Modelagem de Mudan

1
Modelagem de Mudanças de Uso e Cobertura da Terra

• SER 403 Mudanças Globais
• Ana Paula Dutra de Aguiar

2
Objetivo da apresentação

• Apresentar visão geral sobre objetivos e tipos de
  Modelos de Mudanças de Uso e Cobertura da Terra
  (Land Use and Cover Change - LUCC), de modo a
  prover subsídios para discussão sobre modelagem
  LUCC na OBT.

3
Roteiro

• Introdução
• Parte I Visão geral de modelagem LUCC
• Parte II Exemplos de modelos LUCC
• Conclusão

4
Introdução

• Conceitos básicos
• Motivação para o estudo de mudanças LUCC
• Entendimento sobre causas de mudanças

5
Roteiro da Introdução

• Conceitos básicos
• Motivação
• Causas de mudanças

6
Cobertura e Uso da Terra

• Cobertura
• Estado físico, químico e biológico da superfície
  da Terra
• Exemplos floresta, gramínea, área construída.
• Interesse das ciências naturais.

• Uso
• Emprego da terra pelo homem (propósitos humanos)
• Exemplos reserva indígena, pecuária, área
  residencial.
• Interesse das ciências sociais.

Uma mesma cobertura pode corresponder a
diferentes usos (floresta usada para extração de
madeira e recreação). No geral, um sistema de uso
corresponde a uma cobertura, mas pode combinar a
manutenção de mais do que um (sistema agrícola
combinando culturas e pastagens melhoradas).
Analysis of Land Use Change Theoretical and
Modeling Approaches - Helen Briassoulis, Ph.D.
http//www.rri.wvu.edu/WebBook/Briassoulis/chapte
r1(introduction).htm1.3
7
Tipos de mudanças

• Conversão
• Exemplos de conversão de cobertura
• Desflorestamento,
• Desertificação
• Exemplos de conversão de uso
• reserva florestal para agricultura para pecuária
  
• cultura permanente para cultura anual.

• Modificação
• Em termos de cobertura, mudanças estruturais ou
  funcionais, causadas por fenômenos naturais e
  também por ações humanas. Por exemplo
• Alterações na biomassa e na produtividade da
  vegetação
• Em termos de uso, intensificação ou mudanças nos
  seus atributos.
• Por exemplo, em sistemas agrícolas
• Intensificação, Extensificação, Marginalização e
  Abandono
• Em áreas urbanas
• mudanças na área residencial de alta renda para
  baixa renda.

8
Exemplo de mudança de cobertura perda de
florestas
9
Interações entre mudanças de cobertura e uso

• Mudanças de uso podem influenciar a cobertura de
  três maneiras
• Convertendo a cobertura
• Modificando a sua função, estrutura ou
  características, sem ocasionar uma mudança de
  tipo (e.g., intensificação)
• Ou mantendo a cobertura, contra agentes naturais
  de mudança.
• Mudanças de cobertura ocasionadas por mudanças de
  uso não necessariamente implicam em degradação da
  terra.
• Para entender mudanças, somente classificação da
  cobertura não é suficiente é necessário entender
  sua função (uso) e agentes envolvidos.

10
Roteiro da Introdução

• Conceitos básicos
• Motivação
• Causas de mudanças

11
Preocupação com mudanças

• Inicialmente
• Globais, impulsionada pelos impactos do
  desflorestamento no ciclo de C e perda de
  biodiversidade.
• Em áreas urbanas, como apoio ao planajemanto.

• Atualmente
• Vulnerabilidade de pessoas e lugares a mudanças
  de uso e, num nível mais amplo, às mudanças
  climáticas
• Suporte para políticas públicas de mitigação e
  adaptação, assim como ordenamento territorial.

Preocupação nos níveis global, regional e local
12
Feedback entre sistemas

• Mudanças de Uso e Cobertura podem influenciar
• Ciclo de carbono -gt Mudanças Climáticas (global)
• Ciclo hidrológico -gt Mudanças Climáticas
  (regional)
• Biodiversidade
• Susceptibilidade ao Fogo
• Populações
• Perda de solo
• Por outro lado, processo de Mudanças Climáticas
  poderá influenciar sistemas Naturais e Humanos
  (incluindo dinâmica de Uso da Terra) de diversas
  formas.

13
Questões globais ciclo de carbono e mudanças de
cobertura
1.8 6.5 8.3 gt 3 3 2 5
14
Mudanças de uso e cobertura no contexto de
mudanças globais
Mudanças Climáticas Aumento de
temperatura Mudanças nos níveis de
precipitação Aumento do nível do
mar Variabilidade e eventos extremos
Sistemas Humanos e Naturais Recursos terrestres
e aquáticos Ecossistemas e biodiversidade Áreas
povoadas e infra-estrutura Sistemas
agrícolas Saúde humana
Adaptação
Vulnerabilidade
Emissões e Concentrações Gases do efeito estufa
e aerosóis provenientes Queima de combustíveis
fósseis e mudanças de cobertura
Caminhos de Desenvolvimento Sócio-econômico Muda
nças demográficas Crescimento Econômico Tecnologia
Políticas Públicas e Instituições
15
Questões regionais e locaisExemplos na Amazônia
brasileira
16
Exemplo impactos do desflorestamento no ciclo
hidrológico regional

• O vapor de água primário, proveniente do
  Atlântico, entra na região pela costa do
  Atlântico, provocando precipitação. Grande parte
  das águas da chuva volta à atmosfera na forma de
  vapor dágua gerado pela ação da floresta
  (evapotranspiração). Este vapor d'água, somado
  ao vapor primário residual, provoca chuva mais no
  interior do continente, onde o mesmo processo se
  repete diversas vezes.
• Isto é, a floresta não é uma simples consequência
  das condições climáticas e da composição e
  estrutura do solo, pois é através desta relação
  de interdependência com a cobertura vegetal que
  se define o clima da região. Assim, o
  desmatamento, além de induzir a mudanças
  microclimáticas, deverá levar a alterações no
  clima regional. As previsões atuais são de um
  aumento na temperatura e uma diminuição das
  precipitações.

Salati, 2001.
17
Outro exemplo de impacto exploração seletiva de
madeira e susceptibildade ao fogo
Fonte http//www.ipam.org.br/avanca/ciclo2.htm.
18
Outro exemplo possíveis impactos negativos da
expansão da soja

• Expulsões de populações tradicionais e pequenos
  produtores
• Degradação do solo
• Contaminação dos rios por agrotóxicos
• Novos desflorestamentos
• Urbanização sem infra-estrutura.

Becker, 200. completar
19
Roteiro da Introdução

• Conceitos básicos
• Motivação
• Causas de mudanças

20
Entendimento atual sobre causas

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

• Lambin e Geist, 2002
• The causes of land-use and land-cover change
  moving beyond the miths. Lambin et alii, Global
  Env. Change 11 (2001) 261-269.
• Proximate causes and Underlying Forces of
  Tropical Deforestation. Geist e Lambin.
  BioScience, vol. 52, no.2, Feb. 2002.

21
Causas imediatas e subjacentes
Mudança de uso/cobertura
Alocação de capital (e.g., o que, quanto e
onde) Consumo Decisões gerenciais
Agentes variáveis de escolha
Objetivos e preferências Atributos
culturais Acessabilidade, tecnologia
disponível Preço dos insumos e dos
produtos Características ambientais Custo e
disponibilidade de mão de obra
Características dos diferentes Agentes
e parâmetros de decisão
Causas imediatas
Instituições
Tecnologia
Mercados
Infra-estrutura
Preço/ demanda mercado internacional Políticas
governamentais (e.g., programas de crédito),
Macro-economia,, Demografia
Variáveis macro e instrumentos de políticas
públicas
Causas subjacentes
Fonte adaptado de Kaimowitz e Angelsen, 1998.
22
Drivers, heterogeneidade espacial e escala de
análise
Contextos históricos e geográficos Várias
interações entre o homem e o ambiente reformulam
os impactos de drivers diferentemente, levando a
diferentes caminhos no processo de mudança do uso.

• Exemplo Amazônia Brasileira
• Berta Becker (2000) três sub-regiões distintas
  (espaço-tempo)
• Amazônia Oriental e Meridional
• Amazônia Central
• Amazônia Ocidental
• Dentro de cada sub-região, realidades e atores
  distintos
• 9 Estados - instituições
• áreas de colonização, áreas de agricultura
  mecanizada, Unidades de conservação
• Áreas de ocupação recente e consolidada.

• BECKER, B. Cenários de Curto Prazo para o
  Desenvolvimento da Amazônia. Cadernos IPPUR, rio
  de Janeiro, Ano XIV, no 1, p. 53-85, Jan/Jul
  2000.
• BECKER, B. Revisão das Políticas de Ocupação da
  Amazônia é possível identificar modelos para
  projetar cenários?, Número 12, Setembro 2001,
  p.135-159.

23
Drivers, heterogeneidade espacial e escala de
análise

• Processo não pode ser facilmente generalizado,
  sendo necessários
• Rede de estudos de caso que representem a
  heterogeneidade espacial de uma região
• Abordagem multi-escala, que permita a ligação
  entre a dinâmica regional e local
• Abordagem multi-temporal, pois escala de tempo
  analisada também influencia relação entre fatores
  e mudanças (e.g., impacto do aumento populacional
  em um século versus 5 anos)
• Drivers não são generalizáveis ou aplicáveis de
  uma escala para outra
• Relações não lineares observadas em uma escala
  não podem ser linearmente traduzidas para outra
  (erros de agregação)
• Diferenças na estrutura hierárquica de fatores
  entre diferentes níveis da organização.
• Exemplo na escala local (propriedade),
  acessabilidade e variáveis sociais na escala da
  paisagem, potencial agro-climático e topografia
  regional ou nacional, fatores macro-econômicos,
  demográficos e climáticos.

24
Fonte Lambin e Geist, 2002. Global land-use and
land-cover change what we have learned so
far? http//www.geo.ucl.ac.be/LUCC/pdf/Pages20fro
m20NL2046.pdf
25
Parte I - Visão Geral sobre Modelagem LUCC

• Objetivos e dificuldades
• Histórico
• Situação atual e tendências

26
Tipos de atividades em LUCC

• Monitoramento (Sensoriamento Remoto)
• Elaboração de Teorias
• Modelagem (Conceitual e Operacional)

27
Modelos versus Teorias de Mudança de Uso e
Cobertura

• Teorias
• Afirmações concatenadas utilizadas no processo de
  explanação.
• Teorias LUCC provenientes de tradições
  econômicas, sociológicas e natureza-sociedade.
• Exemplos de teorias Von Thunen, Alonso,
  Equilíbrio Espacial, Teorias baseadas em Agentes,
  Boserup ( Intensificação da agricultura/pressão
  Populacional), Teorias da pequena produção
  familiar (Chayanov, Neoclássica), etc.
• Teorias existentes atualmente limitadas em termos
  de complexidade espaço-temporal.

• Modelos
• Representação estruturada e idealizada do mundo
  real ou representação formal de teoria para um
  sistema de interesse.
• Modelos operacionais aplicado a dados reais.
• Alguns modelos LUCC não são explicitamente
  baseados em teorias.
• Síntese de teorias parece ser o mais adequada
  para que nenhuma dimensão do problema seja
  perdida.

http//www.rri.wvu.edu/WebBook/Briassoulis
28
Objetivos de atividades de modelagem LUCC

• Entender melhor as causas e mecanismos que
  governam as mudanças de uso/cobertura (o porquê)
  - testar hipóteses e análisar as importâncias
  relativas de diferentes fatorees
• Prever ou projetar quanto, quando e onde as
  mudanças deverão ocorrer no futuro (na verdade
  suposições lógicas sobre o que pode acontecer
  dadas certas premissas, incluindo os casos
  extremos)
• Auxiliar a elaboração de políticas públicas para
  prevenção, adaptação e mitigação de mudanças,
  através de simulações em diferentes cenários,
  através da análise da sensibilidade das mudanças
  de uso e cobertura a fatores ambientais,
  econômicos, sociais e institucionais e
• Analisar impactos das mudanças de uso nos
  sistemas naturais e sócio-econômicos, através do
  acoplamento de modelos com feedbacks nos dois
  sentidos.
• Prescever cenários otimizados.

29
Modelos podem ser categorizados quanto à

• Caracterização básica
• Objeto de estudo áreas urbanas,
  desflorestamento, intensificação de uso,
  desertificação, vulnerabilidade a mudanças
  climáticas, expansão da soja, dinâmica da
  paisagem, etc.
• Escala - local (nível de propriedade/agente),
  regional, global, ou multi-escala
• Qual pergunta se propõe a responder Porque?
  Quando? Onde? Cenários? Impactos?
• Com base nesta definição
• Quantitativo ou qualitativo
• Formulação matemática - determinísticos (processo
  conhecido) ou estocásticos
• Embasamento teórico - com base teórica (única ou
  síntese) ou ausência dela
• Tratamento da dimensão espacial - espacializados
  ou não (incluindo a incorporação de aspectos
  espaciais, como vizinhança e proximidade)
• Tratamento da dimensão temporal - desde
  completamente estáticos (condições iniciais são
  mantidas) até dinâmicos
• Nível de Integração (constituídos de vários
  subsistemas, representando o aspectos ambientais,
  socias, econômicos, normalmente em várias
  escalas) ou não.
• Tecnologia empregada - autômatos, multi-agentes,
  regressão múltipla, multi-critério, otimização,
  etc.

30
Variáveis de modelos LUCC

• Variáveis selecionadas dependem de entendimento
  mínimo do porquê das mudanças (mesmo em modelos
  estocásticos).
• Decisão sobre quais variáveis são exógenas e
  quais são endógenas depende da escala de estudo e
  do nível de integração com outros subsistemas (no
  caso de modelos integrados).
• Em modelos multi-escala, variáveis não podem ser
  generalizadas de uma escala para outra
  diferentes fatores atuam em diferentes escalas.

31
Dificuldades na modelagem LUCC

• Alta complexidade dos sistemas estrutural e
  funcional
• Modelagem do comportamento humano
• Entendimento sobre relações entre drivers
• Diversidade de aspectos a serem considerados
  (multi-disciplinaridade)
• Heterogeneidade espacial
• Disponibilidade de dados sócio-econômicos
• Difíicil previsibilidade eventos extremos e
  próprios resultados dos modelos podem mudar
  rumos
• Inexistência de uma teoria de LUCC que norteie a
  concepção dos modelos necessidade de síntese de
  teorias.

32
Histórico da modelagem LUCC

• Inicialmente, modelos de campos de conhecimento
  específicos
• A partir das décadas de 50 e 60, revolução
  quantitativa em geografia, economia, sociologia
  e planejamento área econômica tem grande
  quantidade de trabalhos muitos modelos para
  aplicações urbanas
• Boom de modelos de desflorestamento nos anos 80,
  impulsionado pela questão de mudanças climáticas
• Ciências naturais (e.g., ecologia da paisagem) -
  ênfase nos aspectos bio-físicoos.
• Tendência a interdisciplinariedade.
• Integração aspectos ambientais - sociais -
  econômicos.
• Anos 90 - Projeto LUCC (IGBP - International
  Geosphere-Biosphere Programme e IHDP -
  International Human Dimensions Programme on
  Global Environmental Change ).

33
Projeto LUCC (IGBP-IHDP)

• Motivação
• Earth Science necessidade de dados quantitativos
  e espacializados sobre mudanças de uso e
  cobertura (especialmente) no período de 300 anos
  atrás até os próximos 50 anos.
• Dimensões humanas questões de sustentabilidade e
  vulnerabilidade.
• Combinação de três perspectivas de entendimento
• Narrativa entendimento profundo através de
  detalhes históricos
• Baseada em agentes entendimento das decisões
  individuais
• Sistêmica/estrutural entendimento das
  organizações e instituições que estabelecem
  restrições e oportunidades, que influenciam das
  decisões individuais
• As duas últimas abordagens operam interativamente
  em diferentes escalas de tempo e espaço e
  dependem do desenvolvimento de modelos e testes
  empíricos.

www.geo.ucl.ac.be/LUCC/lucc.html
34
Projeto LUCC modelos propostos

• Foco 1 Dinâmica de uso
• Entender o comportamento dos agentes - casos de
  estudo
• Entender o relacionamento dos drivers entre
  escalas
• Questões de vulnerabilidade e sustentabildiade
• Modelos propostos
• Modelos multi-agente inteligentes Modelos
  regionais baseados em comportamento agregado dos
  agentes - relacionamento com organizações e
  instiruições
• Modelos de simulação de cenários de
  sustentabilidade
• Modelos simulação locais e regionais que
  identifiquem interações associadas com
  degradação e vulnerabilidade

• Foco 2 Mudanças de Cobertura
• Observações diretas (sistemas de monitoramento e
  alarme), paea identificação de taxas e padões
• Modelos de diagnóstico, relacionando fatores
  cultuurais e físicos espaço-temporais (proximate
  causes)
• Uso de modelos para testar hipóteses sobre
  fatores, que depois devem ser refinadas nos Focos
  1 e 3, identificar áreas sujeitas a mudanças e
  prever impactos destas mudanças.
• Ligação com comportamento humano (Foco 1).
• Modelos propostos
• Modelos de probabiliade de transição (Cadeias de
  Markov)
• Modelos estatísticos espacializados (e.g.,
  regressão linear).
• Modelos dinâmicos de processo (causais).

• Foco 3 Modelos Regionais e Globais
• Viabilizar o entendimento das mudanças LUCC no
  contexto de mudanças globais.
• Capturar fatores de modo mais abrangente
• Heterogeneidade espacial e escalas.
• Ligação economia-ambienta
• Mudanças Tecnológicas
• Políticas e instituiçõesDinâmica Urbano-rural
• Integração água-terra
• Resposta dos sistemas ã demanda por alimentos
  (intensificação e conversào)
• Desenvolvimento de cenários de mudanças globaiis.
• Modelos propostos
• Modelos espacialmente explícitos, multi-escala
  dinâmicos e integrados.

35
Tendências e linhas de pesquisa

• Modelos multi-agentes simulação de decisões e
  competição entre múltiplos agentes
• Entendimento do relacionamento entre escalas e
  drivers
• Modelos multi-escala que representem a
  complexidade estrutural
• Questão da heterogeneidade espacial e da escala
  temporal de análise
• Além da análise de processos de conversão
  (quantiitativa e locacional), análise de
  processos de modificação (e.g., intensificação)
  análises de vulnerabilidade e sustentabilidade
• Modelos de sistemas dinâmicos que representem
  complexidade funcional
• Links dinâmicos entre processos/modelos de uso e
  processos/modelos biofísicos, permitindo gerar
  previsões no futuro ou no passado
• Arcabouço sólido para validação de modelos

Veldekamp e Lambin, Editorial Predicting land
use change Agr., Eco. And env. 85(2001) 1-6
36
Roteiro

• Introdução
• Parte I Visão geral de modelagem LUCC
• Parte II Exemplos de modelos LUCC
• Conclusão

37
Parte II - Exemplos de Modelos
38
Critérios para seleção de modelos

• Apresentar visão geral sobre tipos de modelos
  existentes, seus objetivos e tecnologia
  empregada, assim como a que região foram
  aplicados
• Ordem da seção visa facilitar o entendimento dos
  objetivos e técnicas não implica em
  classificação modelos exemplificados não
  pertencem, necessariamente, a uma só categoria
• Existem tipos de modelos não exemplificados, por
  exemplo, modelos de otimização e Interação
  Espacial
• Maior ênfase a modelos de áreas rurais (locais e
  regionais) e já aplicados à Amazônia.

39
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e Econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

40
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

41
Modelos Markovianos

• Processo Estocástico.
• Aplicácel a processos que se move m numa
  sequência de passos através de conjunto de
  estados bastante utilizados em ecologia e
  geografia.
• Simplicidade Operacional probabilidades de
  transição podem ser facilmente estimadas com base
  em dados históricos. Não demanda grande
  quantidade de dados, que podem ser derivados de
  Sensoriamento Remoto.
• Aplicações principalmente, para prever em
  determinada data, quanto de cada conversão
  ocorrerá.

• S t1 P x St
• p11 p12 p1n
• P p21 p22 p2n
• pn1 pn2 pnn
• S s1 s2 .sn
• onde si é a quantidade de terra
• destinada a determinado uso.

42
Modelos Markovianos

• Normalmente, processo é considerado estacionário
  e de primeira ordem (somente último estado é
  considerado)
• Não incorpora nenhum fator (driver) de mudança.
  Assume que as forças que atuaram para produzir os
  padrões observados vão continuar a atuar não
  leva em conta vizinhança.
• Melhorias possíveis
• Remover hipótese de estacionariedade, permitindo
  alterações nos valores de probabilidade no tempo
  (o que exige domínio matemático e estatístico, e
  pode ser difícil a falta de dados para calibrar
  modelo)
• Relacionar probabilidades de transição a
  variáveis exógenas independentes
• Restrições em relação a transições impossíveis
• Analisar a disponibilidade de terra para mudança.

43
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos de Simulação baseados em Autômatos
  Celulares
• Modelos de Simulação Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

44
Modelos baseados em funções logísticas

• Modelo matemático simples que descreve processos
  que crescem lentamente no começo, depois
  rapidamente, depois lentamente novamente, até um
  ponto de saturação.
• Bastante utilizado em biologia, geografia e
  aplicado para desflorestamento.
• Base teórica
• Desflorestamento como um fenômeno de crescimento
  com restrição (até a biomassa ficar escassa, sem
  rebrota)
• Desflorestamento como um processo de difusão
  (ondas de migração).
• Aplicações
• Várias aplicações para estimar taxas de
  desflorestamento
• Exemplo Reis e Margulis (1991).

desflorestamento
tempo
45
Modelos baseados em funções logísticas

• Descritivo, não explanatório.
• Pode explicitamente incluir um pequeno número de
  variáveis causais
• Pode ser utilizado para prever desflorestamento
  sem grande entendimento das causas
• Possui duplo embasamento teórico
• Pode ser incorporado em arcobouço espacial,
  multi-escala (Esser, 1989)
• parametrização regionalizada
• interação entre escalas, de modo que
  desflorestamento aumente de acordo com as funções
  logísticas de vários níveis da hierarquia
• seleção de células para desflorestamento
  (sequencia) definida de acordo com uma
  probabilidade definida por uso da terra dos
  vizinhos, produtividade natural, fertilidade do
  solo e taxa de mudança naquela célula
  anteriormente (Osnabruck Biosphere Model)

46
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

47
Modelos Estatatísticos

• Modelos baseados em regressão múltipla e outras
  técnicas multivariadas (e.g., análise canônica).
  Podem ser contínuos ou discretos com finalidade
  explanatória ou preditiva

• Contínuos (e.g., regressão linear múltipla)
• LUT i a b1X1 b2X2 ..... bnXn ei,
• onde,
• LUTi é a área ocupada pelo uso i (em cada
  zona/célula), e
• X1, X2, ..Xn as variáveis de previsão utilizadas
• Incorporação de aspectos quantitativos (taxas,
  etc)
• Exemplo módulo de regressão linear do CLUE
  (Apresentado na seção de Modelos Integrados)

• Discretos
• Modelam a probabilidade de haver mudança do uso i
  para uso j
• discrete choice models, baseados em logit e
  probit models
• Exemplos modelos econômicos espaciais de
  BockStael e modelo de Dinâmica da paisagem
  (apresentado na seção de modelos de simulação
  espacial)

48
Econométricos

• Aplicação de técnicas de regressão múltipla à
  análise de problemas que envolvam demanda e
  oferta.
• Sistemas de equação que expressam as relações
  entre a demanda e/ou produção e seus fatores
  determinantes, assim como entre demanda e
  produção entre si.
• Vários métodos foram desenvolvidos especialmente
  para resolver este tipo de sistema.
• Exemplos
• Estáquio Reis (IPEA)
• Andersen et al. (1997)
• Projeto Nemesis
• Marcellus Caldas (PhD Esalq/MSU) Amazônia/micro

49
Exemplo 1 Andersen e Reis (1997) - IPEA
Objetivo análise dos fatores determinantes do
desflorestamento na Amazônia.

• Modelo de 6 equações
• Demanda por terra desflorestada (Equação
  principal)
• demanda por terra desflorestada na região i, no
  tempo t, com base nas características passadas da
  região i e dos seus vizinhos mais próximos.
• Interações entre populações urbanas e rurais
• Produção rural e urbana
• Preço da terra

• Dados utilizados
• Dados para 316 regiões (municípios) da Amazônia
  (1970, 1975, 1980, e 1985) sobre
• Economia
• Agricultura
• Demográficos
• Ecológicos
• Dados sobre vizinhança
• Distância entre centros de municipalidades

DCLRi,t f (distance to federal capitali, road
lengthi,t-1, river lengthi, level ofclearing in
neighboring regionsi,t-1 rural population
densityi,t-1, level of clearingi,t-1, share of
land clearedi,t-1, change of urban outputi,t,
distance to state capitali, urban residents per
rural residenti,t-1, growth pole dummyi, Sudam
crediti,t-1, land pricesi,t-1, rural income per
rural capitai,t-1, municipality areai).
Andersen e Reis (1997) Texto para Discussão Nº
513 DEFORESTATION, DEVELOPMENT, AND GOVERNMENT
POLICY IN THE BRAZILIAN AMAZON AN ECONOMETRIC
ANALYSIS- IPEA
50
Exemplo 1 Andersen e Reis (1997) - IPEA
51
NEMESIS - Núcleo de Estudos e Modelos Espaciais
Sistêmicos / MCT

• Linha de pesquisa
• Mudanças climáticas globais, agricultura e
  desflorestamento/Economia do Desflorestamento da
  Amazônia Brasileira Eustáquio Reis IPEA
  (http//www.nemesis.org.br/ )
• Modelo Econométrico
• Descreve as interações dinâmicas entre população,
  atividades econômicas e desflorestamento com com
  base nas seguintes suposições
• population growth (pre-determined) and road
  expansion (policy determined) are the exogenous
  or structural causes of deforestation
• agropastoral activities are the immediate causes
• Logging plays an induced and subsidiary role.
• Dados municipais
• Núcleo do modelo modelo demográfico e modelo de
  uso da terra.

Modelos econométricos da ocupação da Amazônia
Eustáquio J. Reis IPEA/DIMAC http//www.mct.gov.br
/Temas/meioambiente/news/EustaquioJReis.PDF
52
(No Transcript)
53
Exemplo 2 Caldas (2001)

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

Caldas (2001). Desmatamento na Amazônia Uma
análise econométrica de autocorrelação espacial
combinando informações de SR com dados primários.
ESALQ/MSU.
54
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e Econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

55
Modelos GIS

• Modelos criados diretamente nos sistemas de
  Informação Geográfica, que realiza as funções
  analíticas necessárias (tight coupled). Por
  exemplo, modelos de regras.
• No entanto, a integração da maior parte dos
  modelos com os SIG atualmente é loose (através
  de troca de dados)
• Incorporação de capacidade de modelagem dinâmica
  e representação de processos em GIS facilitará a
  criação de modelos GIS.
• Exemplo Laurence Impactos Avança Brasil

56
Exemplo Laurence et alii, 2001
Objetivo alertar para os possíveis impactos das
obras de infra-estrutura do Avança
Brasil. Análise de dados históricos para
identificação de áreas de influência das futuras
obras. Prevê (deterministicamente) quatro
níveis de degradação para a Amazônia Brasileira,
em 20 anos (buffers). Considera dados de
desflorestamento atuais, infra-estrutura
(existentes e planejados), atividades de
mineração e extração de madeira, áreas de
conservação e susceptibibidade ao fogo.
Laurence et al. The future of Brazilian Amazon.
Science 291 (5503) 438
57
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

58
Modelos baseados em autômatos celulares

• Autômato celular
• matriz de células,
• vizinhança,
• um conjunto de estados discretos,
• conjunto de regras de transição,
• um incremento discreto de tempo.
• Em Modelagem LUCC, uso de CA generalizados
• regras de transição não aplicadas diretamente,
  mas através um potencial ou probabilidade

Exemplo Dinâmica (CA modificado)
59
Exemplo Dinâmica
Objetivo modelo de simulação geral a ser
aplicado a uma variedade de estudos de dinâmica
da paisagem e de fenômenos espaciais dinâmicos.

• Estocástico (estimativa das taxas de transição e
  regras de transição)
• Espacializado, baseado em autômatos celulares
  generalizados)
• Pode ser integrado a modelo externo para
  construção de cenários (cálculo de matrizes de
  tranisção) e modelo de construção de estradas.

http//www.csr.ufmg.br/dinamica/ - Britaldo
Soares - Centro de Sensoriamento Remoto - UFMG
60
Exemplo Dinâmica

• Probabilidades baseadas em
• Pesos de Evidência ou
• Regressão Logística

61
ExemploDinâmica

• Construído inicialmente para simulação de
  dinâmica da paisagem na Amazônia
• Mato Grosso (Tese Britaldo)
• Santa Cruz Bolívia (construção de estrada)
• Cuiabá-Santarém (cenário de governança e não
  governança)
• Aplicado também para áreas urbanas (Claudia
  Almeida-INPE)

62
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e Econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

63
Modelos de simulação no nível micro

• Nesta seção, são apresentados modelos
  espacialmente explícitos no nível micro, que
  simulam no espaço e no tempo a mudança de uso,
  considerando o comportamento dos atores, com base
  em Teorias micro-econômicas.
• Exemplos
• 1. DELTA (Dynamic Land Tenure Analysis Model)
  Oak Ridge National Laboratory TN USA Modelo
  de simulação espacial baseado em regras, com
  componente estocática
• 2. Ecômico/Bockstael University of Maryland
  MD USA Modelo Econômico Estatístico
  (discreto)
• 3. LUCITA/LUCIM Baseado em tecnologia de
  multi-agentes
• 4. ADSS Modelo integrado, estuda interação entre
  sistema de uso e instituições, baseado em
  tecnologia de multi-agente e autômato celulares.
• Observação DELTA, LUCITA/LUCIM e ADSS são também
  modelos integrados, como será discutido na
  próxima seção.

Tecnologia Multi-agentes
64
Exemplo 1 Delta

• Objetivo Não visa apenas previsão concebido
  como um instrumento de investigação do destino da
  paisagem, para uma região da Amazônia, de acordo
  com as decisões sobre o uso do solo por colonos
  com diferentes perfis.
• 3 sub-modelos integrados
• Difusão de colonização
• Mudança de uso do solo
• Liberação de carbono
• Um dos primeiros esforços na direção de ligar
  processos físicos e sócio-econômicos/culturais.
• Aplicação Projeto de Colonização Ouro-Preto (294
  lotes)
• Técnica baseado em regras (não numérico), com
  inserção de variáveis

Escala Local/lote
Escala regional
Southworth et alii, 1991 Dale at alii, 1993,
Fronh, R.C, 1996
65
Exemplo 2 Modelo Econômico Espacial (Bockstael
Univ. Maryland, Elena Irwin Univ. de Ohio)

• Objetivo modelos econômicos estruturais de
  decisão discreta sobre uso do solo, num arcabouço
  espacial.
• Escala micro (propriedade) para áreas urbanas,
• Estatístico discreto
• para cada unidade, a utilidade de um
  determinado tipo é calculado com base nas suas
  características.
• uma probabiliade de que determinado tipo seja
  escolhido é calculada com base nesta utilidade.
• Baseado na teoria de agentes, possui sólida base
  microeconômica
• Modelam efeitos de atração com variáveis exógenas
  e repulsa entre diferentes usos
• Modela tempo de duração de determinado uso
• Permite a incorporação de variáveis qualitativas
  (e.g., culturais).

• http//www.uvm.edu/giee/PLM/MODEL/nomic.htm
• lrwin et al. Theory, data, methods developing
  spatially explicit economic models of land use
  change. Agr., Eco. And Env 85 (2001) 2-23.

66
Tecnologia de modelos multi-agente

• Existem em um espaço
• Separados deste espaço
• Atributos
• Regras de comportamento
• Trocam informações (mediadas pela vizinhança)
• Tempo discreto

http//www.geosimulation.org/geosim/abms.htm. Geo
Simulation Site CASA Center for Advanced
Spatial Analysis
67
Combinação entre Agentes e Autômatos Celulares

• Células da paisagem podem ser considerados
  agentes (GIS-CA toolkit, baseado na biblioteca
  Swarm)
• Podem ter modelos/comportamentos distintos
  heterogeneidade espacial
• A paisagem se comunica com suas células através
  de mensagens. As células se comunicam com as
  vizinhas através de trocas de mensagens. Cada uma
  processa as mensagens de acordo com seus modelos.
• Agentes móveis podem atuar sobre a paisagem,
  interferindo e sendo afetados pela mesma
  (feedbacks). Podem ter comportamento inteligente.

Peter Box. Spatial Units as Agents Making the
Landscape an Equal Player in Agent Based
Simulation http//www.swarm.org/
68
Exemplo 3 Lucim/Lucita
Objetivo desenvolvimento de modelos baseados em
agentes empiricamente parametrizados e validados.

• LUCIM Indiana
• LUCITA Amazônia brasileira
• Desenvolvimento e comparação com modelos
  econométricos.
• Instituições inicialmente exógenas.

http//www.cipec.org/research/biocomplexity/
BioComplexity Project (NSF Funded) CIPEC
Indiana University
69
Exemplo 3 Lucim/Lucita

• Questôes científicas para guiar modelagem
• How do individuals make labor allocation,
  production, consumption, and investment decisions
  in risky, multi-asset environments?
• What factors affect individual preferences and
  actions related to land use?
• What is the impact of landowner actions on the
  landscape?
• How do socioeconomic landscape patterns and
  ecological landscape patterns interact?
• How does a change in land use in one location
  influence the probability of a change in land use
  at a neighboring location?
• What is the role of scale in the observed changes
  in land use in southern Indiana?
• What are some key ways of testing our
  theoretical models? How do initial assumptions
  impact model outcomes? Can differing
  assumptions lead to observationally equivalent
  outcomes?

70
Exemplo 4 ADSS
Objetivo Análise da interação ator-instituição-am
biente.

• Protótipo de arcabouço de modelagem para, baseado
  em agentes, CA generalizado, GIS.
• No caso de estudo específico desflorestamento e
  pequenos proprietários, na península de Yucatan,
  no México.
• Combina perspectivas de agentes e estruturas
  (multi-escala)

http//www.ucgis.org/oregon/papers/manson.htm
Agent-Based Dynamic Spatial Simulation of
Land-Use/Cover Methodological Aspects. Steven
Mason, Clark University
71
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

72
Modelos Integrados

• De acordo com Briassoulis, existem vários
  significados para Integração
• Espacial (vários níveis)
• Setores (e.g., transporte vs uso)
• Usos da Terra (e.g., comercial vs residencial vs
  industrial)
• Sub-mercados da econômia
• Econômia-sociedade-ambiente (e.g., links entre
  pelo menos dois componentes)
• Classificados como
• Urbanos
• Regionais
• Globais

http//www.rri.wvu.edu/WebBook/Briassoulis/conten
ts.htm. Analysis of Land Use Change Theoretical
and Modeling Approaches. Helen Briassoulis, Ph.D.
73
Modelos Integrados Regionais exemplificados

• SIMLUCIA
• Feedbacks entre sub-sistemas natural, econômico,
  social (macro) e uso da terra (micro).
• Nível micro
• Baseado em autômato celular modificado.
• Integrado ao GIS.
• CLUE
• Modelo Multi-escala, estatístico (baseado em
  regressão linaer).
• Permite analisar efeitos de escala nos
  determinantes de mudanças
• Integra modelo econômico e demográfico em escalas
  globais de demanda por produtos.
• LUC/IIASA
• Modelo baseado na teoria econômica welfare
• Sendo aplicado à China.
• Segundo Briassoulis, um dos mais completos em
  termos de análise da integração entre fatores
  ambientais e sócio-econômicos.

74
Exemplo SimLucia

• Objetivo Ferramenta para que o poder público
  possa explorar possíveis conseqüências
  ambientais, sociais e econômicas de mudanças
  climáticas hipotéticas.
• Feito para a UNEP, para testar o sistema na ilha
  de Santa Lúcia, Caribe.
• Pode acomodar vários cenários com relação a
  condições econômicas internacionais, mudanças
  climáticas, e tendências demográficas, podendo
  ser aplicado a qualquer região de tamanho pequeno
  ou moderado.

http//www.riks.nl Modeling land use change
with linked cellular automata and socio-economic
models A tool for exploring the impacts of
Climate Change on the Island of Sta. Lucia. Roger
Withe e Engelen (RIKS)
75
Exemplo SimLucia (Nível Macro)

• Sub-sistema Natural
• Série de hipóteses ligadas, que o usuário pode
  modificar, com relação à mudança no tempo da
  temperatura e nível do mar, e os efeitos destas
  mudanças na precipitação, frequência de chuvas,
  assim como na demanda por produtos e serviços da
  ilha (turismo).
• Sub-sistema Econômico
• Modelo Input-Output, descreve a economia da ilha
  como um conjunto de equações lineares. Fortemente
  acoplado ao sistema demográfico e captura a
  interdependência entre setores. Inclui demanda
  interna e externa.
• Sub-sistema Demográfico
• Calcula a população da ilha anualmente com base
  nos nascimentos, com base em nascimentos, mortes
  e migração líquida. Captura mudanças no susbstema
  econômico
• Link para nível macro Cálculo de produtividadeda
  terra
• Usa a demanda por determinada atividade e de
  população em quantidade de terra necessária para
  tal ativiadade.Utiliza medidas de adequação da
  terra para cada atividade para caálculo de
  densidade.

76
Exemplo SimLucia (Nível Micro)

• Baseado num autômato celular
• Regra de transição cálculo de um potencial de
  modo determinístico mais componente de erro
  estocático
• Potencial é função de acessabilidade, adequação e
  fator de atratividade de outras atividades
• Com base em superfície de potencial, células são
  ordenadas e sorteadas para transição, de acordo
  com demanda calculada no nível macro
• Mudanças na adequanção do solo são enviadas para
  o nível macro, para mudar densidade.

77
Exemplo SimLucia

• Vizinhança
• Região circular, com raio de 8 células, total 196
  células
• Divida em 30 zonas discretas (por distância)
  pode dar pesos diferentes para zonas de acordo
  com distância (vizinhança 4, 8, etc.)
• 3 níveis de regras de transição
• Prioridade 1 Intervenções humanas
• Prioridade 2 Aumento do nível do mar
• Prioridade 3 Transições entre usos, com base em
  Potencial
• Pz f (Sz).f(Az).?? (wz,y,d x I d,i) ez
• d
  i
• f (Sz) adequação da célula para atividade z
  (0 lt f (Sz ) lt 1)
• f(Az ) acessabilidade da célula para atividade
  z (0 lt f (Az ) lt 1)
• d zona (0ltdlt30)
• I d,i I é o índice de uma célula em uma dada
  vizinhança
• W z, y, d peso dado a células vizinhas no
  estado y na zona d, em relação a transição
• para z (atratividade)
• Id,i função dirac delta I d,i 1,
  se o estado da célula i na zona d é y caso
• contrário, I d,i 0

Az 1/(1 D/az)
78
Exemplo CLUE

• Arcabouço de modelagem de mudanças de uso do solo
  para modelos dinâmicos e multi-escala, baseados
  em
• Objetivo entender relação entre drivers em
  múltiplas escalas e realizar análises preditivas
  de curto prazo, em diferentes cenários
  macro-econômicos.
• As relações entre mudanças e fatores
  explanatórios são quantificados através de
  regressão linear múltipla.
• Aplicado em
• Central America
• China
• Costa Rica
• Ecuador
• Honduras
• Java
• Philippines
• Vietnam
• Malaysia

• Exemplo de equação aplicada na Costa Rica
• permanent crops ß0 ß1soil drainage
  ß2relief ß3altitude ß4rurpop ß5urbpop
  ß6alf

http//www.gis.wau.nl/clue/
79
CLUE China dados grid usados

• Population density
• Distance to city
• Soil fertility
• Rural population density
• Elevation

• Soil drainage
• Urban population density Slope
• Temperature
• Agricultural labour force

• Landform
• Precipitation
• Illiteracy
• River density
• Sunshine

80
CLUE China
Permite regionalização
81
CLUE mecanismo dealocação
() cover x,y,t,c coverx,y, t-1, c reg_cover
x,y,t,c - cover x,y, t-1 )ITFc

• Na escala menor (coarse)
• Demanda distribuída igualmente por todos as
  células cujo valor das células em t-1 (cover t-1)
  seja menor do que a reg_covert seja menor do que
  a cover.
• Se for menor, indica propensão a mudança (pois
  outros locais nas mesmas condições já mudaram.
  Nova porcentagens de área são dadas pela fórmula
  ()
• ITC ajustado iterativamente, com base na demanda.
• Na escala maaior, processo é similar, mas são
  também considerados a mudança relativa alocada na
  escala menor e desenvolvimentos autônomos.

82
Exemplo LUC IIASA

• Objetivo Arcabouço de modelagem para a análise
  de interações espaciais e intertemporais entre
  diversos fatores sócio-econômicos e biogeofísicos
  que causam mudanças de uso e cobertura.
• Desenvolvido para ser utilizado como ferramenta
  de apoio à decisão.

http//www.iiasa.ac.at/Research/LUC/
83
Exemplo LUC IIASA

• Base teória
• Welfare Theory (Economia) e métodos analíticos
  relacionados (assume mercados perfeitos, o que
  não é realista em muitos países, e pode ser
  distorcido)
• Aplicações
• desenvolvido inicialmente para China e Noroeste
  da Ásia, mas estrutura e metodologias são
  aplicáveis a outras regiões.
• China identificar e simular trajetórias de
  investimento e de usos de recursos socialmente
  desejáceis e economicamente eficientes, que são
  computadas resulvendo um problema de maximixação
  do bem-estar social (welfare), sujeto a
  restrições tecnológicas e de recursos. Modelo
  multi-região, multi-setor e multi-agente.
• Bastante complexo, mas segundo Brisassoulis, a
  mais ambiciosa tentativa de criar um arcabouço
  integrado, sensível tanto a dinâmicas globais,
  quanto locais.

84
Roteiro da Parte II

• Modelos Markovianos
• Modelos Logísticos
• Modelos Estatísticos e econométricos
• Modelos GIS
• Modelos baseados em Autômatos Celulares
• Modelos Nível Micro e Multi-agentes
• Modelos Integrados Regionais
• Considerações gerais sobre modelos

85
Considerações sobre modelos

• A maior parte dos modelos não possui embasamento
  teórico consistente.
• Modelos de regressão
• Não possuem real poder explanatório demonstram
  associação ou correlação entre variáveis, não
  efeitos de causa e efeito.
• Capazes de realizar projeções de curto prazo,
  indicando áreas propensas a mudanças
• Automatos celulares generalizados
• Fórmula de potencial/probabilidade pode dar
  suporte a testar diversas hipoteses/teorias
  (e.g., SimLucia),
• Não incorporam diretamente a questão do processo
  de decisão e o papel das instituições (assim como
  modelo de Markov e técnicas estatísticas)
• Vantagens do modelo baseado em agentes
• Simular um laboratório social
• Modelar feedbacks entre sistemas biofísicos e
  sócio-econômicos
• Possibilidade de incorporar heterogeneidade
  espacial e complexidade estrutural
• Arcabouço teórico baseado na Teoria de agentes
  (micro-economia)

86
Modelos causais (processo)

• Modelos de processo, causais e dinâmicos, não
  simplistas, ainda não existem estágio atual de
  modelagem e teoria serão a base para o
  desenvolvimento de tais modelos maior parte dos
  modelos é estocástico.
• Modelos causais precisam incorporar a relação
  entre decisões individuais e mudanças de uso
  por outro lado, é preciso endereçar a questão de
  agregar este comportamento para entender mudanças
  nos níveis regionais e globais.

87
Modelos de simulação espacial

• Duas grandes linhas
• Modelos que calculam uma superfície (espaço
  celular) e com base nela alocam mudanças por
  sorteio, expansão de manchas ou outro critério
  (de acordo com demanda externamente
  estabelecida)
• CLUE diferença da regressão
• SimLucia Potencial (determinístico)
• Dinâmica Probablilidade
• Bockstael Probabilidade
• Modelos baseados em multi-agentes combinados
  atuando sobre espaço celular modelam
  comportamento dos atores, instituições e sua
  interação com o sistema de uso e ambiente.
• LUCITA/LUCIM
• ASDD

88
Modelagem integrada nível de integração reflete
em variáveis endógenas e exógenas
Modelos de Mudanças Climáticas Modelos de Ciclos
Biogeoqúimicos Modelos de Vegetação
Modelos de Cenários Sócio-Econômicos Economia,
Tecnologia, Instituições, Demografia,
(incluindo migrações)
Modelos LUCC Rede de modelos locais Modelos
regionais multi-escala
Modelos de Vulnerabilidade Erosão, Fogo,
Social Segurança Alimentar Biodiversidade, outros
89
Modelos versus perguntas

• Modelos estão sempre errados. Mas alguns são
  úteis
• Modelos distintos para questões científicas
  distintas
• A questão principal é o que se quer modelar, para
  quais as perguntas científicas se quer obter
  resposta então selecionar o tipo de modelo mais
  adequado e analisar teorias que possam embasar a
  concepção do modelo.

90
Roteiro

• Introdução
• Parte I Visão geral de modelagem LUCC
• Parte II Exemplos de modelos LUCC
• Conclusão

91
Conclusão

• Modelagem LUCC na OBT
• Requisitos para ambiente computacional
• Parcerias

92
Modelagem LUCC na OBT (Amazônia)

• Procurar focar em aspectos do processo de mudança
  de uso e cobertura que se deseja entender
  (objetivo e escala de estudo). Exemplos
• Entender impactos e feedbacks com meio biofísico
• Integração com modelos de mudanças climáticas,
  Modelos de vegetação, Modelos hidrológicos, ou
• Vulnerabilidade do meio físico Biodiversidade
  susceptibilidade ao fogo, perda do solo, etc., ou
• Entender impactos e feedbacks com sistemas
  humanos
• Integração com modelos demográficos/migrações, ou
• Analisar possíveis impactos do ZEE na dinâmica de
  uso e ocupação, ou
• Sustentabilidade de sistemas agrícolas frente à
  intensificação, ou
• Entender e prever expansão da soja frente a
  alternativas de políticas públicas, ou
• Entender como fatores institucionais e econômicos
  afetam as decisões e as dinâmicas em diversas
  escalas entender como as decisões individuais se
  agregam, formando processos regionais.

93
Minhas áreas de interesse

• Linha 1
• Questões relacionadas a como fatores/processos
  atuam nas várias escalas fatores subjacentes
  (macro-economia, cadeias produtivas,
  instituições), fatores imediatos (processo de
  decisão) e como comportamento pode ser agregado.
  Usar abordagem multi-escala do CLUE, combinada
  com teoria de agentes.
• Linha 2
• Analisar vulnerabilidade de sistemas de uso e
  ecossistemas específicos frente a processos de
  intensificação. Análise local, com abordagem
  multi-agente, com influência de fatores
  institucionais.
• Linha 3
• Entender e projetar processo de expansão da soja
  versus condições macro-econômicas, políticas
  públicas e condições ambientais analisar impacto
  sobre determinadas populações.
• Linha 4
• Analisar possíveis impactos de mudanças
  climáticas sobre diferentes sistemas de uso.

94
Possíveis requisit