Blog Técnico: Explicação sobre os Dados e Alertas de Perda de Cobertura Arbórea em 2016

Nov 01, 2017||8 minutes
Languages
8095077615_b160c5d993_k
Languages
Category
  • Data
Topics
  • forest change
Global Forest Watch Tree cover loss 2016Fkoresta em Minas Gerais, Brazil. Flickr/João André O. Dias

Novos dados sobre a perda global de cobertura de árvores mostram que o Brasil experimentou um aumento sensível, nesse campo, durante 2016. Abaixo, explicamos várias ressalvas e nuances formuladas pela Universidade de Maryland, extremamente importantes para a compreensão do significado dessa constatação.

A perda da cobertura de árvores nem sempre significa o mesmo que desmatamento

O conjunto anual de dados de perda de cobertura arbórea GLAD da Universidade de Maryland mede a remoção de pelo menos metade da cobertura arbórea em um pixel de 30 metros (também conhecido como distúrbio de substituição de povoamento). Quando um pixel é registrado como perda, pode incluir a completa mortalidade e remoção de árvores, bem como áreas de degradação pelo fogo que podem eventualmente se recuperar. Embora os incêndios tenham sido provavelmente a principal causa do aumento na perda de cobertura arbórea em 2016, ainda não sabemos quantas árvores realmente morreram e quantas irão se recuperar nos próximos anos. Na Amazônia brasileira, quando um incêndio ocorre pela primeira vez, pode dar-se a perda de 42 a 57 por cento de biomassa e eliminar entre 10 a 50 por cento de todas as árvores. Uma vez ocorrido um incêndio, aumenta a possibilidade de acontecer novamente, e com mais intensidade, de modo a matar, muito provavelmente, as árvores remanescentes. As imagens de satélite do Sentinel confirmam que, parcialmente, a perda de 2016 teve recuperação iniciada em 2017, pelo menos no topo. Todavia, são necessários de 4 a 7 anos para que a regeneração das florestas atinja estado similar ao que antecedeu o fogo, sendo certo que seus impactos ainda poderão ser detectados através do LiDAR durante, ao menos, dez anos após o incêndio. A Universidade de Maryland está trabalhando em um conjunto anualizado de dados de ganho de cobertura arbórea, que nos ajudará a determinar se essas florestas devastadas irão se recuperar.

Global Forest Watch Tree cover loss 2016Perda da cobertura de árvores, pelo fogo, no Maranhão, Brasil. Da esquerda para a direita: (Imagem 1) perda de cobertura arbórea em 2016, mostrada em rosa; (Imagem 2) 15 de junho de 2016 – Imagem do Sentinel-2 mostra sinais da queimada em verde escuro/marrom; (Imagem 3) 20 de julho de 2017 – A imagem do Sentinel-2 mostra que a cobertura recuperada ainda é detectada como um verde de tonalidade mais escura do que no entorno, podendo haver recuperação num período de 4 a 7 anos, caso não ocorra incêndio adicional. As imagens 2 e 3 mostra cores falsas para destacar a mudança na vegetação.

A perda no Brasil pode ser um evento sem precedentes, ou parte de um padrão

O ápice da perda de cobertura de árvores no Brasil, em 2016, pode ou não constituir algo sem precedentes durante os 16 anos de dados de perdas. Os incêndios, no Brasil, também prevaleceram em 2005, 2007 e 2010;  Entretanto, o algoritmo utilizado para detectar a perda de cobertura de árvores no curso desse período não era tão sensível à degradação da floresta. Atualmente, existem duas versões do algoritmo empregado para formação do conjunto de dados de perda de cobertura das árvores: um abrangendo 2001-2010 e o outro 2011-2016. Por essa razão, aconselhamos que sejam comparados os números de perda de ambos os períodos temporais. A Universidade de Maryland planeja o reprocessamento dos dados de perdas de cobertura de árvores de todos os anos precedentes, usando um algoritmo, mas até que isto se dê, não podemos saber, seguramente, quão dramático foi o pico de 2016, em comparação aos anos anteriores, no que respeita à propensão ao fogo.

Nenhuma perda de 2016 ocorreu nesse mesmo ano

Capturar a perda de cobertura de árvores nos trópicos úmidos com dados óticos de satélite pode ser um desafio, pois a interposição de nuvens pode obscurecer a visão do satélite e mascarar  as mudanças na floresta. A imagem 2 no exemplo do Maranhão, acima,  evidencia quão difícil pode ser a captura de uma imagem clara. O El Niño se deu em fins de 2015 e 2016, intensificando os incêndios nesses dois anos. É provável que alguns incêndios ocorridos no final de 2015, com subsequente perda de cobertura das árvores, tenham sido capturados em 2016 por força da persistente presença de nuvens no final de 2015 (ocorrência comum na Indonésia, onde predomina a presença de nuvens). Isso pode acontecer em qualquer dos anos do conjunto de dados sobre perda de cobertura de árvores, por isso recomendamos a utilização de uma média móvel de três anos para avaliar os totais e as tendências nos dados de perda de cobertura da árvore.

Não compreendemos completamente o papel dos incêndios na perda de cobertura de árvores

Sabemos que a perda de cobertura de árvores de 2016 no Brasil ocorreu, em larga margem, em decorrência dos incêndios, mas é difícil quantificar as perdas oriundas dessa causa e quais foram provocadas por outras causas regionais, como a agricultura de grande e pequena escala e a exploração madeireira. Também é difícil dizer quantos incêndios foram provocados por causas naturais ou humanas. Alguns aconteceram em áreas remotas e, possivelmente, foram deflagrados por raios, mas mesmo incêndios distantes podem ser causados por atividade de subsistência em pequena escala de populações indígenas. De outra parte, muitos dos incêndios eclodem próximos de lavouras, estradas e assentamentos, provavelmente causados por humanos. Por fim, o El Niño, as mudanças climáticas e as práticas de uso do solo fizeram recrudescer o risco de incêndios, mas é impossível saber qual a contribuição individual de cada uma dessas causas. Um conjunto de dados baseado em sensoriamento global remoto é capaz de detectar consistentemente mudanças na cobertura das árvores, mas não as causas subjacentes dessas mudanças. Estamos trabalhando com a Universidade de Maryland para entender melhor como os incêndios contribuíram para a perda da cobertura das árvores em 2016.

Global Forest Watch Tree cover loss 2016Incêndio no estado do Amazonas, em 2015, constatado pelos dados da perda de cobertura de árvores em 2016. Da esquerda para a direita: (Imagem 1) 2016 –  perda de cobertura de árvore em rosa; (Imagem 2) 23 de dezembro de 2015 –  imagem de cor falsa do Sentinel-2 de marcas da queimada indica que a perda de cobertura de árvores verificada  em 2016 ocorreu, na verdade, em dezembro de 2015; (Imagem 3) agosto de 2015 – os alertas de fogo do MODIS dão mais indícios de que os incêndios e a subsequente perda da cobertura de árvores ocorreram em agosto de 2015.

A influência do fogo pode não refletir a perda de cobertura das árvores

A contagem de alertas de incêndio no Brasil não espelha necessariamente o grande pico na perda de cobertura das árvores. Isso pode ser devido à natureza dos incêndios rasteiros na Amazônia, que são, em grande parte, lentos, de baixa intensidade, nem sempre detectados pelos sensores MODIS e VIIRs. A despeito de sua limitada altura, a progressão lenta dos incêndios rasteiros causa danos às árvores devido ao calor armazenado, resultando na perda do dossel das árvores e, possivelmente, em sua  mortalidade.

A perda de cobertura das árvores relata uma história diversa das estimativas oficiais

Na semana passada, o sistema oficial do governo brasileiro, PRODES, anunciou um decréscimo do desmatamento na Amazônia de agosto de 2016 a julho de 2017. Entender os dados do PRODES em relação aos dados da Universidade de Maryland implica, primeiro, no entendimento de  que ambos os sistemas medem  ambientes diversos de mudança florestal com diferentes metodologias. O PRODES capta o desmatamento novo e claro da floresta primária em áreas superiores  a 6,25 hectares, o que vale dizer, uma vez que o desmatamento se dá, dá-se, também, a exclusão da área do monitoramento a partir desse instante pelo PRODES, mesmo que a floresta volte a crescer. O conjunto de dados da Universidade de Maryland recolhe um espectro de maior amplitude da perda de cobertura das árvores, incluindo florestas secundárias, degradação florestal decorrente de incêndio e perda em áreas tão minúsculas como 0,1 hectares. O PRODES também se vale de um diferente período de doze meses (agosto a julho, ao passo que o sistema da Universidade de Maryland lança mão de um ano civil).

Global Forest Watch Tree cover loss 2016

A redução da conversão em larga escala da floresta primária na Amazônia relatada pelo PRODES é uma notícia positiva. Simultaneamente, os dados da Universidade de Maryland evidenciam que outras formas de perturbação da floresta alcançaram níveis mais elevados em 2016 (uma tendência confirmada por alertas independentes de degradação emitidos pelo SAD, do Imazon). Tais formas de perturbação, abrangendo a degradação advinda de incêndios, também possuem importância como objeto de mensuração, por conta de seu impacto sobre o armazenamento de carbono, a biodiversidade, o solo, a água e os meios de subsistência das pessoas.

Global Forest Watch Tree cover loss 2016

BANNER PHOTO: Floresta em Minas Gerais, Brazil. Flickr/João André O. Dias
Category
  • Data
Topics
  • forest change

Explore More Articles

Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

Two new data-driven resources provide a shared view of priority areas in West Africa and can help realize a a deforestation-free cocoa sector.

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

This blog compares the forest extent in 2020 for data from UMD on GFW and the FAO Forest Resources Assessment and explains the differences.

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

We explain key differences between two data sets that track forest change in the tropics: UMD tree cover loss and JRC Tropical Moist Forest.

Explore More Articles
Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

fetching comments...