Incêndios florestais no bioma pantanal : dinâmica espacial e temporal entre 2003 e 2013

Abstract

O objetivo geral do presente estudo foi analisar a dinâmica espacial e temporal das áreas queimadas corridas no bioma Pantanal no período de 2003 a 2013. Neste trabalho foram utilizados dados do produto MCD45A1, os quais fornecem mensalmente informação sobre áreas queimadas em escala global. Primeiramente, avaliou-se a acurácia do produto por meio da classificação supervisionada de uma cena LANDSAT TM, tida como verdade terrestre. Após a avaliação de acurácia, quantificou-se a ocorrência de áreas queimadas por ano e por vegetação, segundo dados do PROBIO, bem como a recorrência das queimadas. Para a análise espacial do padrão de distribuição das áreas queimadas, considerou-se o centroide dos polígonos mapeados pelo MCD45A1 como eventos pontuais. As estatísticas não-paramétricas utilizadas no estudo foram a função K de Ripley e o estimador de densidade Kernel, de forma conjunta. Posteriormente, a partir desta escala definida pela função K, foram gerados mapas de densidade da distribuição de queimadas. Ao final, para caracterizar os principais fatores ambientais e socioeconômicos que influenciam a ocorrência dos incêndios florestais, utilizou-se o modelo probabilístico Probit. Os erros de inclusão e exclusão para as áreas queimadas foram de 29% e 40%, respectivamente. A exatidão global da classificação foi de 96% e o índice Kappa foi 0,64, sendo considerado muito bom. No período de estudo, o ano que mais apresentou áreas queimadas foi 2005, com 8.559 Km², seguido dos anos 2007 e 2004, com 8.241 Km² e 7.603 Km², respectivamente. As classes de cobertura e uso da terra mais atingidas por queimadas foram as áreas naturais de savana (Cerrado e Estépica) e formação pioneira. O padrão de distribuição espacial das queimadas variou em diferentes escalas. Os valores obtidos apontam para a rejeição da hipótese de Completa Aleatoriedade Espacial (CAE), ou seja, apresentaram padrão agrupado de distribuição espacial, com escala máxima de agrupamento de 77 Km. No período analisado, a região sul e central do Bioma, especificamente o município de Corumbá/MS e pequena parte do município de Porto Murtinho/MS apresentaram densidade muito alta e alta de queimadas; nenhuma UC está inserida em áreas com densidade muito alta de queimadas; apenas quatro unidades estão em regiões com densidade alta; e as outras unidades estão localizadas em regiões com densidade média, baixa e muito baixa de áreas queimadas. Com base nos resultados é possível direcionar políticas de prevenção e combate aos incêndios florestais em áreas específicas, com raio mínimo de atuação de 77 Km. Segundo o modelo Probit, as variáveis que afetaram a ocorrência dos incêndios na área, à 95% de probabilidade, foram: precipitação, proximidade de áreas antrópicas, proximidade de rodovias, altitude, latitude, longitude e lat x long. Em relação as variáveis locais, nem todas apresentaram significância estatística, apenas: Unidade de Conservação, Savana-Cerrado, Savana-Estépica e Áreas de transição. As variáveis temporais que apresentaram probabilidade de ocorrência foram: 2004, 2005, 2007, 2008, 2010, 2011 e 2012. Finalmente, à luz dos resultados alcançados, estratégias e políticas poderão ser desenvolvidas, com o objetivo de mitigar os impactos causados pelo excesso de áreas queimadas. _____________________________________________________________________________ ABSTRACT

The aim of this study was to quantify, analyze and understand the forest fires in the Pantanal biome in the period from 2003 to 2013. In this paper we used data from the MODIS MCD45A1 product, which provides monthly information about burned areas globally. Firstly of all, the accuracy of the product was evaluated by means of supervised classification of a Landsat TM scene, which was taken as ground truth. The spatial analysis of the pattern of burned areas distribution, considered the centroid of the polygons mapped by MCD45A1 product as point events. The nonparametric statistics used in the study were both the Ripley's K function and the kernel density estimator. Subsequently, from the scale defined by the K function was generated a density map of the distribution of fires. Finally, to characterize environmental and socioeconomic factors that influence the occurrence of forest fires, we used the Probit probabilistic model. The errors of inclusion and exclusion for burned areas were 29% and 40%, respectively. The global accuracy was 96% and the Kappa index was 0.64, what is considered as very good. During the study period, the year that showed most burned areas was 2005, with 8,559 Km², followed by 2007 and 2004, with 8,241 Km² and 7,603 Km² respectively. The cover classes and land use most affected by fires was natural areas of savannah (Cerrado and Estépica) and pioneer forests. The spatial pattern of fires varied in different scales. The values obtained indicate rejection of the hypothesis of complete spatial randomness (CSR),in other words, the observed values of L remain outside the confidence interval and the upper limit of the interval therefore have clustered spatial pattern, where the clustering maximum scale was 77 Km. In the analyzed period, the south and central region of the biome, specifically the city of Corumbá/MS and a small part of Porto Murtinho/MS county showed regions with very high density of fires; no Conservation Units are found inserted in very high density of fires areas; only four units are in high density areas; and other units are located in regions with low and very low density of burned areas. Based on the results, it is possible to aim prevention and forest fires fight policies in specific areas, with a minimum radius of 77 Km of action. According to the Probit model, the variables that affect the occurrence of fires in the area, with 95% probability, were: rainfall, proximity to disturbed areas, proximity to roads, elevation, latitude, longitude and lat x long. Regarding local variables, not all were statistically significant, only: Conservation Unit, Savana-Cerrado, Savana-Estépica and transition areas. Temporal variables that showed the probability of occurrence were: 2004, 2005, 2007, 2008, 2010, 2011 and 2012. Finally, in light of the results achieved, strategies and policies can be developed with the objective of mitigating the impacts of excess burned areas.