Detecção de Clusters espaço-temporal na Amazônia maranhense

Autores

  • Kamilla Andrade Oliveira Universidade Federal do Maranhão
  • Gérsons Rodrigues do Santos Universidade Federal de Viçosa
  • Hemlley Acioli Imbuzeiro Professora Engenharia Agrícola -UFV
  • Fillipe Tamiozzo Pereira Torres Professor departamento de engenharia florestal - UFV
  • Washington da Silva Sousa Professor Departamento de Engenharia Agrícola UFMA
  • Rennato Oliveira da Silva Universidade Federal do Maranhão
  • Carlos Augusto Cardoso Silva Universidade Federal do Maranhão

DOI:

https://doi.org/10.37002/biodiversidadebrasileira.v9i1.1159

Palavras-chave:

Gestão de áreas de risco, conclomerados, estatística espacial

Resumo

A análise de detecção de clusters espaço-temporal com a finalidade de localizar áreas de risco de incêndios da presente pesquisa realizou-se com os dados pontuais de focos de incêndio, para a faixa do bioma amazônico situada no sudoeste do estado do Maranhão. A metodologia adotada pra a estatística de varredura de padrão puramente espacial estabelece uma janela circular no mapa. Deste modo, a janela circular é flexível, tanto na localização quanto no tamanho. No total, o método cria um número infinito de círculos geográficos distintos, com diferentes conjuntos de localidades de dados de vizinhança dentro deles. Cada círculo é um candidato ao cluster. Para estas análises utilizou-se o software SATSCAN versão 9.4. juntamente com os dados disponibilizados pelo sitio do banco de dados de queimadas disponibilizados pelo Instituto Nacional de Pesquisas Espaciais – INPE, período de 2000 a 2015. Os resultados forneceram clusters espaço-tempo em período anual, mensal e semanal. Os mapas apresentam os clusters mais verossímil detectado pela estatística Scan espaço-temporal por município. Os municípios apresentaram um total de 271 clusters, dos quais 53% situados em Amarante do maranhão, 19% em Arame, 15% em Bom jardim, 8% em São Pedro da Água Branca e finalmente 5% em Buriticupu. Foram identificados nove clusters que persistiram no espaço e no tempo, próximos as rodovias e regiões de uso da terra agrícola e pecuário. Dos resultados dos clusters mapeados 15% encontraram-se em regiões de cultura de soja, 13% na cultura do milho e 72% em regiões de pastagem. Portanto com a análise dos clusters através da estatística Scan, o comportamento antrópico pôde ser verificado na presente pesquisa, do qual pode-se concluir que, os clusters concentraram-se em regiões de pastagem sendo que as áreas protegidas mitigaram a ocorrência dos hotspots em estudo. Em suma, as análises resultantes da presente pesquisa visam contribuir para o planejamento de ações preventivas por apresentar os resultados de forma explicita em mapas, na construção de sistemas gerais de resiliência, bem como à implementação de mecanismos de gestão para áreas de risco.

Biografia do Autor

Kamilla Andrade Oliveira, Universidade Federal do Maranhão

Professora Adjunta, disciplinas de Geoprocessamento, Avaliação de Impactos Ambientais e Meteorologia e Climatologia -Departamento de Engenharia Agrícola do Centro de Ciências Agrárias e Ambientais/CCAA - UFMA

Gérsons Rodrigues do Santos, Universidade Federal de Viçosa

Professor departamento de Estatística DET

Referências

ALMEIDA, C. P.; Aplicação da função intensidade no delineamento de clusters de doenças no estado de Minas Gerais. 59 p. Dissertação Universidade Federal de Minas Gerais, Instituto de Ciências Exatas, Belo Horizonte, 2011.

CORE TEAM. R: A language and environment for statistical computing. Viena: R Foundation for Statistical Computing, 2012. Disponível em: http://www.R-project.org/. Acesso em 23 de março de 2017.

DRUCK, S. CARVALHO, M. S.CÂMARA, G. MONTEIRO, A.V.M. Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, 2004. Disponível em: em: http://www.dpi.inpe.br/gilberto/livro/analise/cap5-areas.pdf/. Acesso em 23 de março de 2017.

IBGE. 2008. Download – Geociências – Mapas – Malha digital. Disponível em: http://www.ibge.gov.br /servidor_arquivos_geo/. Acesso em 01 de setembro de 2016.

INPE - Instituto Nacional de Pesquisas Espaciais. Portal do Monitoramento de Queimadas e Incêndios. 2015. Disponível em: http://www.inpe.br/queimadas/. Acesso em: 23 de março de 2017.

JOHNSON, K. VER HOEF, J. M. KRIVORUCHKO, K. LUCAS, N. ArcGIS 9: using ArcGIS geostatistical analyst. Redlands: ESRI, 2001. 306p. [8] KULLDORFF, M.; NAGARWALLA, N. Spatial disease cluster: detection and inference. Statistics in Medicine. v. 14, p. 799-810, 1995.

KULLDORFF, M.; HEFFERNAN, R.; HARTMAN, J.; ASSUNÇÃO, R.M.; MOSTASHARI, F. A space-time permutation scan statistic for the early detection of disease outbreaks. Plos Medicine, v. 2, p. 216-224, 2005.

KULLDORFF, M. Information Management Services, SatScan v 9.4, 2016: Software for the spatial and space-time scan statistics Disponível em: Acesso em dezembro de 2016.

PINTO, E. S. O. Estatística espacial aplicada na caracterização de áreas de risco para hipertensão e diabetes no Estado de Minas Gerais. 2013. 73 p. Dissertação (Mestrado em Estatística) Universidade Federal de Viçosa, Viçosa, 2013.

SILVA, N. C. N. OLIVEIRA, M. S. SANTOS, G. R. BRAGA, A. S. Análise de dados de área aplicada a dois indicadores econômicos de mesorregiões do estado de Minas Gerais. Revista Brasileira de Biometria, São Paulo, v. 29, n. 3, p. 369-395, 2011.

VIEIRA, C. A. O. SANTOS, N. T. CARNEIROB, A. P. S. BALIEIRO, A. A. S. Brazilian Amazonia Deforestation Detection Using Spatiotemporal Scan Statistics ISPRS Photogrammetry, Remote Sensing and Spatial Information Sciences, Melbourne, Austrália v. I-2, p. 51-55, 2012.

Downloads

Publicado

15/11/2019