Modelagem de Mudanças de Uso e Cobertura da Terra SER 403 – Mudanças Globais Ana Paula Dutra de Aguiar 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. Roteiro Introdução Parte I – Visão geral de modelagem LUCC Parte II – Exemplos de modelos LUCC Conclusão Introdução Conceitos básicos Motivação para o estudo de mudanças LUCC Entendimento sobre causas de mudanças Roteiro da Introdução Conceitos básicos Motivação Causas de mudanças 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/chapter1(introduction).htm#1.3 Tipos de mudanças Conversão: Exemplos de conversão de cobertura: Modificação: Desflorestamento, Desertificação; Exemplos de conversão de uso: reserva florestal para agricultura para pecuária; cultura permanente para cultura anual. 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. Exemplo de mudança de cobertura: perda de florestas Áreas de florestas convertidas Remanescentes florestais 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. Roteiro da Introdução Conceitos básicos Motivação Causas de mudanças 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 Feedback entre sistemas Mudanças de Uso e Cobertura podem influenciar: Ciclo de carbono -> Mudanças Climáticas (global) Ciclo hidrológico -> 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. Questões globais: ciclo de carbono e mudanças de cobertura 1.8 + 6.5 = 8.3 > 3 3+2=5 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 Vulnerabilidade Emissões e Concentrações Gases do efeito estufa e aerosóis provenientes Queima de combustíveis fósseis e mudanças de cobertura Adaptação Caminhos de Desenvolvimento Sócio-econômico Mudanças demográficas Crescimento Econômico Tecnologia Políticas Públicas e Instituições Questões regionais e locais: Exemplos na Amazônia brasileira 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 d´água 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. Outro exemplo de impacto: exploração seletiva de madeira e susceptibildade ao fogo Fonte: http://www.ipam.org.br/avanca/ciclo2.htm. 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 infraestrutura. Becker, 200. completar Roteiro da Introdução Conceitos básicos Motivação Causas de mudanças 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. 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 Causas imediatas Características dos diferentes Agentes e parâmetros de decisão Instituições Infra-estrutura Causas subjacentes Mercados Tecnologia Variáveis macro e instrumentos de políticas públicas Objetivos e preferências Atributos culturais Acessabilidade, tecnologia disponível Preço dos insumos e dos produtos Características ambientais Custo e disponibilidade de mão de obra Preço/ demanda mercado internacional Políticas governamentais (e.g., programas de crédito), Macro-economia,, Demografia Fonte: adaptado de Kaimowitz e Angelsen, 1998. 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 subregiões distintas (espaçotempo): 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. 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 macroeconômicos, demográficos e climáticos. Resumo: Mudanças no entendimento sobre mudanças de uso e cobertura da terra Antes Hoje conversões da cobertura, modificações na cobertura mais comuns no passado recente; na maior parte em florestas trropicais, todos os tipos de cobertura, incluindo campos, florestas abertas, áreas peri-urbanas e áreas alagadas; supostamente virgens antes, paisagens alteradas por humanos há milênios; mudanças permanentes, tragetórias de mudanças complexas e reversíveis; cobertura em um constante estado de fluxo; espacialmente homogêneas, altamente heterogêneas espacialmente; fragmentação da paisagem é importante; devido ao aumento da população, também devido à resposta das pessoas a mudanças em oportunidades econômicas e em políticas públicas, podendo ser disparados por eventos biofísicos ou sócio-econômicos; influências locais, com influências de centros urbanos remotos, amplificado ou atenuado pela globalização, com forte interação local-global; principalmente expansão da agricultura, intensificação e diversificação são também respostas comuns a oportunidades e pressões; com impacto do Cliclo de Carbono com impactos na saúde da população, biodiversidade, albedo, ciclo da água, emissòes de C, metano, Nox, etc.; impacto dependente da magnitude da mudança biofísica, impacto dependendo principalmente na vulnerabilidade de pessoas e lugares; em todo lugar e contínuo no tempo, concentração em “hot spots” de mudanças. E disjunto no tempo, com períodos de rápidas mudanças. 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/Pages%20from%20NL%2046.pdf Parte I - Visão Geral sobre Modelagem LUCC Objetivos e dificuldades Histórico Situação atual e tendências Tipos de atividades em LUCC Monitoramento (Sensoriamento Remoto) Elaboração de Teorias Modelagem (Conceitual e Operacional) 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 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 sócioeconômicos, através do acoplamento de modelos com feedbacks nos dois sentidos. Prescever cenários otimizados. 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. 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. 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 (multidisciplinaridade); 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. 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 ). Projeto LUCC (IGBP-IHDP) Motivação: Combinação de três perspectivas de entendimento: 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. 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 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 espaçotemporais (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 instituições;Dinâmica 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. 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 Roteiro Introdução Parte I – Visão geral de modelagem LUCC Parte II – Exemplos de modelos LUCC Conclusão Parte II - Exemplos de Modelos 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. 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 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 Modelos Markovianos S t+1 = P x St p11 p12 ……p1n P = p21 p22 ……p2n ………………… pn1 pn2 …… pnn 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 = s1 s2 ….sn onde si é a quantidade de terra destinada a determinado uso. 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. 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 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 densidade tempo populacional Por vezes, tempo substituído por variável exógena de densidade (como densidade de população ou densidade de atividades sócio-econômicas). Desflorestamente é tido como dependente da densidade de uma causa aproximada em vez de um processo contínuo no tempo. 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) 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 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, Discretos: Modelam a probabilidade de haver mudança do uso i para uso j; 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) “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); 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 Exemplo 1: Andersen e Reis (1997) - IPEA Objetivo: análise dos fatores determinantes do desflorestamento na Amazônia. Modelo de 6 equações: Dados utilizados: 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 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,t1, 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 Exemplo 1: Andersen e Reis (1997) - IPEA 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 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. 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 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 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, infraestrutura (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 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 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) 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 Exemplo: Dinâmica Probabilidades baseadas em: Pesos de Evidência ou Regressão Logística Origem Expander Destino Patcher Exemplo: Dinâmica 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) 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 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: Tecnologia Multi-agentes 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. 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 Escala Local/lote Escala regional Um dos primeiros esforços na direção de ligar processos físicos e sócioeconômicos/culturais. Aplicação: Projeto de Colonização Ouro-Preto (294 lotes) Técnica: baseado em regras (não numérico), com inserção de variáveis Southworth et alii, 1991; Dale at alii, 1993, Fronh, R.C, 1996 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. 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. GeoSimulation Site – CASA –Center for Advanced Spatial Analysis 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/ 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 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? Exemplo 4: ADSS Objetivo: Análise da interação ator-instituição-ambiente. 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 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 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/contents.htm. Analysis of Land Use Change: Theoretical and Modeling Approaches. Helen Briassoulis, Ph.D. Modelos Integrados Regionais exemplificados SIMLUCIA: Feedbacks entre sub-sistemas natural, econômico, social (macro) e uso da terra (micro). Nível micro: CLUE: Baseado em autômato celular modificado. Integrado ao GIS. 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. 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) Exemplo: SimLucia (Nível Macro) Sub-sistema Natural: 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: 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). 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. 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. 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) f(Az ) d I d,i W z, y, d Id,i = adequação da célula para atividade z (0 <= f (Sz ) <= 1) = acessabilidade da célula para atividade z (0 <= f (Az ) <= 1) = zona (0<=d<=30) = I é o índice de uma célula em uma dada vizinhança; Az = 1/(1+ D/az) = peso dado a células vizinhas no estado y na zona d, em relação a transição para z (atratividade); = função dirac delta: I d,i = 1, se o estado da célula i na zona d é y; caso contrário, I d,i = 0 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 + ß1*soil drainage + ß2*relief + ß3*altitude + ß4*rurpop + ß5*urbpop + ß6*alf http://www.gis.wau.nl/~clue/ 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 CLUE: China Permite regionalização CLUE: mecanismo de alocação 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. (*) cover x,y,t,c = coverx,y, t-1, c + [reg_cover x,y,t,c - cover x,y, t-1 )*ITFc] 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/ 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. 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 Considerações sobre modelos A maior parte dos modelos não possui embasamento teórico consistente. Modelos de regressão: Automatos celulares generalizados: 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; 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); 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. 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 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 de Vulnerabilidade: Erosão, Fogo, Social Segurança Alimentar Biodiversidade, outros Modelos LUCC: Rede de modelos locais Modelos regionais multi-escala 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. Roteiro Introdução Parte I – Visão geral de modelagem LUCC Parte II – Exemplos de modelos LUCC Conclusão Conclusão Modelagem LUCC na OBT Requisitos para ambiente computacional Parcerias 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: Entender impactos e feedbacks com sistemas humanos: 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 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. 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 macroeconômicas, políticas públicas e condições ambientais; analisar impacto sobre determinadas populações. Linha 4: Analisar possíveis impactos de mudanças climáticas sobre diferentes sistemas de uso. Possíveis requisitos para suporte computacional (de acordo com objeto de estudo) Suporte à complexidade funcional: Suporte à complexidade estrutural: Fortemente integrado ao BDG espaço-temporal, para acesso direto aos dados; Funções de agregação de dados espaço-temporal para unidade de análise do modelo; Ambiente modelagem Unidade de análise não regular (e não necessariamente comum em modelos integrados); Vizinhança não restrita à adjacência, talvez não comum a todos as variáveis; BDG: Modelos multi-escala e multi-temporais (para entender influência do tempo e escala). Agregação de comportamento/fatores explicativos; Modelos distintos para subregiões distintas (heterogeneidade espacial); Utilização de modelos existentes, sempre que possível. Unidade de análise e vizinhança: Integração de modelos para análise de feedbacks. Acoplamento fraco entre modelos, permitindo substituição de componentes. Modelos distintos com unidade de análise espacial e resolução temporal distintas. Suporte a todas as fases, da calibração à validação; Ferramenta gráfica; Tecnologia: Permitir combinação de métodos (autômatos, agentes, regressão, etc.). Tecnologias a serem aprofundadas (de acordo com objeto de estudo) Autômatos celulares; Modelagem multi-agentes; Técnicas estatísticas multi-variadas; Ambientes de modelagem gráfica (e.g., Stella, Vensim); Acoplamento/feedbacks de modelos espaço-temporais, multi-escalas. Parcerias (de acordo com objeto de estudo) Indiana, Clark – multi-agentes; escala local; CLUE – desenvolvimento da questão de multi-escala; Britaldo – utilização/modificação de Dinâmica; entender modelo implementado no Vensim; IPEA - modelos econométricos; IAASA/LUC – arcabouço para modelagem integrada; CPTEC – mudanças climáticas; acoplamento com modelos de mudanças climáticas e de vegetação. Consideração final Objetivo Modelagem LUCC no Brasil: Mais do que agenda de mudanças globais, deve visar prover subsídios para a definição e implantação de políticas públicas que visem a sustentabildade e o bem estar da população, e que sejam adequadas às realizadas locais e regionais.
