Análisis de la serie de tiempos por satélite de focos de calor en biomas brasileños mediante el Grafo de Visibilidad Horizontal
DOI:
https://doi.org/10.33448/rsd-v9i9.6276Palabras clave:
Incendios forestales; Biomas; Redes complejas; Grafo de visibilidad horizontal.Resumen
Los incendios forestales son procesos complejos que pueden tener causas naturales o ser el resultado de la interferencia humana. El efecto del fuego en un ecosistema varía según su sensibilidad, pero la recurrencia del fuego puede afectar el equilibrio ambiental y la salud humana. Buscando reducir los efectos negativos de los incendios, es necesario monitorear su ocurrencia y comprender su dinámica. En Brasil, el monitoreo se realiza vía satélite, con lo cual se detectan focos de calor. Este proceso lo lleva a cabo el Instituto Nacional de Pesquisas Espaciais (INPE), que proporciona los datos utilizados en este trabajo. Para estudiar la variabilidad temporal de los incendios en los biomas del Amazonia, Cerrado, Caatinga y el Mata Atlántica, este trabajo utiliza el método del Grafo de Visibilidad Horizontal, con el cual las series temporales de focos de calor de estos biomas se transforman en redes complejas. A partir de ellos, se extraen las medidas topológicas con las cuales es posible evaluar si la dinámica que gobierna cada red generada representa un proceso estocástico o caótico. Estas medidas son: el Coeficiente λ de la distribución de grados del nodo, el Coeficiente de Agrupamiento y la Longitud Promedia. Los resultados obtenidos mostraron que las propiedades topológicas de las redes varían según el número de focos de calor y el (n° de focos de calor)/(área del bioma). La dinámica de los incendios presentó características de un proceso estocástico correlacionado para los biomas del Amazonia, el Cerrado y el Mata Atlántica, y un proceso caótico para el bioma de Caatinga.
Citas
Aragão, L. E., Anderson, L. O., Fonseca, M. G., Rosan, T. M., Vedovato, L. B., Wagner, F. H., & Barlow, J. (2018). 21st Century drought-related fires counteract the decline of Amazon deforestation carbon emissions. Nature communications, 9(1), 1-12.
Benicio, R. B., Stošić, T., de Figueirêdo, P. H., & Stošić, B. D. (2013). Multifractal behavior of wild-land and forest fire time series in Brazil. Physica A: Statistical Mechanics and its Applications, 392(24), 6367-6374.
Castro, F. R., Bastos, D. M. R. F., Luana, M. M. S., & NUNES, J. (2016). Impactos das queimadas sobre a saúde da população humana na Amazônia Maranhense. Revista de Pesquisa em Saúde, 17(3), 141-146.
Costa, Y. T., & Rodrigues, S. C. (2015). Efeito do fogo sobre vegetação e solo a partir de estudo experimental em ambiente de cerrado. Revista do Departamento de Geografia, 30, 149-165.
Copertino, M., Piedade, M. T. F., Vieira, I. C. G., & Bustamante, M. (2019). Desmatamento, fogo e clima estão intimamente conectados na Amazônia. Ciência e Cultura, 71(4), 04-05.
Gomes, L., Miranda, H. S., Silvério, D. V., & Bustamante, M. M. (2020). Effects and behaviour of experimental fires in grasslands, savannas, and forests of the Brazilian Cerrado. Forest Ecology and Management, 458, 117804.
Instituto Brasileiro de Geografia e Estatística, IBGE (2019). Brasil em Síntese - Território. Acesso em: novembro/2019, em https://brasilemsintese.ibge.gov.br/territorio.html.
INPE. Instituto Nacional de Pesquisas Espaciais, INPE (2019). Banco de Dados de Queimadas. Acesso em: setembro/2019, emhttp://www3.inpe.br/queimadas/bdqueimadas/.
Lacasa, L., Luque, B., Ballesteros, F., Luque, J., & Nuno, J. C. (2008). From time series to complex networks: The visibility graph. Proceedings of the National Academy of Sciences, 105(13), 4972-4975.
Lacasa, L., & Toral, R. (2010). Description of stochastic and chaotic series using visibility graphs. Physical Review E, 82(3), 036120.
Lima, D. L., Alves, T. S., Oliveira, A. P. G., Catalani, T. G. T., Dalmas, F. B., & Paranhos Filho, A. C. (2020). Semiautomatic and quantification identification of deforestation by Remote Sensing. Research, Society and Development, 9(4), 30942721.
Luque, B., Lacasa, L., Ballesteros, F., & Luque, J. (2009). Horizontal visibility graphs: Exact results for random time series. Physical Review E, 80(4), 046103.
Marengo, J. A., Tomasella, J., Alves, L. M., Soares, W. R., & Rodriguez, D. A. (2011). The drought of 2010 in the context of historical droughts in the Amazon region. GeophysicalResearchLetters, 38(12).
Melo, D. F., Soares, J. A. B., Vieira, K. P. M., Giongo, P. R., Gomes, L. F., Cunha, F. N., & Sobrinho, O. P. L. (2020). Spatio-temporal analysis of fires in the Municipality of Santa Helena de Goiás. Research, Society and Development, 9(7).
Nobre, C. A., & Borma, L. D. S. (2009). ‘Tipping points’ for the Amazon forest. Current Opinion in Environmental Sustainability, 1(1), 28-36.
Nogueira, J. M., Rambal, S., Barbosa, J. P. R., & Mouillot, F. (2017). Spatial pattern of the seasonal drought/burned area relationship across Brazilian biomes: Sensitivity to drought metrics and global remote-sensing fire products. Climate, 5(2), 42.
Pierini, J. O., Lovallo, M., & Telesca, L. (2012). Visibility graph analysis of wind speed records measured in central Argentina. Physica A: Statistical Mechanics and its Applications, 391(20), 5041-5048.
Pivello, V. R. (2011). The use of fire in the Cerrado and Amazonian rainforests of Brazil: past and present. Fire ecology, 7(1), 24-39.
Santos, A. C. A., Finger, A., Nogueira, J. D. S., Curado, L. F. A., Palácios, R. D. S., & Pereira, V. M. R. (2016). Analysis of the concentration and composition of aerosols from fires in the matogrosso wetland. Química Nova, 39(8), 919-924.
Santos, J. F. C., Gleriani, J. M., Velloso, S. G. S., de Souza, G. S. A., do Amaral, C. H., Torres, F. T. P.. & Dos Reis, M. (2019). Wildfires as a major challenge for natural regeneration in Atlantic Forest. Science of The Total Environment, 650, 809-821.
Sivakumar, B., & Woldemeskel, F. M. (2015). A network-based analysis of spatial rainfall connections. Environmental Modelling & Software, 69, 55-62.
Stam, C. J., & Reijneveld, J. C. (2007). Graph theoretical analysis of complex networks in the brain. Nonlinear biomedical physics, 1(1), 3.
Stosic, T., Telesca, L., da Costa, S. L. L., & Stosic, B. (2016). Identifying drought-induced correlations in the satellite time series of hot pixels recorded in the Brazilian Amazon by means of the detrended fluctuation analysis. Physica A: Statistical Mechanics and its Applications, 444, 660-666.
Telesca, L., & Lovallo, M. (2012). Analysis of seismic sequences by using the method of visibility graph. EPL (Europhysics Letters), 97(5), 50002.
Zou, Y., Donner, R. V., Marwan, N., Donges, J. F., & Kurths, J. (2019). Complex network approaches to nonlinear time series analysis. Physics Reports, 787, 1-97.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Joelma Mayara da Silva, Lidiane da Silva Araújo, Tatijana Stosic, Borko Stosic
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
