Modelação Espacial de Incêndios Florestais: Autómatos Celulares.

FCSH, UNL, Sistemas de Informação Geográficos e Análise Espacial, 2 de Março, 2012 Edite S. CÉSAR, Marc S. VALENTE, Pedro V. DIAS

Os incêndios florestais são responsáveis por alterações de uso do solo e qualidade do ar. Estes fenómenos, para além de destruir vastas áreas do património natural, também são geradores de gastos públicos elevados. Tendo em conta esta problemática, o seguinte estudo pretende avaliar as condições necessárias para o desenvolvimento e progressão deste tipo de fenómenos. Com o auxílio dos Sistemas de informação Geográficos (SIG) pretende-se criar um mapa de potencial de propagação e a partir deste analisar o seu desenvolvimento espacial ao longo de um determinado período de tempo recorrendo, para isso, a autómatos celulares (AC). Serão feitas avaliações ao terreno tendo em conta diversas variáveis integradas numa análise multi-critério (AMC). De modo a reduzir a subjectividade da ponderação das variáveis dentro da AMC, será utilizada uma lógica de probabilidade condicionada (PC) para as definir. Para além de analisar a velocidade de propagação, também revela interesse avaliar e compreender o caminho percorrido pelo incêndio e compreender os factos que o levaram a seguir tal rota.

PALAVRAS-CHAVE

Sistemas de Informação Geográficos (SIG), Incêndio Florestal, Autómatos Celulares (AC), Análise Multi-critério (AMC), Probabilidade Condicionada (PC).

1. INTRODUÇÃO

Os incêndios florestais constituem uma das principais causas de alterações de uso do solo e afectam também a qualidade do ar. Altas temperaturas e baixos valores de precipitação ao longo do ano favorecem a ocorrência de incêndios na época mais quente, dado que estes favorecem a dessecação dos combustíveis e consequentemente facilitam a inflamação (Santos, 2007). Estes fenómenos, para além de destruir vastas áreas do património natural, também são geradores de gastos públicos elevados.

De forma a minimizar os efeitos deste fenómeno, é necessário prever qual o seu desenvolvimento e progressão no espaço e no tempo. Umas das formas de criar cenários realistas é através dos autómatos celulares (AC), visto serem modelos dinâmicos, espacialmente explícitos, que podem incorporar um número virtualmente ilimitado de variáveis. Por norma, neste tipo de estudos, os AC são executados tendo por base um modelo de potenciais de propagação. De uma forma geral, este modelo, um modelo físico-matemático, permite prever de forma quantitativa alguns aspectos físicos do comportamento do incêndio, no espaço e no tempo, de acordo com as variáveis utilizadas (vegetação, clima e topografia) (André e Viegas, 2001). Neste caso, o modelo de propagação é o resultado da integração das variáveis de previsão através da análise multi-critério (AMC) cuja ponderação das varáveis é calculada através de uma lógica de probabilidade condicionada (PC).

De frisar que somente a parte teórica do estudo foi abordada, tendo por base conhecimentos adquiridos por parte de diversas investigações e trabalhos realizados á semelhança deste. No entanto, as variáveis e os métodos aplicados nesta abordagem teórica são completamente executáveis. Isto justifica a ausência de imagem da área de estudo no que diz respeito a resultados de todas as metodologias acima mencionadas.

1

2. APRESENTAÇÃO DAS VARIAVEIS

O desencadeamento de um incêndio florestal e respectiva propagação está intimamente dependente da existência de vegetação (combustível) e das características meteorológicas responsáveis quer pelo seu estado de conservação, quer pela ignição do mesmo. No último caso é de referir que a temperatura, precipitação e humidade relativa são factores fundamentais no que diz respeito a criação de um ambiente propício a ignição de um incêndio. Para além deste dois factores, existem outros dez que serão tidos em conta:

2.1 Estado de Conservação da Vegetação (dado pelo NDVI)

O estado de conservação da vegetação depende das condições meteorológicas verificadas durante o ano hidrológico, o que irá fazer com que haja uma variação na quantidade de combustível presente numa floresta. Em anos em que se verifique pouca quantidade de precipitação, existirá uma menor quantidade de combustível, logo a probabilidade de ocorrência de incêndios será baixa. No entanto a vegetação presente encontra-se em fracas condições de conservação estando, por isso, sujeitas à ocorrência de um incêndio rápido. Anos em que hajam elevados quantitativos de precipitação haverá mais material combustível presente no solo e, deste modo, aumenta a probabilidade de ocorrência de um incêndio. Neste cenário, o estado de conservação da vegetação será boa o que poderá proporcionar um incêndio onde cada indivíduo demore mais tempo a arder. A presença ou ausência de material combustível no solo de uma floresta poderá não ser decisivo à sua ocorrência, o que quer dizer que este facto não é linear. No entanto, o tempo de combustão de um indivíduo será maior ou menor dependendo do seu estado de conservação.

2.2 Tipo de Vegetação

O tipo de vegetação presente no solo faz variar as características do incêndio, i.e., se a ocupação do solo for maioritariamente composta por resinosas a ignição pode ser mais difícil de acontecer, mas uma vez activo, o tempo de combustão deste tipo de arvore é mais longo, ao invés de um tipo de árvore como as folhosas que são mais facilmente incendiáveis mas que o tempo de combustão é bastante mais reduzido. De um modo geral, esta variável influência o modelo a dois níveis: 1) no tempo de combustão de cada célula do modelo e 2) no tempo necessário para que haja propagação do fenómeno para os indivíduos vizinhos.

2.3 Declive

O declive é responsável pela maior ou menor velocidade de propagação do fenómeno. Este facto é sustentado pelas leis da física que defende que as chamas têm tendência de propagação contrária á força da gravidade. Esta variável pode funcionar ao contrário e ser tida como factor de atrito á propagação do incêndio uma vez que se torna impossível a propagação do incêndio em graus de inclinação negativos.

2.4 Vento, Intensidade e Quadrante

O fluxo de ar, com mais ou menor intensidade, influência quer a velocidade de propagação quer o tempo de combustão de uma determinada espécie arbórea, uma vez que as chamas são alimentadas por oxigénio e aumentam a intensidade de combustão. Está variável, por si só, poderá ditar qual a direcção de propagação do fenómeno, estando esta dependente da sua intensidade, i.e., quanto maior for a sua intensidade, maior será a probabilidade do incêndio se dissipar numa determinada direcção e menor será o tempo dispendido na combustão de uma célula.

2.5 Densidade de Vegetação

A densidade de vegetação é responsável pela probabilidade de propagação do fenómeno de uma célula para outra. No entanto este facto pode ser comprometido quando existe uma grande intensidade do vento, o que faz com que a propagação do incêndio possa ocorrer em baixas densidades de vegetação.

2

2.6 Exposição

Esta variável influência sobretudo a deflagração do que a propagação do incêndio, visto que as vertentes expostas a norte são mais sombrias e logo existe menos evaporação do que as vertentes expostas a sul. No entanto poderá constituir um factor de atrito uma vez que a vegetação presente nessas área terá um melhor estado de conservação.

Em forma de conclusão, foram escolhidos 12 variáveis responsáveis pela maior ou menor velocidade de propagação de um incêndio florestal (Tabela 1). Essas variáveis são: elementos da ocupação do solo (água [ag], urbano [urb], rocha [rc] e vegetação [veg]), dados relacionados com a topografia (o declive [decl] e as exposições [expo]), imagens de satélite de muita alta resolução (NDVI [idem] e densidade de vegetação [dveg]) e dados climáticos (intensidade e quadrante do vento, [vint e vquad, respectivamente], temperatura [temp] e humidade relativa [hum]). No que diz respeito a limites das variáveis vectoriais, Burrough defende que os limites desenhados em mapas temáticos (como solo, vegetação ou geologia) raramente são precisos e representar as suas fronteiras como linhas finas mutas vezes não traduz adequadamente as suas características. Assim, talvez não nos devamos preocupar tanto com localizações exactas, e representações elegantes. Se pudermos aceitar que limites precisos entre padrões de vegetação e solo raramente ocorrem, estaremos livres dos problemas associados aos erros topológicos decorrentes das operações de análise espacial (Burrough in Morgado, et. al., 2004). Tabela 1 – Informação de Base

Variáveis Estrutura Original Agua

Urbano Rocha

Vegetação

Vectorial

Declive Exposição

Matricial

Vento Humidade Relativa

Temperatura

Matricial

NDVI Densidade Vegetação

Matricial

3. Métodos de Análise Foram seleccionados 3 métodos de análise para a realização deste estudo: PC, AMC e os AC. O primeiro prende-se com a definição de valores de ponderação a fim de maximizar a exactidão e eficácia do modelo, evitando decisões arbitrárias e ambíguas. O segundo método diz respeito à integração da informação propriamente dita e por fim o terceiro método serve sobretudo para visualizar e analisar a distribuição espacial do fenómeno, neste caso a propagação espacial de um incêndio, ao longo de um determinado ciclo temporal. 3.1 Autómatos Celulares

Os AC podem ser entendidos como um sistema espacial dinâmico e relativamente simples, no qual o estado de cada célula da matriz depende do estado prévio das células que se encontram dentro de um determinada vizinhança, de acordo com um conjunto de regras de transição (MuraliKirshna, 2007). Os AC fazem parte de um conjunto de algoritmos genéticos que utilizam na sua base de processamento a inteligência artificial. Devido á grande complexidade de análise, o próprio computador deixou de ser um agente passivo e passou ele também a fazer parte do objecto de estudo (geocomputação) (Goodchild e Longley, 1999). No entanto este método de análise poderá possuir vários erros que estão relacionados com entidades discretas no espaço e no tempo, definições de vizinhança (tipo e dimensão), estrutura do modelo e regras de transição, valor dos parâmetros e variáveis estocásticas (MuraliKrishna, 2007).

3

3.2 Probabilidade Condicionada e Análise Multi-critério Através da PC é possível ponderar qual o peso de cada variável, contudo esta ponderação será sempre diferente em cada área de trabalho em que este modelo seja aplicado. Para cada variável, excepto as variáveis restritivas, é calculada a frequência relativa de cada elemento que já tenha sido afectado por este fenómeno (i.g. período temporal de 10 anos). Uma vez determinado o valor de frequência relativa para todos os elementos de cada uma das variáveis, é determinado o desvio padrão de cada uma delas (Tabela 2). No fim, todos os desvios padrões são somados, e por cada valor de desvio padrão de uma variável é dividido pelo valor somatório de todas as variáveis, obtendo assim o valor de ponderação dessa variável. Tabela 2 - Ponderação dos factores com base no desvio-padrão

Variáveis Desvio-Padrão ( σ ) Ponderação Variável 1 σ1 σ1 / ∑ σ Variável 2 σ2 σ2 7 ∑ σ Variável 3 σ3 σ3 / ∑ σ Variável n σn σn / ∑ σ

Soma ∑ σ A AMC é uma análise que conjuga, de acordo com o objectivo especificado, um conjunto de critérios de forma a alcançar uma base composta de suporte à decisão (Rocha, Tenedório e Morgado, et. al., 2004). 4. Integração da Informação Geográfica

4.1 Codificação da Informação Numa fase inicial procedeu-se a escolha das variáveis que constituíssem uma restrição ao avanço do fenómeno em causa (Fig.1, ficheiros com designação de “BOOL”). Foram escolhidos a água, o solo a descoberto e as áreas urbanizadas como áreas de restrição, ou seja, áreas onde o incêndio não pode se propagar. Estes ficheiros, depois de convertido para matricial, foram agrupados num único ficheiro booleano onde os locais de presença das variáveis mencionadas possuíssem valor 0 (zero) e todos os outros locais valor 1 (um). As restantes variáveis foram reclassificadas, de modo a poderem ser comparáveis entre si, e escalonadas dentro de uma gama de valores de 0 (zero) a 100 (cem) onde o 0 constitui o maior grau atrito e o valor 100 o inverso (Fig.1 Fase 1). De notar que a variável “humidade” teve de ter em conta uma lógica inversa de atribuição de valore de atrito face às restante variáveis, uma vez que quanto maior o seu valor maior será o atrito causado.

4.2 Integração das Variáveis de Previsão Antes de proceder a integração da informação através da AMC é necessário uma definição do valor da ponderação que cada variável vai ter nessa análise. Estes valores são definidos através de uma abordagem baseada no desvio padrão da frequência relativa (Fig.1, Fase 2). Como já foi referido, a AMC é responsável pela integração das diferentes variáveis. O resultado desta operação é um mapa que contém valores de aptidão para a propagação de um incêndio florestal (Fig.1, Fase 3). De notar que numa AMC, o somatório dos valores de ponderação de cada variável tem que ser igual a 1. De modo a inviabilizar as áreas que constituem restrições á propagação do fenómeno em questão, a fórmula da AMC é multiplicada pelo mapa booleano com essa informação. A fórmula da AMC adaptada é a seguinte:

[(χ1.ag)+(χ2.urb)+(χ3.rc)+(χ4.veg)+(χ5.decl)+(χ6.expo)+(χ7.NDVI)+(χ8.dveg)+(χ9.vint)+ (χ10.temp)+( χ11.hum)]*restBOOL

Sendo: χ - Valores de ponderação de cada variável restBOOL – mapa de restrições

4.3 Regras de Transição e Implementação dos AC Numa fase final é definido o local de início de propagação do incêndio. Para tal são tidos em conta os vários locais onde houve uma deflagração dentro de uma dada série temporal e é escolhido o local com maior recorrência. Nesta etapa (Fig.1, Fase 4) também são definidas as regras de transição. Essas regras

4

assentam sobre a distância euclidiana entre as células vizinhas. A influência do quadrante do vento também é tida em conta como regra de transição. Para alem das regras de transição, os AC necessitam apenas de uma determinação dos ciclos temporais de cada processo. Devido a constante aprendizagem dos AC, nenhum cenário é idêntico entre si, o que nos leva à necessidade de realizar uma média sobre os vários cenários obtido (Fig.1, Fase 5).

Figura 1-Integração da Informação

5. Resultados Espectáveis O que se espera de uma análise deste tipo será uma maior velocidade de progressão onde hajam condições favoráveis para tal, i.e., locais que apresentem uma conjugação de um declive mais acentuado, vegetação mais seca, elevada densidade de vegetação, humidades relativas baixas e que a direcção de propagação do fenómeno seja concordante com o quadrante predominante do vento. Locais onde o declive seja menos acentuado, vegetação em bom estado de conservação, baixa densidade da vegetação e humidades relativas altas serão locais onde a propagação será feita com maior morosidade e por vezes até poderá não haver grandes progressões do mesmo. Neste ultimo caso, mesmo havendo factores contraditórios á propagação do incêndio, o vento auxilia sempre na propagação do mesmo. 6. Considerações Finais Os AC permitem uma análise tendo em conta várias variáveis e de um modo dinâmico ao longo de um determinado período de tempo. Este é o método cujo cenários serão mais fidedignos à realidade, no entanto existem sempre erros associados. Estes erros estão dependentes do utilizador, uma vez que é ele que define os vários parâmetros que estão na base dos AC. Para que um estudo desta natureza ganhe maior pormenor de análise e seja consequentemente mais fidedigno á realidade, algumas variáveis necessitariam de ser tidas em conta. Uma dessas variáveis poderão ser as características das próprias chamas, i.e., a sua altura, o seu comportamento em diferentes espaços, suas diferentes temperaturas, o tipo de combustível, os diferente comportamentos do vento, o efeito da gravidade e da pressão atmosférica.

5

6

Este tipo de estudos poderá vir a fazer parte integrante de material ligado a cenários de risco e de apoio a decisões por parte das forças intervenientes. Para tal é necessário ter em conta todas as características do espaço, das variáveis e as relações que existem entre si. No caso da aplicabilidade em tempo-real seria necessário uma monitorização de pelo menos 3 estações meteorológicas a fim de poder ser feita uma triangulação de forma a obter dados meteorológicos para toda a área em questão. Isto prende-se com o facto da grande variação de determinadas variáveis, nomeadamente os fluxos de vento. 7.Bibliografia Bodrozic, L., Stipanicev, D., et. al., (2009) - Forest Fires Spread Modeling Using Cellular Automata

Approach. University of Split, Croatia. Ferreira, J., Rocha, J., Tenedório, J. A., Morgado P., (2004) – Análise Multi-critério e Objectos de

Fronteira Indefinida para a Construção de uma Matriz de Corredores Verdes. Encontro da APG, Guimarães.

Hegde, N., Muralikrishna, I., et. al., (2007) - Integration of Cellular Automata and GIS for Simulating Land Use Changes.

Kontoes C., Keramitsoglou I., Sifakis N., Konstantinidis P. (2009) - SITHON: An Airborne Fire Detection System Compliant with Operational Tactical Requirements. Sensors.; 9(2): pp. 1204-1220.

Li, B., Wilkinson, G., Khaddaj, S., (2001) - Cell-based Model for GIS Generalization. Kingston University, UK.

Li, X., Magill, W., (2001) - Modeling Fire Spread Under Environemental Influence Using a Cellular Automaton Approach. Complex. Int., 8, pp. 1–14.

Rocha, J., Tenedório, J. A., et. al., (2004) - Integração de Autómatos Celulares e Redes Neuronais em Ambiente SIG para Previsão de Alterações nos Padrões de Uso e Ocupação do Solo. Encontro da APG, Guimarães.

Rocha, J., Pedrigão, A., et. al. (2012*) Remote Sensing based Crop Coefficients for Water Management in Agriculture. C.E.G. Universidade de Lisboa.

Santos, J., (2007). Tese de Mestrado em Biologia da Conservação - Aplicação de um Modelo de Autómatos Celulares à Propagação de Fogos no Parque Natural da Serra da Arrábida, pp. 6–11. Faculdade de Ciências da Universidade de Lisboa, Departamento de Biologia Animal.