Uso da Análise de Regressão para Estudo da Intensidade da Degradação Florestal na Amazônia Mato-grossense SER 301 – ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS.

Apresentação em tema: "Uso da Análise de Regressão para Estudo da Intensidade da Degradação Florestal na Amazônia Mato-grossense SER 301 – ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS."— Transcrição da apresentação:

1 Uso da Análise de Regressão para Estudo da Intensidade da Degradação Florestal na Amazônia Mato-grossense SER 301 – ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS Prof. responsáveis : Dr. Eduardo G. Camargo e  Dr. Antônio Miguel Vieira Monteiro Aluno: Vinicius do Prado Capanema

2 Sumário: Motivação; Objetivo; Metodologia; Resultados e discussões;
Conclusão; Agradecimentos.

3 Estudo e modelagem da degradação florestal;
Motivação: Importância da Floresta Amazônica ; Fonte: geolocation.ws Intensificação da ocupação da Amazônia brasileira; Fatores que influenciam e geram a degradação florestal; Estudo e modelagem da degradação florestal; Fonte: Fonte: Fonte: jpmabrasil.wordpress.com Fonte:

4 Motivação: Degradação florestal: Níveis de degradação:
“Processo gradual de longo-prazo de redução da cobertura florestal pela atividade de exploração madeireira e pelo fogo florestal” INPE, (2008a) Níveis de degradação: 0 - floresta intacta; 1 – corte raso; Níveis intermediários – níveis de degradação (baixa, média e alta intensidade de degradação florestal)

5 Motivação: Estudo e modelagem da degradação florestal:
Padrões e processos da dinâmica do uso e ocupação do solo; Obtenção de medidas de um conjunto de variáveis que expliquem intensidade de degradação florestal; Estabelecer relações funcionais entre as variáveis com base na exploração estatística (modelos lineares clássicos e/ou espaciais).

6 Objetivo: Apresentar uma análise que permita explicar a INTENSIDADE DE DEGRADAÇÃO FLORESTAL por meio de modelo de regressão e de fatores relacionados com esse fenômeno; Construção de um modelo com variáveis que melhor expliquem a variável dependente. Verificar se há dependência espacial da variável dependente;

7 Metodologia: Área de estudo: Área total: 2500 km²;
Coordenadas geográficas do centroide: 54° 31' " W e 11° 59' " S.

8 Metodologia: Variável dependente:
Intensidade de degradação florestal do período de 1994 a 2004; Fonte de dados: PINHEIRO (2010); Construção da variável dependente: Soma das intensidades anuais de degradação (de 0.1 a 0.9) do período de a 2004 para gerar um indicador de intensidade de degradação florestal); Eliminação dos valores referentes a floresta intacta (0) e corte raso (1).

9 Construção das variáveis independentes:
Metodologia: Construção das variáveis independentes: Plugin de células Objetivo: homogeneizar informações de diferentes fontes em uma mesma base espaço-temporal. GeoDMA Objetivo: Extração de métricas de paisagem, dentre outras. Fonte: Gavlak e Escada. Fonte: Korting et al.

10 Metodologia: Variáveis independentes (1994 a 2004).
Dado Fonte Operação Premissa Variável Focos de calor Portal de queimadas do INPE Densidade de Kernel. Células com maior densidade de focos de calor possuem intensidade de degradação mais alta. Densidade de focos de calor. Contagem dos focos de calor dentro das célula Células com maior número de focos de calor possuem intensidade de degradação mais alta. Número de focos de calor. Mapas de distância euclidiana gerados a partir dos focos de calor. Células com menor distância aos focos de calor possuem intensidade de degradação mais alta. Distância de focos de calor. Desmatamento PRODES Mapas de distância euclidiana gerados a partir dos polígonos de desmatamento. Células com menor distância dos polígonos de desmatamento possuem intensidade de degradação mais alta. Distância dos polígonos de desmatamento. Mapa de células com a área de desmatamento acumulado de 1994 a 2005. Células com maior área de desmatamento por corte raso possuem intensidade de degradação mais alta. Área de desmatamento. Mapa de células com a densidade de bordas dos polígonos de desmatamento. Células com maior densidade de borda de áreas desmatadas possuem intensidade de degradação mais alta. Densidade de borda. Mapa de células com o comprimento de bordas dos polígonos de desmatamento. Células com maiores valores do total de borda de áreas desmatadas possuem intensidade de degradação mais alta. Total de Borda. Mapa de células com número de fragmentos de desmatamento. Células com maior número de fragmentos possuem intensidade de degradação mais alta. Número de Fragmentos. Malha viária SINFRA e IMAGEM TM 226/068 Mapa de distância euclidiana gerado a partir das linhas da malha viária . Células com menor distância das estradas possuem intensidade de degradação mais alta. Distância da malha viária. Planos de manejo florestal sustentável – PMFS SIMLAM público da – SEMA (1994 a 2005) Mapa de distância euclidiana gerado a partir dos polígonos de PMFS. Células com menor distância dos polígonos de PMFS possuem intensidade de degradação mais alta. Distância dos polígonos de PMFS Mapa de células contendo área dos polígonos de PMFS Células com maior área de polígonos de PMFS possuem menor intensidade de degradação. Área de PMFS.

11 Metodologia - Análise de regressão:
Y DGRAD_2004 R-Quadrado valor-P X NUM_FOCOS 0, 2,98E-14 AREADESMAT 0, 3,40E-135 AREA_PMFS 0, 7,33E-06 DISTDESMAT 0, 3,60E-44 DIST_PMFS 0, 2,66E-05 DENS_BORDA 0, 2,75E-154 NUM_FRAG 0, 1,87E-77 TOTA_BORDA DENSKERNEL 0, 1,14E-09 DIST_FOCO 0, 8,12E-19 DIS_MALHA 0, 3,48E-09 Seleção das variáveis; Escolha do modelo de regressão: Diagnóstico do modelo: R² e FIV; Análise dos resíduos: Verificar dependência espacial – MORAN I; REGRESSÃO ESPACIAL: Incorpora a estrutura de dependência espacial ao modelo; Matriz de vizinhança tipo queen. SAR (LAG) – atribuem A. E. a variável dependente. CAR (ERROR) – atribuem a A. E. ao erro (efeitos espaciais são ruído). Teste de Lagrange.

12 Metodologia: Resumindo: Fonte: DRUCK et al.

13 Resultados e discussões:
Modelo de Regressão Linear Múltipla: Coeficientes: Estimados Erro Padrão Valor de t Pr(>|t|) Intercepto 25.601 < 2e-16 *** AREADESMAT 4.108 4.26e-05 *** DENS_BORDA 10.439 Códigos de Significância: 0 ‘***’ ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Erro padrão Residual 1.154 Graus de Liberdade 1257 R² Múltiplo 0.4345 R² Ajustado 0.4336 Estatística F 483 P-valor < 2.2e-16

14 Resultados e discussões:
Relação e Distribuição das Variáveis

15 Resultados e discussões:
Modelo de Regressão Linear Múltipla: Análise dos resíduos (Moran I): DEPENDENCIA ESPACIAL CONSTATADA

16 Resultados e discussões:
Regressão espacial: Teste de Lagrange: Teste LM Valor de p LMerr = < 2.2e-16 *RLMerr = LMlag = *RMlag ** ** ** MODELO ESPACIAL DO TIPO CAR (Conditional Autoregressive Model)

17 Resultados e discussões:
Regressão espacial: Coeficientes: Estimados Erro Padrão Valor de t Pr(>|t|) Intercepto 7.6017 2.931e-14 AREADESMAT 4.874 4.489e-06 DENS_BORDA < 2.2e-16 Lambda: LR teste 855.28 p-valor <2.22e-16 Log Vizinhança AIC 3087.8 AIC para o modelo linear 3941.1

18 Resultados e discussões:
Relação das Variáveis no Modelo Ajustado DGRAD_2004 AREADESMAT DENS_BORDA LM MODEL ERROR MODEL AIC 3941.1 3087.8 R² aj. 0,43 0,66 Modelo linear Modelo espacial

19 Resultados e discussões:
Resíduos RLM x RE Regressão linear múltipla Regressão espacial tipo CAR

20 Conclusões e perspectivas futuras:
Há correlação espacial, ou seja, maior intensidade de degradação ocorre em áreas mais próximas a área desmatada. A correlação encontrada não tão é forte; Variáveis que mais explicam a intensidade de degradação: Área desmatada e densidade de borda. – variáveis mais correlacionadas estão associadas ao desmatamento – há uma sinergia entre desmatamento e degradação; O estudo não considerou variáveis importantes como: proximidade as áreas de pastagem, proximidade de centros urbanos, presença de Indústria madeireira, presença de projetos de colonização ; Outra forma de representar o fogo; Ampliar o período de análise considerando marcos históricos: início da colonização, entrada do agronegócio (reduziu áreas de pastagem) e início do estabelecimento efetivo de planos de manejo, controle e combate ao desmatamento;

21 Agradecimentos: Professores da disciplina; Dra. Maria Isabel Escada;
Sacha Siani; Thais Rosan.

22 Obrigado