imagens NBR antes e depois do incêndio. O NBR (Normalized Burn Ratio) é
um índice determinado pela razão entre a diferença das bandas do NIR e SWIR 2 e a sua soma
(Equação 1). Este índice é utilizado no mapeamento de incêndios, pois realça as áreas de
florestas que foram afetadas pelo fogo.
𝑵𝑩𝑹 =
𝑵𝑰𝑹 − 𝑺𝑾𝑰𝑹 𝟐
𝑵𝑰𝑹 + 𝑺𝑾𝑰𝑹 𝟐
(1)
Todas as imagens Landsat, assim como os índices NBR referentes a cada uma de suas
cenas, foram obtidas na plataforma ESPA (Center Science Processing Architecture) do Serviço
Geológico dos Estados Unidos (USGS). As imagens do Resourcesat-1 foram adquiridas do
Instituto Nacional de Pesquisas Espaciais (INPE).
O mapeamento das cicatrizes de incêndio foi validado a partir do registro em campo de
pontos de GPS (Geographic Positioning System) das áreas de incêndios florestais e de áreas de
florestas intactas não afetadas pelo fogo. A avaliação da exatidão global do mapeamento foi
0,80, considerada muito boa de acordo com Landis e Koch (1977).
10
Utilizamos os dados de focos de calor do período de 1998 até 2015 para avaliar as
possíveis fontes de ignição e sua relação com os incêndios florestais. Os dados estão disponíveis
na plataforma QUEIMADAS do INPE 2.
Cálculo do máximo déficit hídrico acumulado
Para avaliarmos as condições climáticas da floresta utilizamos o máximo déficit hídrico
acumulado (MDHA). Esta variável é calculada com base na diferença entre a precipitação e a
evapotranspiração da floresta e pode ser utilizada para expressar a severidade da seca. O cálculo
foi realizado de acordo com Aragão et al. (2007) e Saatchi et al. (2013) (Equações 2, 3 e 4).
Se 𝑫𝑯𝒏−𝟏 − 𝑬𝒏 + 𝑷𝒏 < 𝟎 ; (2)
Então, 𝑫𝑯𝑨𝒏 = 𝑫𝑯𝒏−𝟏 − 𝑬𝒏 + 𝑷𝒏 < 𝟎 ; (3)
Se não 𝑫𝑯𝒏 = 𝟎 (4)
Onde, DH é o déficit hídrico mensal quando a evapotranspiração é maior que a
precipitação. E é a evapotranspiração da floresta, considerada 100 mm por mês e P a
precipitação mensal. DHA é o déficit hídrico acumulado e corresponde a soma dos DH
consecutivos. Para avaliar a severidade da seca anualmente, selecionamos o mês cujo o valor
de DHA é o maior no ano (MDHA). Os dados de precipitação foram obtidos da estação
pluviométrica 00359004 da Agência Nacional de Águas (ANA), localizada no município de
Autazes. Estes dados podem ser obtidos gratuitamente através da plataforma online Hidroweb.
Dados de desmatamento
Os dados do desmatamento anual foram oriundos do Programa de Monitoramento da
Floresta Amazônica Brasileira por Satélite (PRODES), disponibilizado pelo Instituto Nacional
de Pesquisas Espaciais (INPE). A série histórica utilizada foi de 2000 até 2015. Os polígonos
de desmatamento menores que 6,25 ha foram excluídos das análises, por ser este o tamanho
mínimo da área desmatada detectada pelo PRODES. Os polígonos foram classificados de
acordo com o local onde estavam situados, se sobre influência de rios ou de estradas.
2 http://www.inpe.br/queimadas/portal
11
Cenário hipotético para simulação dos incêndios
Para simularmos a dinâmica espacial dos incêndios florestais a partir do
desenvolvimento de um modelo que utilize as variáveis biofísicas da paisagem, primeiramente
simulamos a ocorrência do desmatamento no município. O desmatamento é a principal fonte
de ignição dos incêndios na Amazônia, uma vez que o fogo é muito utilizado tanto na abertura
de novas áreas quanto para a manutenção das áreas já existentes utilizadas na agropecuária
(Nepstad et al. 1999). Sendo assim, considerando aqui as áreas desmatadas já consolidadas,
bem como a abertura de novas áreas como fontes de ignição para os incêndios, simulamos o
desmatamento para 10 anos e uma ocorrência de incêndio utilizando a paisagem simulada do
desmatamento como referência.
Estrutura dos modelos
Os modelos foram desenvolvidos no software DINAMICA EGO 3.0.12.0 disponível
gratuitamente em http://csr.ufmg.br/dinamica/. O DINAMICA EGO utiliza um sistema de
autômato celular composto por quatro elementos: célula, atributo, vizinhança e regras de
transição. O atributo de uma célula pode mudar de acordo com regras de transição em função
dos atributos de sua vizinhança (Jacob et al. 2008).
As simulações se baseiam em quatro perguntas: Quanto? Onde? Como? Quando?
Sendo cada uma delas controlada por um parâmetro do modelo. A quantidade de células que
alteram seu atributo depende da taxa de transição fornecida. Os locais onde são alocadas as
transições se baseiam em um mapa de probabilidade calculado pelo modelo a partir dos pesos
de evidência (Bonham-Carter et al. 1989). O DINAMICA EGO possui as funções de transição
chamadas de expander, que promove a expansão de um conjunto de células, e o patcher,
responsável por criar novos conjuntos. A ocorrência no tempo de um determinado fenômeno
na simulação está relacionada às iterações do modelo (Soares-Filho et al. 2009).
Cálculo dos pesos de evidência
O peso de evidência é uma estatística bayesiana que busca determinar a probabilidade
de um evento ocorrer dado os fatores de evidência (Bonham-Carter et al. 1989). Os pesos são
calculados levando em conta um conjunto de varáveis ditas estáticas, por não se alterarem
durante o tempo de simulação. Este conjunto é composto pelos mapas de altitude e declividade
(Shuttle Radar Topographic Mission - SRTM), estradas (mapeamento visual), hidrologia
(extraída do PRODES), vegetação e solos (Instituto Brasileiro de Geografia e Estatística -
12
IBGE), assentamentos rurais (Instituto Nacional de Colonização e Reforma Agrária - INCRA),
terras indígenas (Fundação Nacional do Índio - FUNAI) e dos incêndios florestais de 2009
(mapeamento visual), que foi o evento anterior a 2015, ano utilizado como referência para as
simulações.
O método dos pesos de evidência apresenta apenas uma premissa, que os mapas de
entrada sejam espacialmente independentes. Caso apresentem dependência, um dos mapas deve
ser excluído ou então, os dois podem ser unidos, substituindo o par de mapas (Soares-Filho et
al. 2009). Dentre os testes que o DINAMICA EGO realiza, foram utilizados para verificar a
dependência os testes de Cramer e de Joint Information Uncertaint. Quando apresentaram
valores superiores a 0,5, o par de variáveis apresentam maior dependência espacial (Agterberg
e Bonham-Carter 2005). Este limiar foi utilizado por (Yanai et al. 2012) para avaliar a
dependência entre variáveis que influenciam no desmatamento. No caso deste trabalho, as
variáveis não apresentaram dependência espacial.
O DINAMICA EGO dispõe de um submodelo para o cálculo dos pesos de evidência.
Os arquivos foram determinados separadamente para cada transição, um para o modelo de
desmatamento e outro para o modelo de cicatrizes de incêndio, porém utilizando o mesmo
conjunto de variáveis estáticas. Os arquivos de pesos de evidências foram depois adicionados
dentro dos modelos de simulação onde foram gerados os mapas de probabilidades de ocorrência
de cada evento.
Simulação do desmatamento
Para simular o desmatamento utilizamos o modelo AGROECO (Fearnside et al. 2009).
Diferente de sua forma original, para este trabalho o AGROECO foi modificado de maneira
que a simulação do desmatamento fosse realizada para diferentes regiões do município, com o
objetivo de melhor representar espacialmente o padrão do desmatamento, esta mesma
metodologia foi utilizada por Roriz et al. (2017). Estas regiões foram definidas conforme a
densidade do desmatamento realizado durante os anos de 2013 e 2015. Primeiramente
definimos um buffer de 3 km no entorno dos desmatamentos e dentro desta área foi então
calculada a densidade de Kernel dos centroides de cada polígono. As regiões foram
classificadas em alta densidade, baixa densidade e média densidade de desmatamento (Figura
1).
13
Figura 1: Regiões definidas para o município de Autazes com base na densidade do
desmatamento.
As variáveis de entrada do modelo de desmatamento foram o conjunto de variáveis
estáticas, a paisagem do ano de 2015, obtido do PRODES contendo as seguintes classes: 1-
desmatamento, 2- florestas, 3- hidrografia; o mapa das regiões e o das estradas consolidadas até
2015. Todos esses mapas foram redimensionados para uma resolução de 60 m. Além disso,
também foi inserido os arquivos dos pesos de evidência referente ao desmatamento.
A regra de transição foi da classe floresta para desmatamento. A taxa de desmatamento
anual foi calculada (Equação 5) independente para cada região (Tabela 2), tomando por base o
intervalo de 2013 a 2015. Estes valores são atualizados a cada iteração do modelo, uma vez que
no entorno de cada nova área desmatada, é criado um buffer de 2 km, agregando novas áreas
de florestas consideradas suscetíveis ao desmatamento. A partir da paisagem de 2015,
simulamos então o desmatamento para 10 anos, ou seja, até 2025.
14
𝑻𝑫𝑨 =
𝑨𝑫𝒏 − 𝑨𝑫𝒏−𝟏
𝑨𝑭𝒏−𝟏 (5)
Onde TDA é a taxa de desmatamento anual, AD é a área desmatada acumulada e AF a
área de floresta.
Simulação das cicatrizes de incêndios
O modelo para a simulação das cicatrizes de incêndio foi desenvolvido utilizando como
base a estrutura do modelo de mudança do uso e cobertura do solo apresentado em Soares-filho
et al. (2009), para o DINAMICA EGO. Nesse caso, o município não foi dividido em regiões e
a simulação foi feita considerando a área como um todo. Utilizamos como entrada do modelo
o conjunto de mapas estáticos e a paisagem final simulada pelo AGROECO para 10 anos e o
arquivo de pesos de evidência determinado para os incêndios.
A transição considerada foi da classe floresta para cicatriz de incêndio. A taxa dos
incêndios foi determinada com base no histórico do município e consistiu da proporção de
floresta que incendiou em relação ao total de floresta. Calculamos a taxa para os anos de
ocorrência de cicatrizes de incêndios e depois determinamos a média, além disso, refinamos os
valores da taxa manualmente de maneira a obter o menor erro de estimativa em área possível.
Como os incêndios não ocorrem de maneira cumulativa como o desmatamento, não foi utilizada
a função de transição expander e a taxa toda foi direcionada apenas para o patcher, criando
manchas de incêndio independente de outras ocorrências anteriores.
Calibração e validação dos modelos
Para calibrar os parâmetros do AGROECO, fizemos primeiramente uma simulação para
o período de 2013 a 2015 e comparamos a paisagem final simulada (2015), com a paisagem
real para o mesmo ano. Por sua vez, para o modelo de incêndio utilizamos como entrada o mapa
da paisagem de 2015 e simulamos para este mesmo ano as áreas afetadas pelos incêndios. Os
valores das taxas de desmatamento, taxa de incêndio, pesos de evidência, expander e patcher
foram ajustados de maneira que o mapa simulado apresentasse a maior compatibilidade possível
com o mapa de referência (PRODES), tanto em área quanto em distribuição espacial. O erro da
estimativa de área foi determinado comparando a quantidade de desmatamento do período
obtida pelo PRODES, com a simulada em hectares.
15
A validação dos modelos no DINAMICA EGO é realizada por um modelo que utiliza
lógica fuzzy e emprega uma função de decaimento constante dentro de um tamanho de janela
variável. Esse método compara a concordância espacial entre o mapa de referência e o mapa
simulado. Dentro de uma janela, se o número de células tanto do mapa de referência e do
simulado forem iguais, é dado o valor 1, que representa um alto ajuste, independente das suas
localizações (Soares-Filho et al. 2009).
Com o objetivo de validar o mapa de probabilidade gerado pelos modelos, utilizamos o
método ROC (Relative Operating Characteristic). Este método compara o mapa de
probabilidade com o mapa de referência dos eventos de desmatamento e incêndios, gerando um
índice que quanto mais alto, maior a concordância entre as áreas de maior probabilidade do
evento ocorrer e onde eles ocorreram de fato (Pontius e Schneider 2001; Silvestrini et al. 2011;
Mas et al. 2013). Para os mapas de probabilidade do desmatamento a validação foi realizada
por região.
Estimativa do potencial de perda de biomassa da floresta
A perda potencial de biomassa pelo desmatamento consistiu em multiplicar a área
desmatada simulada para o ano de 2025 pela quantidade de biomassa estimada por Lopes et al.
2019, para uma floresta de terra firme em Autazes, de aproximadamente 223 Mg.ha-1. Por sua
vez para os incêndios, a estimativa foi realizada multiplicando os valores de biomassa acima
do solo pela área de cicatrizes simuladas e por uma taxa de mortalidade média das árvores para
3 anos, provocadas em decorrência dos incêndios de 12% (Lopes et al. 2019).
RESULTADOS
Histórico dos incêndios
Dos 31 anos analisados somente 1997, 2009, e 2015 tiveram incêndios florestais no
município (Figura 2), com uma área atingida de 45.724,2 ha, 9.431,8 ha e 28.170,5 ha
respectivamente, o que corresponde a aproximadamente a 9%, 2% e 6% da cobertura florestal
do município. O total acumulado das áreas que incendiaram somente uma vez foi 67.282 ha,
duas vezes 14.316 ha e três vezes 1.729 ha. O padrão espacial dos incêndios variou, no entanto,
podemos observar que a região mais a norte do município foi atingida pelo fogo em todos os
anos que ocorrêramos incêndios florestais. Ao contrário de 1997 e 2009, os incêndios em 2015
se espalharam mais em todo o município, principalmente associado ao principal curso d`água
que corta longitudinalmente o município.
16
Figura 2: Cicatrizes de incêndio mapeadas.
Ao longo de todo o período histórico ocorreram focos de calor na área, porém na última
década houve um aumento, com o valor máximo atingido em 2015 de 300 focos, enquanto que
em 2004 somente um foco foi detectado pelo satélite. Apesar de serem observados focos de
calor durante os anos normais, não foram observadas nas imagens a ocorrência de cicatrizes de
incêndio (Figura 3).
17
Figura 3: Histórico de ocorrência de focos de calor em Autazes-AM; as barras sólidas
representam focos de calor em anos normais, sem ocorrência de incêndios florestais e barras
hachuradas anos com ocorrência de incêndios florestais.
Máximo déficit hídrico acumulado
Na série histórica analisada de 19 anos, 1997, 2009 e 2015 foram os anos que
apresentaram os maiores valores de máximo déficit hídrico acumulado, sendo respectivamente
os valores -327,8 mm, -263,3 mm e -339,2 mm (Figura 4).
18
Figura 4: Máximo déficit hídrico acumulado para os anos que ocorreram incêndios.
Histórico do desmatamento
O desmatamento total acumulado até 2015 no município é de 131.133 ha,
aproximadamente 17% da área do município. O total de floresta removida em 2000 era de
aproximadamente 5.500 ha e apresentou uma redução continuada, chegando a 550 ha em 2010.
Porém, a partir deste ano uma leve tendência de aumento pode ser observada atingindo em 2015
aproximadamente 2.350 ha (Figura 5). De acordo com a nossa classificação dos polígonos de
desmatamento, entre 2000 e 2015, aproximadamente 28.009 ha (79%) dos desmatamentos se
encontram nas margens dos rios, enquanto que 7.281 ha (21%) se concentram no entorno das
estradas. Do total desmatado nos cinco anos subsequentes aos incêndios, 24% em 1997/98 e
5% em 2009/2010 estavam em áreas de cicatrizes.
19
Figura 5: Histórico do desmatamento em Autazes- AM.
Ajuste do modelo de desmatamento
Os valores das taxas de desmatamento utilizadas no modelo estão apresentados na
Tabela 2. O erro da estimativa do desmatamento por região e para a área como um todo estão
na Tabela 3. O ajuste do AGROECO atingiu 50% de similaridade máxima e mínima a partir de
uma janela de 25 e 31 células respectivamente, ou seja, em uma área de 225 ha e 346 ha. Os
valores do teste de ROC para cada região foram de 67% (alta densidade), 79% (baixa
densidade), 83% (média densidade).
Tabela 2: Taxas de desmatamento regionalizadas utilizados nas simulações.
Taxas de desmatamento por região
Alta densidade 0,0190
Baixa densidade 0,0009
Média densidade 0,0090
20
Tabela 3: Erro da estimativa do desmatamento em hectares.
Região Desmatamento
real em 2015 (ha)
Desmatamento
simulado para 2015 (ha) Erro (%)
Alta densidade 35.421,8 35.647,2 0,63
Baixa densidade 66.462,8 65.808,0 -0,98
Média densidade 29.197,0 29.045,8 -0,51
Área total 131.081,6 130.501,0 -0,44
Ajuste do modelo de simulação das cicatrizes de incêndio
O valor da taxa de incêndio utilizado no modelo para simulação das cicatrizes de
incêndio foi 0,0726. O modelo atingiu 50% de ajuste em uma janela de 47 para similaridade
máxima e 77 para similaridade mínima, que corresponde a uma área de 795 ha e 2.134 ha
respectivamente. O mapa de probabilidade apresentou um valor de ROC de 82%.
Pesos de evidência e mapas de probabilidade
As tendências de cada variável considerada neste estudo como aquelas de grande
influência sobre a ocorrência tanto do desmatamento quanto dos incêndios, podem ser
observadas abaixo (Figura 6, Figura 7, Figura 8 e Figura 9).
Em todas as regiões consideradas no modelo de simulação do desmatamento, o
comportamento do peso de evidência em relação a distância ao desmatamento já existente na
área foi o mesmo, onde os valores foram maiores quanto mais próximo ao desmatamento,
decaindo conforme se distancia. Por outro lado, para a declividade o comportamento foi ao
contrário, aumentando os valores de pesos com o aumento dos intervalos de declividade.
Distância a hidrografia e altitude tiveram comportamentos semelhantes, um aumento seguido
de uma queda, apresentando valores positivos de pesos somente em uma determinada faixa.
No caso dos solos os valores variaram entre as três regiões de acordo com cada tipo.
Para as diferentes formações florestais as regiões 1 e 2 se diferenciaram da região 3. O mesmo
aconteceu para as terras indígenas, em que nas regiões 1 e 2 a presença destas fizeram que os
pesos apresentassem valores negativos, enquanto que na região dois foi o contrário. O mesmo
comportamento ocorreu com a presença de áreas de cicatrizes de incêndio nas regiões. Os
assentamentos só foram presentes nas regiões 1 e 3 e tiveram o mesmo resultado, com valores
de pesos positivos na ausência dos assentamentos. Os valores dos pesos para as diferentes
formações florestais variaram entre as regiões. Os padrões dos pesos de evidência para a
21
simulação da ocorrência de cicatrizes de incêndio foram semelhantes aos do desmatamento
Figura 9.
Figura 6: Pesos de Evidências calculados para a região 1 no modelo de desmatamento.
24
Figura 9: Pesos de Evidência para o modelo de simulação das cicatrizes de incêndio.
Os mapas de probabilidades gerados pelo DINAMICA EGO a partir desses valores de
pesos estão demonstrados na Figura 10. As áreas que apresentaram altos valores de
probabilidades são semelhantes entre a probabilidade de ocorrência do desmatamento e das
cicatrizes de incêndio, porém, essas áreas são mais extensas no segundo caso.
25
Figura 10: a) Mapa de probabilidade de ocorrência do desmatamento, b) Mapa de probabilidade
de ocorrência de cicatrizes de incêndio.
Desmatamento simulado
O total de desmatamento simulado entre 2015 e 2025 foi de 18.231 ha, isto corresponde
aproximadamente a 14% a mais do acumulado até 2015 e a aproximadamente 4% de perda de
cobertura florestal. O padrão espacial do desmatamento seguiu o encontrado na área,
expandindo-se na sua grande maioria, a partir do desmatamento já existentes nas margens dos
rios (Figura 11).
26
Figura 11: Desmatamento simulado de 2015 até 2025.
Cicatrizes de incêndio simuladas
O total de área de cicatrizes de incêndio simuladas para o ano de 2025 foi de 33.739 ha
que corresponde a aproximadamente 7% da cobertura florestal no município. Estas cicatrizes
simuladas ficaram dispersas por toda região do município, porém, na grande maioria associada
as áreas de desmatamento (Figura 12).
27
Figura 12: Cicatrizes de incêndio simuladas para a paisagem de 2025.
Estimativas do potencial das perdas de biomassa
O potencial de perda de biomassa estimada para o ano de 2025 pode chegar a
aproximadamente 4.066 Gg para o desmatamento e aproximadamente 903 Gg causada pelo
fogo, no cenário hipotético simulado pelos modelos.
DISCUSSÃO
Dinâmica do desmatamento
O desmatamento em Autazes (Figura 5) apresentou uma dinâmica semelhante ao da
Amazônia Legal (PRODES, 2016), no que diz respeito aos aumentos e quedas nos valores ao
longo dos anos. Em grande parte da Amazônia brasileira, principalmente na região do arco do
desmatamento, o corte raso da floresta tem uma forte relação com as rodovias e estradas, por
28
onde se expandem de acordo com o aumento da malha rodoviária (Laurance et al. 2002;
Fearnside e Graça 2006). No entanto, 80% do desmatamento acumulado em Autazes se
encontram nas margens dos rios, indicando a importância da hidrografia no desenvolvimento
histórico do desmatamento no município. São áreas de ocupação antiga, provavelmente antes
de haver estradas, portanto, utilizando os rios como vias de acesso, uma vez que boa parte do
município pode ser acessada por pequenos rios navegáveis. Além disso, as áreas próximas aos
rios são mais atrativas pelo fato de que nas regiões de várzea a fertilidade do solo é maior devido
à deposição de sedimentos pelos rios de água branca (Junk et al. 2012), acarretando numa
atividade agropecuária mais intensa. A produtividade das áreas de várzeas acaba se tornando
um atrativo para as a agricultura e pecuária (Cravo et al. 2002).
Uma prática muito comum de manejo adotado por alguns produtores no município é
que durante grande parte do ano, enquanto os rios se encontram em sua vazão mais baixa, os
rebanhos são levados para pastarem nas várzeas. E na fase de cheia, são retirados para os pastos
na terra firme, normalmente situada ao longo das estradas, até novamente a baixa do rio. As
várzeas altas ficam até três meses inundadas ao longo do ano (Junk et al. 2012), o que indica
que de acordo com o manejo adotado no município os rebanhos passam a maior parte do ano
nessas regiões, assim as áreas de pastos superam aquelas próximas às estradas, onde ficam por
um tempo menor.
O padrão espacial do desmatamento no município se difere de outras regiões da
Amazônia que se baseiam principalmente na abertura de lotes concentrados ao longo de
estradas (Yanai et al. 2017). O desmatamento na área estudada é mais espalhado e com
tamanhos variados e são na sua grande maioria a expansão dos desmatamentos prévios. Esse
padrão difuso dos desmatamentos dificulta a validação do modelo, uma vez que muitas áreas
no município apresentam alta probabilidade de ocorrência do desmatamento e a taxa anual é
relativamente pequena, são poucas manchas de desmatamento para serem alocadas em uma
área muito grande.
Dentro do intervalo de tempo estudado não foi possível detectar uma relação clara entre
os incêndios e o desmatamento a posteriori. A área incendiada desmatada nos anos seguintes
aos incêndios foi variável, isto demonstra que não necessariamente elas sejam prioridade para
o desmatamento, mesmo já degradadas pelo fogo. Morton et al. (2013) reportaram a existência
de uma baixa relação entre as áreas que incendiaram e o seu desmatamento em até cinco anos
depois. Em florestas densas do leste da Amazônia o desmatamento das áreas incendiadas não
explicou o desmatamento total, representando somente uma pequena porção (Alencar et al.
2015).
29
Dinâmica dos incêndios
Nos 3 anos em que foram mapeadas as cicatrizes de incêndio, grandes secas causadas
pelo El Niño atingiram a Amazônia (Jiménez-Muñoz et al. 2016; Marengo e Espinoza 2016),
tornando as florestas suscetíveis aos incêndios. Os eventos ocorridos nos anos de 1997/98 e
2015/16 são considerados os mais fortes nos últimos 30 anos (Jiménez-Muñoz et al. 2016). Os
grandes valores de déficit hídrico atingidos nesses anos mostram a intensidade das secas nesses
anos (Figura 4). As secas causam grandes impactos na floresta aumentando a mortalidade das
árvores, que se tornam importantes combustíveis para os incêndios, que uma vez secos, se
tornam muito inflamáveis (Nepstad et al. 2004), podendo ocorrer incêndios de grandes
dimensões.
Em 1997/98 vastas extensões de florestas foram incendiadas ao longo da Amazônia
como, por exemplo, em Roraima (Barbosa e Fearnside 1999), no Pará e Mato Grosso (Alencar
et al. 2006) e na região central da Amazônia (Nelson 2001). A quantidade de cicatriz mapeada
em 2009 foi menor quando comparada com os demais anos, isto pode ser pelo fato de que neste
ano a seca provocada foi menos severa que 1997/98 e 2015 (Figura 4), além disso, neste ano o
El Niño rapidamente deu lugar a um La Niña (Kim et al. 2011), aumentando as chuvas na
região, reduzindo os efeitos da seca. O fato de não terem sido detectados incêndios no município
durante anos de seca causados pela Oscilação Multidecadal do Atlântico (AMO) em 2005 e
2010 (Lewis et al. 2011; Marengo et al. 2008), vai de acordo com a atribuição das secas à
Amazônia Central aos eventos de El Niño (Aragão et al. 2007).
Áreas florestais degradadas pelo fogo se tornam mais suscetíveis a novos incêndios
(Cochrane e Schulze 1999). No entanto, apenas 20 % das áreas incendiadas no período estudado
sofreram requeima, sendo 17% incendiadas duas vezes e 3% três vezes. Na grande maioria os
incêndios ocorreram somente uma vez nas florestas, mesmo comportamento encontrado por
Morton et al. (2013). Portanto, a baixa sobreposição que ocorre ao longo do tempo é
provavelmente devido a disponibilidade aleatória das fontes de ignição para os incêndios.
Pesos de evidências e mapas de probabilidade
Os valores positivos dos pesos demonstram um favorecimento a ocorrência de um
evento, enquanto que os valores negativos são inibitórios (Bonham-Carter et al. 1989). A
proximidade das áreas desmatadas propiciam condições para o surgimento tanto de novos
desmatamentos quanto de cicatrizes de incêndio. Isto porque as propriedades rurais tendem a
se expandir com a conversão de novas áreas de florestas principalmente em pastagens. Como o
30
fogo é muito utilizado na limpeza destas áreas, quando fogem ao controle acabam avançando
para a área de floresta remanescente (Nepstad et al. 1999).
As áreas de desmatamento tendem a se desenvolver próximas às vias de acesso, que no
caso de Autazes estão mais associadas aos cursos d`água. Desta maneira os pesos de evidências
mostraram um maior favorecimento próximos a essas áreas, tanto para o desmatamento, quanto
para os incêndios. Em alguns casos foram observadas cicatrizes mesmo sem áreas desmatadas,
mostrado que outras fontes de ignição, como por exemplo as fogueiras de acampamentos de
pescadores e caçadores podem também iniciar os incêndios na área. No caso das estradas,
levando em consideração o desmatamento, o comportamento dos pesos não foi claro. Em
muitas situações a abertura de estradas não implicou na ocorrência de desmatamento ou mesmo
de incêndio nas áreas como o esperado (Nepstad et al. 1999, Ferreira et al. 2005), o que levou
a uma perda desta relação no município.
Os pesos de evidências em relação aos intervalos de declividade foram iguais em todas
as situações mostrando um aumento dos valores de peso com o aumento dos intervalos de
declividade. O fogo se espalha com mais eficiência em áreas com maior declividade (Dupuy
and Maréchal 2011), o que vai de acordo com os resultados. Em relação a altitude o
comportamento dos pesos foi muito variável, o que demonstra uma baixa relação com os
incêndios e com o desmatamento, há de se considerar também que a variação de altitude assim
como a de declividade é pouca na região.
As terras indígenas tendem a inibir a expansão do desmatamento bem como prevenir a
ocorrência de incêndios (Nepstad et al. 2006). Este comportamento foi observado neste trabalho
para o desmatamento. Os desmatamentos em áreas indígenas normalmente não são de grandes
impactos quando comparados com as áreas ao entorno, isto está relacionado com o modo
tradicional de vida destes povos, onde a agricultura é principalmente de subsistência
(Crisostomo et al. 2015). Já no caso das cicatrizes de incêndio, a presença de terras indígenas
favoreceu a ocorrência do fogo, indo contra a tendência esperada. O fogo é uma ferramenta
muito utilizadas pelos indígenas na área, para a manutenção de suas lavouras, o que implica em
fontes de ignição para os incêndios florestais quando fogem do controle, o que pode explicar
esse comportamento. Por outro lado, em todas as situações a presença de áreas de assentamentos
também inibiram a ocorrência de ambos os eventos. Essas áreas que normalmente são
destinadas à ocupação humana e desenvolvimento da agricultura e pecuária, e por isso, é
esperado um favorecimento a ocorrência dos eventos. Neste estudo o fato de que em muitas
dessas áreas os assentamentos ainda não começaram a ser exploradas, podem ter levado os
pesos a terem valores negativos enquanto eram esperados o contrário.
31
A relação do desmatamento com as classes de solo foi variável nas regiões. Isto indica
que o desmatamento no município se desenvolve mais em relação às vias de acesso do que
quanto as características físicas ou químicas do solo adequadas para produção. Por outro lado,
observamos que a classe de solo que apresentou um valor de peso menor, ou seja, aquele que
mais inibiu os incêndios foi o gleissolo, característico por ser mal drenado (Embrapa 2018),
mantendo-se húmidos e podendo inibir o avanço do fogo. No que diz respeito a vegetação, as
florestas ombrófilas densas e abertas de terras baixas foram as que mais favoreceram o
desmatamento, isto se deu porque essas duas formações são as mais abundantes na área e as
mais próximas dos rios e estradas. Os incêndios também foram favorecidos pelas florestas de
terras baixas, principalmente por serem as formações por onde se desenvolvem os
desmatamentos, principais fontes de ignição.
A partir dos mapas de probabilidade podemos notar que as áreas mais propícias ao
desmatamento e os incêndios são semelhantes, são aquelas próximas aos desmatamentos já
existentes principalmente no entorno dos rios. Porém, é notável a diferença em dimensão, onde
as áreas com maior probabilidade de ocorrer os incêndios são muito superiores às do
desmatamento. O fogo em anos de seca se espalham com grande eficiência atingindo grandes
áreas (Barbosa e Fearnside 1999, Aragão et al. 2007), sendo assim, o mapa de probabilidade
acompanha essa tendência.
Modelo do desmatamento e desmatamento simulado
Os valores de ajuste espacial são variáveis na literatura (Yanai et al. 2012, Roriz et al.
2017). O principal fator que influencia no ajuste é o tamanho da célula em que se está
trabalhando, possivelmente apresentando melhores ajustes conforme a resolução do modelo
diminui (Soares-Filho et al. 2009). Neste estudo o modelo de desmatamento em uma área de 3
km² apresenta por volta de 50% de concordância entre o mesmo número de células de
desmatamento entre os mapas simulado e de referência. Para o modelo de incêndio a
concordância ocorreu em uma área de 19 km², em ambos os casos consideramos a similaridade
mínima como referência conforme recomendado por Soares-filho et al. (2006). Em
contrapartida, todos os valores de ajustes dos mapas de probabilidades são considerados altos,
tanto para as regiões do desmatamento quanto para as cicatrizes (Pontius e Schneider 2001).
Em um contexto de paisagem o desmatamento simulado apresentou concordância com
o que é encontrado na área, onde predomina a expansão de pequenas manchas de desmatamento
associadas principalmente aos desmatamentos já existentes. Porém, essa característica implica
exatamente em uma dificuldade do modelo em alocar as transições impostas, uma vez que
32
existem na área uma grande quantidade de áreas com altos valores de probabilidade de ocorrer
a transição, e uma taxa de desmatamento muito pequena, por isso o que o modelo fez foi
distribuir ao máximo a quantidade de desmatamento indicada pela taxa, em uma área muito
grande, o que fez com que as manchas se mantivessem pequenas e bem esparsas.
Modelo de simulação das cicatrizes de incêndio e cicatrizes simuladas
Diferente do modelo desenvolvido por Soares-Filho et al. (2012) que simulou a
ocorrência de focos de calor e, a partir deste ponto, o espalhamento do fogo na floresta com
base no déficit de pressão de vapor (DPV) e das condições de umidade do material combustível,
a abordagem do nosso modelo concentrou mais na evidência histórica das cicatrizes de
incêndios e dos desmatamentos na área para simular os incêndios florestais a partir de variáveis
biofísicas da paisagem. Simular os focos de calor, bem como calcular o DPV no interior da
floresta demanda um conjunto de variáveis climáticas que quase sempre são de difícil obtenção,
principalmente para as áreas mais remotas e em uma escala mais local, restringindo a sua
aplicação. A ocorrência de um foco de calor não implica necessariamente na ocorrência de um
incêndio florestal, principalmente nos anos de chuvas normais, ainda que este represente uma
fonte de ignição. Como podemos observar na Figura 3, mesmo com a ocorrência de grande
número de focos em alguns anos que não eram de seca extrema, não foram observados
incêndios nas florestas.
A variação espacial dos incêndios está relacionada principalmente com a
disponibilidade de fontes de ignição, considerando que, em geral, as florestas em anos de seca
estejam suscetíveis ao fogo. Na região norte do município onde os incêndios se repetiram nos
anos mapeados, a fragmentação da floresta é maior, causada pela concentração do
desmatamento ao longo de estradas e de um conjunto de cursos d’água. Quanto maior a
extensão da borda da área de uma floresta, maior a chance dos incêndios invadirem estas áreas
(Alencar et al. 2006). Por sua vez, no ano de 2015, se comparado com os anos anteriores,
podemos notar que a dispersão das cicatrizes vem acompanhado de uma expansão do
desmatamento, sobretudo ao longo do rio Paraná Madeirinha, rio que corta quase todo o
município.
No que diz respeito a ocorrência histórica dos incêndios, podemos observar que em
alguns locais as cicatrizes são muito maiores, o que indica que o fogo encontrou uma melhor
condição para o espalhamento no local, enquanto que em outros as cicatrizes são menores e
mais espalhadas. As cicatrizes simuladas ocorreram de forma dispersa porque ao longo do
município várias regiões apresentaram alta probabilidade de ocorrência de incêndios, assim
33
como ocorreu com o desmatamento e o modelo buscou alocar as cicatrizes de maneira a atender
todo o mapa.
O principal fator que contribuiu para a probabilidade foi a distância para as áreas
desmatadas, que se concentram na sua grande maioria nas margens dos rios. Como em quase
toda a extensão do município há um curso d’água e a simulação do desmatamento mostrou um
avanço para estas regiões, mais áreas se tornaram vulneráveis. Sendo a seleção dos locais
randômica para alocação das cicatrizes, o modelo espalhou várias manchas de tamanhos
menores de maneira que quase todas as regiões prováveis fossem contempladas. É difícil
controlar este comportamento do modelo uma vez que na realidade a disponibilidade das fontes
de ignição é também randômica.
Assim como o desmatamento, as cicatrizes simuladas por estarem muito dispersas na
área dificultou a validação do modelo, fazendo com que o desempenho do modelo a princípio
não pareça satisfatório, porém, se avaliado no contexto geral da paisagem, podemos perceber
que o modelo respeita o que o histórico da área demonstra. Além disso, a validação dos mapas
de probabilidades de ocorrência, tanto do desmatamento como dos incêndios, apresentaram
bom desempenho, quando comparados com aqueles encontrados na literatura (Pontius e
Schneider 2001; Silvestrini et al. 2011), dando confiabilidade às simulações.
Perdas potencial de biomassa pelo desmatamento e incêndios
Considerando a paisagem final simulada para 2025, o desmatamento contribui mais para
a redução do estoque da biomassa florestal do que os incêndios. Se considerarmos a mortalidade
de 12% provocada pelo fogo, o valor da biomassa que poderá ser perdida pelo desmatamento é
de aproximadamente 4,5 vezes mais do que pelos incêndios. É esperado que em anos de seca
extrema as emissões principalmente pelos incêndios tenham uma relevância maior, porém em
uma escala de décadas, as emissões por desmatamento ainda se mantém dominante (Aragão et
al. 2014). As previsões são de que em decorrência da mudança climática, que os El Niños mais
extremos ocorram com mais frequência (Cai et al. 2014). Portanto, o papel dos incêndios na
perda de biomassa das florestas tende a assumir destaque em um cenário futuro.
CONCLUSÃO
Os modelos se mostraram satisfatórios para estimar os potenciais impactos provocados
pelo desmatamento e pelos incêndios no município de Autazes e pode ser replicado para regiões
onde tanto o desmatamento quanto os incêndios tenham dinâmicas parecidas, porém, podem
34
não atender regiões com alta densidade de estradas e histórico recente de ocupação como no
arco do desmatamento. Os incêndios florestais em Autazes estão relacionados com a ocorrência
de eventos de seca extrema causadas pelo El Niño. Com as previsões de que essas secas sejam
mais frequentes no futuro, os incêndios podem assumir papel crucial na perda de biomassa
superando até o desmatamento, por isso, prevenir os incêndios é de suma importância para a
proteção da floresta. Por fim, seria recomendável incluir os incêndios florestais, por serem de
grande potencial de impacto nas emissões de gases de efeito estufa, na estimativa dos
inventários de emissões anuais do governo brasileiro.
AGRADECIMENTOS
Agradecemos ao Instituto Nacional de Pesquisas da Amazônia (INPA PRJ15.125), ao
Instituto Nacional de Ciências e Tecnologia para os Serviços Ambientais da Amazônia (INCT-
SERVAMB): Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq,
processo: 610042/2009-2 e 313107/2013-0), Fundação de Amparo à Pesquisa do Estado do
Amazonas (FAPEAM, processo: 708565), por todo o apoio financeiro e técnico e à
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), pelo financiamento
da bolsa de estudo.
REFERÊNCIAS BIBLIOGRÁFICAS
Alencar, A.; Nepstad, D.; Del Carmen Vera Diaz, M. 2006. Forest understory fire in the
Brazilian Amazon in ENSO and non-ENSO years: Area burned and committed carbon
emissions. Earth Interactions, 10: 1-17.
Alencar, A.A.; Brando, P.M.; Asner, G.P.; Putz, F.E. 2015. Landscape fragmentation, severe
drought, and the new Amazon forest fire regime. Ecological Applications, 25: 1493–1505.
Almudi, T.; Pinheiro, J.O.C. 2015. Dados Estatísticos da Produção Agropecuária e Florestal
do Estado do Amazonas: Ano 2013. Embrapa, Brasília, 105 p.
Andrade Filho, V.S.; Artaxo Netto, P.E.; Hacon, S.S.; Carmo, C.N. 2017. Distribuição espacial
de queimadas e mortalidade em idosos em região da Amazônia Brasileira, 2001-2012. Ciência
e Saúde Coletiva, 22: 245–253.
35
Aragão, L.E.O.C.; Malhi, Y.; Roman-Cuesta, R.M.; Saatchi, S.; Anderson, L.O.; Shimabukuro,
Y.E. 2007. Spatial patterns and fire response of recent Amazonian droughts. Geophysical
Research Letters, 34: 1–5.
Aragão, L.E.O.C.; Shimabukuro, Y.E. 2010. The incidence of fire in Amazonian forests with
implications for REDD. Science, 328: 1275–1278.
Aragão, L.E.O.C.; Anderson, L.O.; Fonseca, M.G.; Rosan, T.M.; Vedovato, L.B.; Wagner,
F.H.; Silva, C.V.J.; Silva Junior, C.H.L.; Arai, E.; Aguiar, A.P.; Barlow, J.; Berenguer, E.;
Merritt, D.N.; Domingues, L.G.; Gatti, L.; Gloor, M.; Malhi, Y.; Marengo, J.A.; Miller, J.B.;
Phillips, O.L.; Saatchi, S. 2018. 21st Century drought-related fires counteract the decline of
Amazon deforestation carbon emissions. Nature Communications, 9: 1–12.
Aragão, L.E.O.C.; Poulter, B.; Barlow, J.B.; Anderson, L.O.; Malhi, Y.; Saatchi, S.; Phillips,
O.L.; Gloor, E. 2014. Environmental change and the carbon balance of Amazonian forests.
Biological Reviews, 89: 913–931.
Barbosa, R.I.; Fearnside, P.M. 1999. Incêndios na Amazônia Brasileira : Estimativa da emissão
de gases do efeito estufa pela queima de diferentes ecossistemas de Roraima na passagem do
evento “El Niño” (1997/98). Acta Amazonica, 29: 513–534.
Barni, P.E.; Fearnside, P.M.; Graça, P.M.L.A. 2015. Simulating deforestation and carbon loss
in Amazonia : Impacts in Brazil ’ s Roraima state from reconstructing highway br-319 (
Manaus-Porto Velho ). Environmental Management, 55: 259–278.
Bonham-Carter, G.F.; Agterberg, F.P.; Wright, D.F. 1989. Weights of evidence modelling: a
new approach to mapping mineral potential. 588p.
Cai, W.; Borlace, S.; Lengaigne, M.; Rensch, P.; Collins, M.; Vecchi, G.; Timmermann, A.;
Santoso, A.; McPhaden, M.J.; Wu, L.; England, M.H.; Wang, G.; Guilyardi, E.; Jin, F.-F. 2014.
Increasing frequency of extreme El Niño events due to greenhouse warming. Nature Climate
Change, 5: 1–6.
36
Cano-Crespo, A.; Oliveira, P.J.C.; Boit, A.; Cardoso, M.; Thonicke, K. 2015. Forest edge
burning in the Brazilian Amazon promoted by escaping fires from managed pastures. Journal
of Geophysical Research: Biogeosciences, 120: 2095–2107.
Cochrane, M.A.; Schulze, M.D. 1999. Fire as a Recurrent Event in Tropical Forests of the
Eastern Amazon: Effects on Forest Structure, Biomass, and Species Composition1. Biotropica,
31: 2–16.
Fearnside, P.M.; Graça, P.M.L.A. 2006. BR-319: Brazil’s Manaus-Porto Velho highway and
the potential impact of linking the arc of deforestation to Central Amazonia. Environmental
Management, 38: 705–716.
Fearnside, P.M.; Barbosa, R.I.; Graça, P.M.L.A. 2007. Burning of secondary forest in
Amazonia: Biomass, burning efficiency and charcoal formation during land preparation for
agriculture in Apiaú, Roraima, Brazil. Forest Ecology and Management, 242: 678–687.
Fearnside, P.M.; Graça, P.M.L.D.A.; Keizer, E.W.H.; Maldonado, F.D.; Barbosa, R.I.;
Nogueira, E.M. 2009. Modelagem de desmatamento e emissões de gases de efeito estufa na
região sob influência da rodovia Manaus-Porto Velho (BR-319). Revista Brasileira de
Meteorologia, 24: 208–233.
Ferreira, L.V.; Venticinque, E.; Almeida, S. 2005. O desmatamento na Amazônia e a
importância das áreas protegidas. Estudos Avançados, 19: 157-166.
Fonseca, M.G.; Anderson, L.O.; Arai, E.; Shimabukuro, Y.E.; Xaud, H.A.M.; Xaud, M.R.;
Madani, N.; Wagner, F.H.; Aragão, L.E.O.C. 2017. Climatic and anthropogenic drivers of
northern Amazon fires during the 2015-2016 El Niño event. Ecological Applications, 27: 2514–
2527.
Jacob, N.; Krishnan, R.; Raju, P.P.; Saibaba, J. 2008. Spatial and Dynamic Modeling
Techniques for Land Use Change Dynamics Study. The International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences. 37: 37–44.
37
Jiménez-Muñoz, J.C.; Mattar, C.; Barichivich, J.; Santamaría-Artigas, A.; Takahashi, K.;
Malhi, Y.; Sobrino, J.A.; Schrier, G. 2016. Record-breaking warming and extreme drought in
the Amazon rainforest during the course of El Niño 2015–2016. Scientific Reports, 6: 1-6.
Junk, W.J.; Piedade, M.T.F.; Schöngart, J.; Wittmann, F. 2012. A classification of major natural
habitats of Amazonian white-water river floodplains (várzeas). Wetlands Ecology and
Management, 20: 461–475.
Kim, W.; Yeh, S.W.; Kim, J.H.; Kug, J.S.; Kwon, M. 2011. The unique 2009-2010 El Niño
event: A fast phase transition of warm pool El Niño to la Niña. Geophysical Research Letters,
38: 1–5.
Laurance, W.F.; Albernaz, A.K.M.; Schroth, G.; Fearnside, P.M.; Bergen, S.; Venticinque,
E.M.; Da Costa, C. 2002. Predictors of deforestation in the Brazilian Amazon. Journal of
Biogeography, 29: 737–748.
Landis, J.; Koch, G. G. 1977. The measurements of agreement for categorical data.
Biometrics, 33: 159 – 179.
Lopes, A. P. Novel insights into wildfire mediated tree mortality in the Purus-Madeira frontier.
In preparation.
Marengo, J.A.; Espinoza, J.C. 2016. Extreme seasonal droughts and floods in Amazonia:
Causes, trends and impacts. International Journal of Climatology, 36: 1033–1050.
Mas, J.-F.; Filho, B.; Pontius, R.; Gutiérrez, M.; Rodrigues, H. 2013. A Suite of Tools for ROC
Analysis of Spatial Models. International Journal of Geo-Information, 2: 869–887.
Mendonça, M.J.C.; Vera Diaz, M.D.C.; Nepstad, D.; Seroa Da Motta, R.; Alencar, A.; Gomes,
J.C.; Ortiz, R.A. 2004. The economic cost of the use of fire in the Amazon. Ecological
Economics, 49: 89–105.
38
Morton, D.C.; Le Page, Y.; DeFries, R.; Collatz, G.J.; Hurtt, G.C. 2013. Understorey fire
frequency and the fate of burned forests in southern Amazonia. Philosophical Transactions of
the Royal Society B: Biological Sciences, 368: 1–8.
Nelson, B.W. 2001. Fogo em florestas da Amazônia Central em 1997. Anais X SBSR: 1675–
1682.
Nepstad, D.C.; Moreira, A.G.; Alencar, A.A. 1999. Flames in the Rain Forest: Origins, Impacts
and Alternatives to Amazonian Fire. The Pilot Program to Conserve the Brazilian Rain Forest.
Brasilia, 190 p.
Nogueira, E.M.; Yanai, A.M.; Fonseca, F.O.R.; Fearnside, P.M. 2015. Carbon stock loss from
deforestation through 2013 in Brazilian Amazonia. Global Change Biology, 21: 1271–1292.
Pontius, R.G.; Schneider, L.C. 2001. Land-cover change model validation by an ROC method
for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 85:
239–248.
Ponzoni, F.J.; Shimabukuro, Y.E.; Kuplich, T.M. 2012. Sensoriamento Remoto da Vegetação.
2a edição ed. Oficina de Textos, São Paulo.
Roriz, P.A.C.; Yanai, A.M.; Fearnside, P.M. 2017. Deforestation and carbon loss in southwest
amazonia: Impact of Brazil’s revised forest code. Environmental Management, 60: 367–382.
Silvestrini, R.A.; Soares-Filho, B.S.; Nepstad, D.; Coe, M.; Rodrigues, H.; Assunção, R. 2011.
Simulating fire regimes in the Amazon in response to climate change and deforestation.
Ecological Applications, 21: 1573–1590.
Silvestrini, R.A.; Soares-Filho, B.S.; Nepstad, D.; Coe, M.; Rodrigues, H.; Assunção, R. 2011.
Simulating fire regimes in the Amazon in response to climate change and deforestation.
Ecological Applications, 21: 1573–1590.
Soares-Filho, B.; Silvestrini, R.; Nepstad, D.; Brando, P.; Rodrigues, H.; Alencar, A.; Coe, M.;
Locks, C.; Lima, L.; Hissa, L.; Stickler, C. 2012. Forest fragmentation, climate change and
39
understory fire regimes on the Amazonian landscapes of the Xingu headwaters. Landscape
Ecology, 27: 585–598.
Soares-Filho, B.S.; Nepstad, D.C.; Curran, L.M.; Cerqueira, G.C.; Garcia, R.A.; Ramos, C.A.;
Voll, E.; McDonald, A.; Lefebvre, P.; Schlesinger, P. 2006. Modelling conservation in the
Amazon basin. Nature, 440: 520–523.
Soares-Filho, B.S.; Rodrigues, H.O.; Costa, W.L. 2009. Modeling Environmental Dynamics
with Dinamica EGO. 115 p.
Sombroek, W. 2001. Spatial and Temporal Patterns of Amazon Rainfall. Journal of the Human
Environment, 30: 388–396.
Tasker, K.A.; Arima, E.Y. 2016. Fire regimes in Amazonia: The relative roles of policy and
precipitation. Anthropocene, 14: 46–57.
Vasconcelos, S.S. de; Fearnside, P.M.; Graça, P.M.L. de A.; Nogueira, E.M.; Oliveira, L.C. de;
Figueiredo, E.O. 2013. Forest fires in southwestern Brazilian Amazonia: Estimates of area and
potential carbon emissions. Forest Ecology and Management, 291: 199–208.
Yanai, A.M.; Fearnside, P.M.; Graça, P.M.L. de A.; Nogueira, E.M. 2012. Avoided
deforestation in Brazilian Amazonia: Simulating the effect of the Juma Sustainable
Development Reserve. Forest Ecology and Management, 282: 78–91.
Yanai, A.M.; Nogueira, E.M.; de Alencastro Graça, P.M.L.; Fearnside, P.M. 2017.
Deforestation and carbon stock loss in Brazil’s Amazonian settlements. Environmental
Management, 59: 393–409.
Conclusão
O desempenho dos modelos na simulação do impacto potencial causado pelo
desmatamento e pelos incêndios foi satisfatório para o município de Autazes, podendo ser
replicado em áreas onde as dinâmicas sejam semelhantes. O município apresentou
características diferentes de outras regiões da Amazônia como o arco do desmatamento, onde a
40
principal via de expansão do desmatamento são as estradas. No caso de Autazes, o
desmatamento se concentra no entorno dos rios, por onde a colonização começou antes da
chegada das estradas.
Os incêndios florestais em Autazes estão relacionados com a ocorrência de eventos de
seca extrema causadas pelo El Niño. Devido às florestas se tornarem inflamáveis em virtude da
baixa umidade do ar e alta temperatura, os incêndios atingirão grandes áreas. A maior perda de
biomassa das florestas no município ainda ocorre por meio do desmatamento, porém, a perda
do estoque após a ocorrência de um incêndio nos anos de seca representa valores muito
significativos, pois causam a mortalidade de uma grande quantidade de árvores. Por isso,
prevenir os incêndios é de suma importância para a proteção da floresta e para a redução das
emissões de carbono para a atmosfera. É recomendável então que se incluam os incêndios
florestais na estimativa dos inventários anuais do governo brasileiro, que atualmente não é
considerado.
Referências bibliográficas
Alencar, A.; Nepstad, D.; Diaz, M.C.V. 2006. Forest understory fire in the Brazilian Amazon
in ENSO and Non-ENSO years: Area burned and committed carbon emissions. Earth
Interactions, 10: 1–17.
Aragao, L. E.O.C; Malhi, Y.; Roman-Cuesta, R.M.; Saatchi, S.; Anderson, L.O.; Shimabukuro,
Y.E. 2007. Spatial patterns and fire response of recent Amazonian droughts. Geophysical
Research Letters, 34: 1–5.
Aragão, L.E.O.C.; Malhi, Y.; Barbier, N.; Lima, A.; Shimabukuro, Y.; Anderson, L.; Saatchi,
S. 2008. Interactions between rainfall, deforestation and fires during recent years in the
Brazilian Amazonia. Philosophical Transactions of the Royal Society B: Biological Sciences,
363: 1779–1785.
Balch, J.K.; Nepstad, D.C.; Curran, L.M.; Brando, P.M.; Portela, O.; Guilherme, P.; Reuning-
scherer, J.D.; Carvalho, O. 2011. Size, species, and fire behavior predict tree and liana mortality
from experimental burns in the Brazilian Amazon. Forest Ecology and Management, 261: 68–
77.
Barbosa, R.I.; Fearnside, P.M. 1999. Incêndios na Amazônia Brasileira: Estimativa da emissão
de gases do efeito estufa pela queima de diferentes ecossistemas de Roraima na passagem do
41
evento “El Niño” (1997/98). Acta Amazonica, 29: 513–534.
Barni, P.E.; Fearnside, P.M.; Graça, P.M.L.A. 2015. Simulating deforestation and carbon loss
in Amazonia : Impacts in Brazil’s Roraima state from reconstructing highway BR-319
(Manaus-Porto Velho). Environmental Management,55: 259–278.
Bonham-Carter, G.F.; Agterberg, F.P.; Wright, D.F. 1989. Weights of evidence modelling: a
new approach to mapping mineral potential. 588p.
Cardoso, M.F.; Hurtt, G.C.; Moore, B.; Nobre, C.A.; Prins, E.M. 2003. Projecting future fire
activity in Amazonia. Global Change Biology, 9: 656–669.
Cochrane, M.A.; Schulze, M.D. 1999. Fire as a recurrent event in tropical forests of the Eastern
Amazon: Effects on forest structure, biomass, and species composition. Biotropica, 31: 2–16.
Fearnside, P.M.; Graça, P.M.L.A. 2006. BR-319: Brazil’s Manaus-Porto Velho highway and
the potential impact of linking the arc of deforestation to Central Amazonia. Environmental
Management, 38: 705–716.
Guild, L.S.; Kauffman, J.B.; Ellingson, L.J.; Cummings, D.L.; Castro, E.A.; Babbitt, R.E.;
Ward, D.E. 1998. Dynamics associated with total aboveground biomass, C, nutrient pools, and
biomass burning of primary forest and pasture in Rondônia, Brazil during SCAR-B. Journal of
Geophysical Research: Atmospheres, 103: 91–100.
Ivanauskas, N.M.; Monteiro, R.; Rodrigues, R.R. 2003. Alterations following a fire in a forest
community of Alto Rio Xingu. Forest Ecology and Management, 184: 239–250.
Marengo, J.A.; Nobre, C.A.; Tomasella, J.; Oyama, M.D.; Sampaio de Oliveira, G.; de Oliveira,
R.; Camargo, H.; Alves, L.M.; Brown, I.F. 2008. The drought of Amazonia in 2005. Journal of
Climate, 21: 495–516.
Morales, J.M.; Mermoz, M.; Gowda, J.H.; Kitzberger, T. 2015. A stochastic fire spread model
for north Patagonia based on fire occurrence maps. Ecological Modelling, 300: 73–80.
Morton, D.C.; Le Page, Y.; DeFries, R.; Collatz, G.J.; Hurtt, G.C. 2013. Understorey fire
frequency and the fate of burned forests in southern Amazonia. Philosophical Transactions of
the Royal Society B: Biological Sciences, 368: 2–8.
Nelson, B.W. 2001. Fogo em florestas da Amazônia Central em 1997. Anais X SBSR: 1675–
42
1682.
Nepstad, D.; Carvalho, G.; Cristina Barros, A.; Alencar, A.; Paulo Capobianco, J.; Bishop, J.;
Moutinho, P.; Lefebvre, P.; Lopes Silva, U.; Prins, E. 2001. Road paving, fire regime feedbacks,
and the future of Amazon forests. Forest Ecology and Management, 154: 395–407.
Nepstad, D.; Lefebvre, P.; Lopes da Silva, U.; Tomasella, J.; Schlesinger, P.; Solorzano, L.;
Moutinho, P.; Ray, D.; Guerreira Benito, J. 2004. Amazon drought and its implications for
forest flammability and tree growth: a basin-wide analysis. Global Change Biology, 10: 704–
717.
Nepstad, D.C.; Moreira, A.G.; Alencar, A.A. 1999. Flames in the rain forest: Origins, impacts
and alternatives to Amazonian fire. The Pilot Program to Conserve the Brazilian Rain Forest.
Brasilia, 190 p.
Silvestrini, R.A.; Soares-Filho, B.S.; Nepstad, D.; Coe, M.; Rodrigues, H.; Assunção, R. 2011.
Simulating fire regimes in the Amazon in response to climate change and deforestation.
Ecological Applications, 21: 1573–1590.
Soares-Filho, B.; Silvestrini, R.; Nepstad, D.; Brando, P.; Rodrigues, H.; Alencar, A.; Coe, M.;
Locks, C.; Lima, L.; Hissa, L.; Stickler, C. 2012. Forest fragmentation, climate change and
understory fire regimes on the Amazonian landscapes of the Xingu headwaters. Landscape
Ecology, 27: 585–598.
Uhl, C.; Kauffman, J.B. 1990. Deforestation, fire susceptibility, and potential tree responses to
fire in the Eastern Amazon. Ecology, 71: 437–449.
Vasconcelos, S.S.; Fearnside, P.M.; Graça, P.M.L.A.; Nogueira, E.M.; Oliveira, L.C.;
Figueiredo, E.O. 2013. Forest fires in southwestern Brazilian Amazonia : Estimates of area and
potential carbon emissions. Forest Ecology and Management, 291: 199–208.