Modelação espaço-temporal de incêndios florestais em Portugal

Abstract

Os fogos florestais são uma calamidade que tem aumentado consideravelmente nas últimas décadas, também em Portugal, com consequências importantes ao nível económico, social e ambiental. É imprescindível, para a escolha e aplicação de políticas de intervenção efectivas neste problema, que se consiga perceber quais os factores que mais contribuem para este fenómeno,verificando-se que os sistemas de informação geográficos usados em conjunto com modelos estatísticos adequados podem contribuir de forma importante para este objectivo. Neste contexto, propomos-nos implementar um modelo hierárquico espaço-temporal desenvolvido Amaral-Turkman et al. (2010) para dados de incêndios Australianos, para o risco de incêndio florestal em Portugal, modelando conjuntamente a probabilidade de ignição e o tamanho dos incêndios,numa moldura Bayesiana. Apesar de o método inicial considerar os dados medidos em pequenas áreas definidas numa grelha regular, nós iremos antes trabalhar com freguesias, com bordas definidas administrativamente. Assim, o conjunto de dados em mãos compreende, para os anos de 2003-2007, a percentagem anual de terra ardida em cada freguesia, bem como valores anuais de várias covariáveis, desde condições atmosféricas, informação topográfica, proximidade a estradas e densidade populacional. Dado que o conjunto das freguesias das freguesias que dividem Portugal Continental é enorme-3424- naturalmente o problema da estimação do modelo via técnicas MCMC (Markov Chain Monte Carlo),usual nos modelos Bayesianos aplicados a dados espaço-temporais, fica computacionalmente muito pesado. De forma a poder ultrapassar esta questão procurou-se fazer a estimação de uma forma distinta, aproximada, que tem vindo a ganhar relevância no âmbito dos problemas de estimação Bayesianos que se podem encaixar na sub-classe dos modelos de regressão com estrutura aditiva, os modelos Gaussianos latentes-método de aproximações de Laplace aninhadas e integradas, Integrated Nested Laplace Approximation (INLA)-que apresenta significativas vantagens computacionais. Descrevemos detalhadamente a génese do procedimento INLA, sua implementação para a estimação do modelo acima referido, na nossa aplicação dos fogos, e apontaremos quais as vantagens/desvantagens concretas com que nos debatemos, relativamente aos métodos de MCMC.