Verifica¸ c˜ ao do Modelo

Observa-se que o Modelo 7 ´e o mais significativo, principalmente em compara¸c˜ao aos Modelos 5 e 6 onde as vari´aveis retiradas comp˜oem o Modelo 7 mostrando assim a sua importˆancia.

O DIC e Fator de Bayes mostram que dentre todos os modelos ajustados, o Modelo 7 ´e a melhor escolha para o modelo final. O Modelo 7 e o Modelo 4, que apresentou o segundo menor DIC e maior FB, ser˜ao os modelos finais e para esses ser˜ao feitas an´alises com base nas distribui¸c˜oes preditivas.

Tabela 7: Fator de Bayes do Modelo 7 contra outros modelos sem vari´aveis categ´oricas

Versus FB Decis˜ao

Modelo 3 2.051,0 Modelo 3 preterido pelo Modelo 7 Modelo 4 266,9 Modelo 4 preterido pelo Modelo 7 Modelo 5 30.284,9 Modelo 5 preterido pelo Modelo 7 Modelo 6 42.462,2 Modelo 6 preterido pelo Modelo 7

4.2

Verifica¸c˜ao do Modelo

Ap´os sele¸c˜ao dos modelos 4 e 7, foram selecionadas quatro observa¸c˜oes da amostra, as quais foram retiradas e os modelos novamente reajustados as 60 observa¸c˜oes restantes. Nas quatro observa¸c˜oes selecionadas est˜ao ´areas queimadas pequenas (11 ha) a grandes (4.000 ha).

Na Tabela 8 e na Tabela 9 mostram-se os valores dos logaritmos das ´areas queimadas, os valores m´edios preditivos, os intervalos de credibilidade de 95% e os erros absolutos m´edios percentuais (MAPE) dos modelos 4 e 7, respectivamente. No Modelo 4, observa-se para ´area queimada menores, que a m´edia do modelo prevˆe n˜ao muito distante e os valores do log da ´area queimada est˜ao contidos no intervalo de credibilidade. No caso da maior ´

area ver-se o maior dificuldade ficando distante sua previs˜ao. O MAPE para o modelo ficou em 28,55%. No Modelo 7, o resultado ´e an´alogo ao observado no Modelo 4, com os logaritmos das ´areas queimadas contidas nos intervalos de credibilidade, para pequenas ´

areas queimadas a distribui¸c˜ao preditiva gera valores pr´oximos, mas quando o valor ´e maior se mostra com dificuldades de predi¸c˜ao. O MAPE para o Modelo 7 foi 27,63%. Menor MAPE mostra o melhor modelo, o modelo que erra menos em porcentagem em m´edia.

4.2 Verifica¸c˜ao do Modelo 38

Tabela 8: Predi¸c˜ao do Modelo 4 para as observa¸c˜oes selecionadas

log(´area) E[Y∗|y] IC95 MAPE

2,398 3,645 (0,896 ; 6,393)

28,55%

5,258 4,042 (1,397 ; 6,688)

6,178 6,744 (3,988 ; 9,501)

8,294 5,813 (3,135 ; 8,491)

Tabela 9: Predi¸c˜ao do Modelo 7 para as observa¸c˜oes selecionadas

log(´area) E[Y∗|y] IC95 MAPE

2,398 3,533 (0,784 ; 6,282)

27,63%

5,258 4,043 (1,384 ; 6,703)

6,178 6,911 (4,170 ; 9,652)

8,294 5,952 (3,282 ; 8,623)

Os resultados do MAPE com as an´alises anteriores confirmam a escolha do Modelo 7. Mostra que o mesmo erra 27,63% do logaritmo da ´area queimada. O Modelo 4 n˜ao teve um resultado muito abaixo por justamente ter as duas vari´aveis que comp˜oem o Modelo 7, mostrando qu˜ao importante s˜ao elas e que a inclus˜ao da vari´avel temperatura n˜ao traz um ganho significativo.

Ap´os a escolha do Modelo 7 como o modelo final, a Figura 10 mostra a dispers˜ao entre o logaritmo da ´area queimada e o logaritmo da ´area queimada estimada pelo Modelo 7: ˆ

y = 1, 581 + 0, 007 ∗ (altitude) + 0, 023 ∗ (n´umero de dias sem chuva). Observa-se uma correla¸c˜ao linear entre as vari´aveis moderada positiva j´a que os pontos est˜ao dispersos, principalmente em logaritmo da ´area queimada acima de cinco. Isso confirma o erro de previs˜ao para logaritmo da ´area queimada maiores visto anteriormente em Tabela 9.

Figura 10: Dispers˜ao entre logaritmo da ´area queimada e logaritmo da ´area queimada estimada.

4.3 Discuss˜ao 39

4.3

Discuss˜ao

Com as an´alises realizadas foi visto que a ausˆencia das vari´aveis n´umero de dias sem chuva e altitude pioram o ajuste dos modelos. Essas vari´aveis, embora n˜ao sejam consideradas na literatura, s˜ao menos pass´ıveis de erros de mensura¸c˜ao que a as vari´aveis temperatura e UR no local e no momento de ocorrˆencia do incˆendio.

Atenta-se a amplitude dos ICs do modelo selecionado, que ´e muito grande. Con- sequˆencia da alta variabilidade n˜ao explicada pelas vari´aveis inclu´ıdas no modelo. O modelo selecionado prevˆe melhor em situa¸c˜ao de pequenas/m´edias ´areas queimadas e n˜ao t˜ao bem na situa¸c˜ao de grande ´area como visto na literatura [9].

Apesar do ROI do Parna das Mesas ser o mais completo dentre outros parques, foram observadas faltas de preenchimentos como, por exemplo, nas vari´aveis de temperatura e UR que, segundo a literatura, s˜ao vari´aveis consideradas influentes nos incˆendios florestais. Por esse motivo, foram feitas tentativas para contornar esse problema de dados faltantes a partir dessas mesmas vari´aveis obtidas na esta¸c˜ao do INMET, na cidade de Carolina. Por´em o m´etodo n˜ao apresentou bom resultado pois as vari´aveis apresentavam baixa correla¸c˜ao.

Outro aspecto que pode ter prejudicado foi a precis˜ao utilizada nas medidas de UR e temperatura nos locais dos incˆendios. Por´em n˜ao d´a para afirmar que houve negligˆencia por parte dos respons´aveis por essa tarefa pois estamos tratando de informa¸c˜oes vinda da natureza que podem gerar permanˆencia ou mudan¸cas de padr˜oes corriqueiramente.

A velocidade do vento foi outra vari´avel que mostrou-se pouco significativa. Pode- se entender que isso decorre do modo como ela foi registrada no ROI: por n´ıveis e n˜ao quantitativamente, usando unidades habituais para velocidade. Outro poss´ıvel fator de interesse seria o conhecimento da sua dire¸c˜ao, apesar de a dire¸c˜ao do vento n˜ao ser muito interessante sem o geoposicionamento do local do incˆendio, informa¸c˜ao essa ausente no ROI, e que auxiliaria na detec¸c˜ao de qual dire¸c˜ao do vento seria mais prejudicial para propaga¸c˜ao do incˆendio, al´em de tornar poss´ıvel a observa¸c˜ao da existˆencia de barreiras naturais como rios, estradas, montanhas rochosas ou ainda se o mesmo local j´a sofrera outro incˆendio, diminuindo a ´area dispon´ıvel para o fogo.

O relevo foi outra vari´avel problem´atica pois nos registros havia muitos casos de ocorrˆencias com mais de uma classifica¸c˜ao de relevo. O fator geogr´afico ´e explicitado com um dos fatores de rela¸c˜ao com os incˆendios florestais e nos modelos considerados esse fator ´e representado pela vari´avel altitude.

4.3 Discuss˜ao 40

O Sisfogo foi criado em 2009 como meio de informatizar dados sobre incˆendios flo- restais ocorridos em UCs. Nele s˜ao acessadas informa¸c˜oes de incˆendios de 30 anos atr´as mas os mais recentes s˜ao mais raros de encontrar. A partir de 2011, s˜ao raros os regis- tros e em 2015 j´a n˜ao resta nenhum. Ferramenta importante para o conhecimento do comportamento do fogo n˜ao poderia ser abandonado como atualmente aparenta estar.

41

5

Conclus˜ao

Esse trabalho ajustou um modelo de regress˜ao linear com abordagem Bayesiana aos dados de incˆendios ocorridos no Parque Nacional da Chapada das Mesas com objetivo de identificar os fatores que influenciam na ´area total queimada. A princ´ıpio ajustou-se o modelo com as vari´aveis: temperatura, umidade relativa do ar, n´umero de dias sem chuva, altitude, relevo e velocidade do vento. Ap´os as an´alises e escolha do modelo final, as vari´aveis que restaram foram: altitude e n´umero de dias sem chuva.

A vari´avel altitude, a mais significativa do modelo, indica que maiores altitudes in- fluenciam na propaga¸c˜ao do fogo. No Parna das Mesas observam-se altitudes at´e 500 metros, que pode ser considerada altitude pequena. A vari´avel altitude ´e o representando do fator geogr´afico ao modelo final.

A vari´avel n´umero de dias sem chuva n˜ao se mostra t˜ao decisiva no modelo final quanto a altitude, por´em, sua rela¸c˜ao positiva com a ´area queimada ´e significativa. Essa vari´avel entra no modelo como representante do fator clim´atico do incˆendio florestal. Com o ac´umulo de material combust´ıvel, basta somente o agente causador para que dano seja iniciado. Seguindo o modelo final, quanto mais dias sem a presen¸ca de chuva, maior a ´

area queimada.

Uma caracter´ıstica presente nas vari´aveis altitude e n´umero de dias sem chuva ´e a facilidade de registro de seus valores em regi˜oes do parque, sem a necessidade de uso de esta¸c˜oes meteorol´ogicas. Assim, a tomada de decis˜ao contra ocorrˆencias de incˆendios no Parna das Mesas torna-se facilitada pois s˜ao vari´aveis de f´acil acesso pr´evio, permitindo prever o dano que a falta de combate/controle pode causar.

42