Os incêndios florestais são responsáveis por alterações de uso do solo e qualidade doar. Estes fenómenos, para além de destruir vastas áreas do património natural,também são geradores de gastos públicos elevados. Tendo em conta estaproblemática, o seguinte estudo pretende avaliar as condições necessárias para odesenvolvimento e progressão deste tipo de fenómenos. Com o auxílio dos Sistemasde informação Geográficos (SIG) pretende-se criar um mapa de potencial depropagação e a partir deste analisar o seu desenvolvimento espacial ao longo de umdeterminado período de tempo recorrendo, para isso, a autómatos celulares (AC).Serão feitas avaliações ao terreno tendo em conta diversas variáveis integradas numaanálise multi-critério (AMC). De modo a reduzir a subjectividade da ponderação dasvariáveis dentro da AMC, será utilizada uma lógica de probabilidade condicionada (PC)para as definir. Para além de analisar a velocidade de propagação, também revelainteresse avaliar e compreender o caminho percorrido pelo incêndio e compreenderos factos que o levaram a seguir tal rota.

1. Modelação Espacial de Incêndios Florestais:
Autómatos Celulares.
FCSH, UNL, Sistemas de Informação Geográficos e Análise Espacial, 2 de Março, 2012
Edite S. CÉSAR, Marc S. VALENTE, Pedro V. DIAS
Os incêndios florestais são responsáveis por alterações de uso do solo e qualidade do
ar. Estes fenómenos, para além de destruir vastas áreas do património natural,
também são geradores de gastos públicos elevados. Tendo em conta esta
problemática, o seguinte estudo pretende avaliar as condições necessárias para o
desenvolvimento e progressão deste tipo de fenómenos. Com o auxílio dos Sistemas
de informação Geográficos (SIG) pretende-se criar um mapa de potencial de
propagação e a partir deste analisar o seu desenvolvimento espacial ao longo de um
determinado período de tempo recorrendo, para isso, a autómatos celulares (AC).
Serão feitas avaliações ao terreno tendo em conta diversas variáveis integradas numa
análise multi-critério (AMC). De modo a reduzir a subjectividade da ponderação das
variáveis dentro da AMC, será utilizada uma lógica de probabilidade condicionada (PC)
para as definir. Para além de analisar a velocidade de propagação, também revela
interesse avaliar e compreender o caminho percorrido pelo incêndio e compreender
os factos que o levaram a seguir tal rota.
PALAVRAS-CHAVE
Sistemas de Informação Geográficos (SIG), Incêndio Florestal, Autómatos Celulares (AC), Análise Multicritério (AMC), Probabilidade Condicionada (PC).
1. INTRODUÇÃO
Os incêndios florestais constituem uma das principais causas de alterações de uso do solo e afectam
também a qualidade do ar. Altas temperaturas e baixos valores de precipitação ao longo do ano
favorecem a ocorrência de incêndios na época mais quente, dado que estes favorecem a dessecação dos
combustíveis e consequentemente facilitam a inflamação (Santos, 2007). Estes fenómenos, para além de
destruir vastas áreas do património natural, também são geradores de gastos públicos elevados.
De forma a minimizar os efeitos deste fenómeno, é necessário prever qual o seu desenvolvimento e
progressão no espaço e no tempo. Umas das formas de criar cenários realistas é através dos autómatos
celulares (AC), visto serem modelos dinâmicos, espacialmente explícitos, que podem incorporar um
número virtualmente ilimitado de variáveis. Por norma, neste tipo de estudos, os AC são executados
tendo por base um modelo de potenciais de propagação. De uma forma geral, este modelo, um modelo
físico-matemático, permite prever de forma quantitativa alguns aspectos físicos do comportamento do
incêndio, no espaço e no tempo, de acordo com as variáveis utilizadas (vegetação, clima e topografia)
(André e Viegas, 2001). Neste caso, o modelo de propagação é o resultado da integração das variáveis
de previsão através da análise multi-critério (AMC) cuja ponderação das varáveis é calculada através de
uma lógica de probabilidade condicionada (PC).
De frisar que somente a parte teórica do estudo foi abordada, tendo por base conhecimentos adquiridos
por parte de diversas investigações e trabalhos realizados á semelhança deste. No entanto, as variáveis
e os métodos aplicados nesta abordagem teórica são completamente executáveis. Isto justifica a
ausência de imagem da área de estudo no que diz respeito a resultados de todas as metodologias acima
mencionadas.
1

2. 2. APRESENTAÇÃO DAS VARIAVEIS
O desencadeamento de um incêndio florestal e respectiva propagação está intimamente dependente da
existência de vegetação (combustível) e das características meteorológicas responsáveis quer pelo seu
estado de conservação, quer pela ignição do mesmo. No último caso é de referir que a temperatura,
precipitação e humidade relativa são factores fundamentais no que diz respeito a criação de um
ambiente propício a ignição de um incêndio. Para além deste dois factores, existem outros dez que
serão tidos em conta:
2.1 Estado de Conservação da Vegetação (dado pelo NDVI)
O estado de conservação da vegetação depende das condições meteorológicas verificadas durante o ano
hidrológico, o que irá fazer com que haja uma variação na quantidade de combustível presente numa
floresta. Em anos em que se verifique pouca quantidade de precipitação, existirá uma menor
quantidade de combustível, logo a probabilidade de ocorrência de incêndios será baixa. No entanto a
vegetação presente encontra-se em fracas condições de conservação estando, por isso, sujeitas à
ocorrência de um incêndio rápido. Anos em que hajam elevados quantitativos de precipitação haverá
mais material combustível presente no solo e, deste modo, aumenta a probabilidade de ocorrência de
um incêndio. Neste cenário, o estado de conservação da vegetação será boa o que poderá proporcionar
um incêndio onde cada indivíduo demore mais tempo a arder. A presença ou ausência de material
combustível no solo de uma floresta poderá não ser decisivo à sua ocorrência, o que quer dizer que este
facto não é linear. No entanto, o tempo de combustão de um indivíduo será maior ou menor
dependendo do seu estado de conservação.
2.2 Tipo de Vegetação
O tipo de vegetação presente no solo faz variar as características do incêndio, i.e., se a ocupação do
solo for maioritariamente composta por resinosas a ignição pode ser mais difícil de acontecer, mas uma
vez activo, o tempo de combustão deste tipo de arvore é mais longo, ao invés de um tipo de árvore
como as folhosas que são mais facilmente incendiáveis mas que o tempo de combustão é bastante mais
reduzido. De um modo geral, esta variável influência o modelo a dois níveis: 1) no tempo de combustão
de cada célula do modelo e 2) no tempo necessário para que haja propagação do fenómeno para os
indivíduos vizinhos.
2.3 Declive
O declive é responsável pela maior ou menor velocidade de propagação do fenómeno. Este facto é
sustentado pelas leis da física que defende que as chamas têm tendência de propagação contrária á
força da gravidade. Esta variável pode funcionar ao contrário e ser tida como factor de atrito á
propagação do incêndio uma vez que se torna impossível a propagação do incêndio em graus de
inclinação negativos.
2.4 Vento, Intensidade e Quadrante
O fluxo de ar, com mais ou menor intensidade, influência quer a velocidade de propagação quer o
tempo de combustão de uma determinada espécie arbórea, uma vez que as chamas são alimentadas por
oxigénio e aumentam a intensidade de combustão. Está variável, por si só, poderá ditar qual a direcção
de propagação do fenómeno, estando esta dependente da sua intensidade, i.e., quanto maior for a sua
intensidade, maior será a probabilidade do incêndio se dissipar numa determinada direcção e menor
será o tempo dispendido na combustão de uma célula.
2.5 Densidade de Vegetação
A densidade de vegetação é responsável pela probabilidade de propagação do fenómeno de uma célula
para outra. No entanto este facto pode ser comprometido quando existe uma grande intensidade do
vento, o que faz com que a propagação do incêndio possa ocorrer em baixas densidades de vegetação.
2

3. 2.6 Exposição
Esta variável influência sobretudo a deflagração do que a propagação do incêndio, visto que as
vertentes expostas a norte são mais sombrias e logo existe menos evaporação do que as vertentes
expostas a sul. No entanto poderá constituir um factor de atrito uma vez que a vegetação presente
nessas área terá um melhor estado de conservação.
Em forma de conclusão, foram escolhidos 12 variáveis responsáveis pela maior ou menor velocidade de
propagação de um incêndio florestal (Tabela 1). Essas variáveis são: elementos da ocupação do solo
(água [ag], urbano [urb], rocha [rc] e vegetação [veg]), dados relacionados com a topografia (o declive
[decl] e as exposições [expo]), imagens de satélite de muita alta resolução (NDVI [idem] e densidade de
vegetação [dveg]) e dados climáticos (intensidade e quadrante do vento, [vint e vquad,
respectivamente], temperatura [temp] e humidade relativa [hum]).
No que diz respeito a limites das variáveis vectoriais, Burrough defende que os limites desenhados em
mapas temáticos (como solo, vegetação ou geologia) raramente são precisos e representar as suas
fronteiras como linhas finas mutas vezes não traduz adequadamente as suas características. Assim,
talvez não nos devamos preocupar tanto com localizações exactas, e representações elegantes. Se
pudermos aceitar que limites precisos entre padrões de vegetação e solo raramente ocorrem,
estaremos livres dos problemas associados aos erros topológicos decorrentes das operações de análise
espacial (Burrough in Morgado, et. al., 2004).
Tabela 1 – Informação de Base
Variáveis
Agua
Urbano
Rocha
Vegetação
Declive
Exposição
Vento
Humidade
Relativa
Temperatura
NDVI
Densidade
Vegetação
Estrutura Original
Vectorial
Matricial
Matricial
Matricial
3. Métodos de Análise
Foram seleccionados 3 métodos de análise para a realização deste estudo: PC, AMC e os AC. O primeiro
prende-se com a definição de valores de ponderação a fim de maximizar a exactidão e eficácia do
modelo, evitando decisões arbitrárias e ambíguas. O segundo método diz respeito à integração da
informação propriamente dita e por fim o terceiro método serve sobretudo para visualizar e analisar a
distribuição espacial do fenómeno, neste caso a propagação espacial de um incêndio, ao longo de um
determinado ciclo temporal.
3.1 Autómatos Celulares
Os AC podem ser entendidos como um sistema espacial dinâmico e relativamente simples, no qual o
estado de cada célula da matriz depende do estado prévio das células que se encontram dentro de um
determinada vizinhança, de acordo com um conjunto de regras de transição (MuraliKirshna, 2007). Os
AC fazem parte de um conjunto de algoritmos genéticos que utilizam na sua base de processamento a
inteligência artificial. Devido á grande complexidade de análise, o próprio computador deixou de ser um
agente passivo e passou ele também a fazer parte do objecto de estudo (geocomputação) (Goodchild e
Longley, 1999). No entanto este método de análise poderá possuir vários erros que estão relacionados
com entidades discretas no espaço e no tempo, definições de vizinhança (tipo e dimensão), estrutura
do modelo e regras de transição, valor dos parâmetros e variáveis estocásticas (MuraliKrishna, 2007).
3

4. 3.2 Probabilidade Condicionada e Análise Multi-critério
Através da PC é possível ponderar qual o peso de cada variável, contudo esta ponderação será sempre
diferente em cada área de trabalho em que este modelo seja aplicado. Para cada variável, excepto as
variáveis restritivas, é calculada a frequência relativa de cada elemento que já tenha sido afectado por
este fenómeno (i.g. período temporal de 10 anos). Uma vez determinado o valor de frequência relativa
para todos os elementos de cada uma das variáveis, é determinado o desvio padrão de cada uma delas
(Tabela 2). No fim, todos os desvios padrões são somados, e por cada valor de desvio padrão de uma
variável é dividido pelo valor somatório de todas as variáveis, obtendo assim o valor de ponderação
dessa variável.
Tabela 2 - Ponderação dos factores com base no desvio-padrão
Variáveis
Variável 1
Variável 2
Variável 3
Variável n
Soma
Desvio-Padrão ( σ )
σ1
σ2
σ3
σn
∑σ
Ponderação
σ1 / ∑ σ
σ2 7 ∑ σ
σ3 / ∑ σ
σn / ∑ σ
A AMC é uma análise que conjuga, de acordo com o objectivo especificado, um conjunto de critérios de
forma a alcançar uma base composta de suporte à decisão (Rocha, Tenedório e Morgado, et. al., 2004).
4. Integração da Informação Geográfica
4.1 Codificação da Informação
Numa fase inicial procedeu-se a escolha das variáveis que constituíssem uma restrição ao avanço do
fenómeno em causa (Fig.1, ficheiros com designação de “BOOL”). Foram escolhidos a água, o solo a
descoberto e as áreas urbanizadas como áreas de restrição, ou seja, áreas onde o incêndio não pode se
propagar. Estes ficheiros, depois de convertido para matricial, foram agrupados num único ficheiro
booleano onde os locais de presença das variáveis mencionadas possuíssem valor 0 (zero) e todos os
outros locais valor 1 (um).
As restantes variáveis foram reclassificadas, de modo a poderem ser comparáveis entre si, e escalonadas
dentro de uma gama de valores de 0 (zero) a 100 (cem) onde o 0 constitui o maior grau atrito e o valor
100 o inverso (Fig.1 Fase 1). De notar que a variável “humidade” teve de ter em conta uma lógica
inversa de atribuição de valore de atrito face às restante variáveis, uma vez que quanto maior o seu
valor maior será o atrito causado.
4.2 Integração das Variáveis de Previsão
Antes de proceder a integração da informação através da AMC é necessário uma definição do valor da
ponderação que cada variável vai ter nessa análise. Estes valores são definidos através de uma
abordagem baseada no desvio padrão da frequência relativa (Fig.1, Fase 2).
Como já foi referido, a AMC é responsável pela integração das diferentes variáveis. O resultado desta
operação é um mapa que contém valores de aptidão para a propagação de um incêndio florestal (Fig.1,
Fase 3). De notar que numa AMC, o somatório dos valores de ponderação de cada variável tem que ser
igual a 1. De modo a inviabilizar as áreas que constituem restrições á propagação do fenómeno em
questão, a fórmula da AMC é multiplicada pelo mapa booleano com essa informação. A fórmula da AMC
adaptada é a seguinte:
[(χ1.ag)+(χ2.urb)+(χ3.rc)+(χ4.veg)+(χ5.decl)+(χ6.expo)+(χ7.NDVI)+(χ8.dveg)+(χ9.vint)+
(χ10.temp)+( χ11.hum)]*restBOOL
Sendo:
χ - Valores de ponderação de cada variável
restBOOL – mapa de restrições
4.3 Regras de Transição e Implementação dos AC
Numa fase final é definido o local de início de propagação do incêndio. Para tal são tidos em conta os
vários locais onde houve uma deflagração dentro de uma dada série temporal e é escolhido o local com
maior recorrência. Nesta etapa (Fig.1, Fase 4) também são definidas as regras de transição. Essas regras
4

5. assentam sobre a distância euclidiana entre as células vizinhas. A influência do quadrante do vento
também é tida em conta como regra de transição. Para alem das regras de transição, os AC necessitam
apenas de uma determinação dos ciclos temporais de cada processo.
Devido a constante aprendizagem dos AC, nenhum cenário é idêntico entre si, o que nos leva à
necessidade de realizar uma média sobre os vários cenários obtido (Fig.1, Fase 5).
Figura 1-Integração da Informação
5. Resultados Espectáveis
O que se espera de uma análise deste tipo será uma maior velocidade de progressão onde hajam
condições favoráveis para tal, i.e., locais que apresentem uma conjugação de um declive mais
acentuado, vegetação mais seca, elevada densidade de vegetação, humidades relativas baixas e que a
direcção de propagação do fenómeno seja concordante com o quadrante predominante do vento. Locais
onde o declive seja menos acentuado, vegetação em bom estado de conservação, baixa densidade da
vegetação e humidades relativas altas serão locais onde a propagação será feita com maior morosidade
e por vezes até poderá não haver grandes progressões do mesmo. Neste ultimo caso, mesmo havendo
factores contraditórios á propagação do incêndio, o vento auxilia sempre na propagação do mesmo.
6. Considerações Finais
Os AC permitem uma análise tendo em conta várias variáveis e de um modo dinâmico ao longo de um
determinado período de tempo. Este é o método cujo cenários serão mais fidedignos à realidade, no
entanto existem sempre erros associados. Estes erros estão dependentes do utilizador, uma vez que é
ele que define os vários parâmetros que estão na base dos AC.
Para que um estudo desta natureza ganhe maior pormenor de análise e seja consequentemente mais
fidedigno á realidade, algumas variáveis necessitariam de ser tidas em conta. Uma dessas variáveis
poderão ser as características das próprias chamas, i.e., a sua altura, o seu comportamento em
diferentes espaços, suas diferentes temperaturas, o tipo de combustível, os diferente comportamentos
do vento, o efeito da gravidade e da pressão atmosférica.
5

6. Este tipo de estudos poderá vir a fazer parte integrante de material ligado a cenários de risco e de apoio
a decisões por parte das forças intervenientes. Para tal é necessário ter em conta todas as
características do espaço, das variáveis e as relações que existem entre si. No caso da aplicabilidade em
tempo-real seria necessário uma monitorização de pelo menos 3 estações meteorológicas a fim de poder
ser feita uma triangulação de forma a obter dados meteorológicos para toda a área em questão. Isto
prende-se com o facto da grande variação de determinadas variáveis, nomeadamente os fluxos de
vento.
7.Bibliografia
Bodrozic, L., Stipanicev, D., et. al., (2009) - Forest Fires Spread Modeling Using Cellular Automata
Approach. University of Split, Croatia.
Ferreira, J., Rocha, J., Tenedório, J. A., Morgado P., (2004) – Análise Multi-critério e Objectos de
Fronteira Indefinida para a Construção de uma Matriz de Corredores Verdes. Encontro da APG,
Guimarães.
Hegde, N., Muralikrishna, I., et. al., (2007) - Integration of Cellular Automata and GIS for Simulating
Land Use Changes.
Kontoes C., Keramitsoglou I., Sifakis N., Konstantinidis P. (2009) - SITHON: An Airborne Fire Detection
System Compliant with Operational Tactical Requirements. Sensors.; 9(2): pp. 1204-1220.
Li, B., Wilkinson, G., Khaddaj, S., (2001) - Cell-based Model for GIS Generalization. Kingston University,
UK.
Li, X., Magill, W., (2001) - Modeling Fire Spread Under Environemental Influence Using a Cellular
Automaton Approach. Complex. Int., 8, pp. 1–14.
Rocha, J., Tenedório, J. A., et. al., (2004) - Integração de Autómatos Celulares e Redes Neuronais em
Ambiente SIG para Previsão de Alterações nos Padrões de Uso e Ocupação do Solo. Encontro da
APG, Guimarães.
Rocha, J., Pedrigão, A., et. al. (2012*) Remote Sensing based Crop Coefficients for Water Management
in Agriculture. C.E.G. Universidade de Lisboa.
Santos, J., (2007). Tese de Mestrado em Biologia da Conservação - Aplicação de um Modelo de
Autómatos Celulares à Propagação de Fogos no Parque Natural da Serra da Arrábida, pp. 6–11.
Faculdade de Ciências da Universidade de Lisboa, Departamento de Biologia Animal.
6