Estas figuras mostram as comparações entre o FSS do modelo e observações de fogo durante os anos de 2001 a 2015 para cada região. Linhas pretas (sólidas) indicam as observações de anos passados (focos de calor via satélite), enquanto as linhas pretas (pontilhadas) mostram o valor da média histórica de todos anos. As linhas laranjas mostram as previsões de FSS de 2001 a 2015 e o intervalo (RMSE) de previsão para o ano atual (2016). Os números em parênteses correspondem aos coeficientes de determinação (r²) entre o modelo e as observações realizadas. As previsões atuais incluem dados de superfície do oceano até maio de 2016—Clique nas caixas abaixo da figura para obter as previsões de meses anteriores.

O FSS é a soma de focos de queimada (ou focos de calor, (FC)) durante a época seca. Focos de calor são anomalias de radiação termal detectadas por satélite. Nosso modelo é baseado nos focos de calor do sensor (MODIS (Moderate Resolution Imaging Spectroradiometer), um dos instrumentos no satélite terrasatélite da NASA.

• Mapas mensais de focos de calor entre 2001-2014 sobre a América do Sul. Clique "<" ou ">" para visualizar dados em meses/anos anteriores. Clique “Enable/Disable smoothing” para visualizar localização de cada foco de calor.

• Mapa de densidade dos focos de calor (número por milhão de hectares por ano), mostrando as condições médias durante 2001-2014. As linhas azuis mostram as 10 áreas de estudo. Clique sobre o mapa para obter uma versão maior.

• A fração de focos de calor em cada região (as 10 incluídas neste estudo). Utilize o cursor para ver o valor médio anual de focos em cada região.

• A séria temporal de focos de calor (totais mensais) nas regiões de estudo desde 2000.

Na previsão do FSS na América do Sul, usamos dois índices climáticos que representam anomalias na temperatura da superfície dos oceanos Pacífico e Atlântico: ONI (Ocean Nino Index) e AMO (Atlantic Multidecadal Oscillation Index). A figura abaixo mostra a série temporal de ONI e AMO desde 2000.

• Usando a regressão linear, a maior correlação entre FSS e ONI ou AMO aconteceu entre outubro (ano anterior) e abril, 3-6 meses de antecedência ao pico de queimadas durante a época seca (e.g., setembro no Mato Grosso). Aqui, mostramos os valores mensais de ONI e AMO neste período. As cores entre azul e vermelho significam anos de baixa a alta ocorrência de queimadas.

• Esta figura mostra uma comparação entre anomalias nos índices oceânicos e o FSS. Por cima, a figura indica as anomalias na superfície do mar (valor média entre o período de outubro-abril, em relação ao valor médio durante os anos 2001-2015. A painel abaixo mostra a série temporal do FSS anual, dividida por região.

O modelo de previsão para o período severo de queimadas (FSS) é baseado em Chen et al. (2011), com algumas modificações. Nosso modelo de FSS foi desenvolvido utilizando os focos de calor detectados pelo sensor MODIS (Moderate Resolution Imaging Spectroradiometer), um dos instrumentos a bordo do satélite Terra da NASA, e dois índices climáticos que representam anomalias de temperatura da superfície dos oceanos Pacífico e Atlântico: ONI (Ocean Nino Index) e AMO (Atlantic Multidecadal Oscillation Index). Temperaturas da superfície do mar entre 3-6 meses antes do período severo de queimada apresentam uma forte relação com os focos de calor durante a época seca sobre grandes áreas da América do Sul. Este período anterior ao início das queimadas nos permite prever o FSS com 3-6 meses de antecedência.

• Focos ativos de calor (FC)

Nós usamos os dados da coleção 5 do MODIS (produto MCD14ML). Foram amostradas as coordenadas geográficas de pixels individuais de focos de calor (1×1 km resolução espacial) que possuíssem nível de confiança maior que 30%. A soma mensal de FC foi calculada para cada pixel com resolução de 0.5°, após aplicar uma correção para cobertura de nuvens. Focos de calor persistentes de acordo com observações do MODIS e pixels com queima de gás de acordo com as estimativas do NOAA Global Gas Flare Estimates foram excluídos porque a queimada nestas regiões é devida principalmente à produção de petróleo ao invés de queimadas. Também foram calculados os dados mensais de FC para cada região (seis Estados no Brazil (Acre, Amazonas, Maranhão, Mato Grosso, Para, e Rondônia), três Departamentos na Bolívia (El Beni, Pando, e Santa Cruz), e um País (Peru). A soma de FC ao longo do período de queimadas (período de 9 mêses, centrado no mês com o maior total de FC) foi considerado o FSS anual para cada região.

• ONI

O ‘Oceanic Niño Index’ (ONI) é uma anomalia trimestral na temperatura da superfície do oceano Pacífico na região Niño 3,4 (5°N-5°S, 120°-170°O). Os dados ONI foram obtidos a partir do NOAA National Weather Service Climate Prediction Center.

• AMO

O ‘Atlantic Multidecadal Oscillation index’ (AMO) é uma anomalia na temperatura da superfície do oceano Atlântico (0°-70°N). Os dados AMO foram obtidos a partir do NOAA Earth System Research Laboratory website.

Definimos o modelo empírico como uma combinação linear de dois índices climáticos amostrados durante os meses com maiores correlaçoes entre as temperaturas e FC:

FSS_predicted(x,t,τ_c)=a(x,τ_c)×ONI[t,m(x)-τ_ONI(x,τ_c)]+b(x,τ_c)×AMO[t,m(x)-τ_AMO(x,τ_c)]+c(x,τ_c).

FSS_predicted é o valor esperado de FSS para região x e ano t. O parâmetro τ_c representa o tempo de antecedência (meses antes do pico de queimadas) quando a previsão foi feita. a e b são coeficientes que variam espacialmente e representam a sensibilidade do FSS em cada região para ONI and AMO, independentemente, e c é uma constante. Tanto ONI quanto AMO foram amostrados a cada ano, durante os meses com tempo de antecedência entre τ_ONI e τ_AMO relativos ao mês em que se observa o pico de queimadas (m). Dado um valor-alvo de τ_c, os valores otimizados τ_ONI e τ_AMO foram obtidos a partir de uma série de regressões lineares utilizando os valores de ONI e AMO em meses diferentes (com um valor de corte (mínimo) de tempo de antecedência igual a τ_c).

Baseado na disponibilidade dos dados ONI e AMO e o mês correspondente ao pico de queimadas, nós encontramos uma estimativa de τ_c para cada região. Rodamos o modelo de previsão com os coeficientes (a, b, e c) e períodos de antecedência (τ_ONI e τ_AMO) para obter a estimativa do FSS. O intervalo de confiança da previsão foi calculado utilizando uma estimativa de incerteza de 1 desvio-padrão para os parâmetros do modelo. Desta forma, nós temos um conjunto de previsões obtidas a partir de meses diferentes (apesar de possuírem intervalo de confiança diferentes).

• Chen, Y., J. T. Randerson, D. C. Morton, R. S. DeFries, G. J. Collatz, P. S. Kasibhatla, L. Giglio, Y. Jin, M. E. Marlier, Forecasting fire season severity in South America using sea surface temperature anomalies, Science, 334, 787-791, 2011. [link]
• Chen Y., I. Velicogna, J. S. Famiglietti, and J. T. Randerson, Satellite observations of terrestrial water storage provide early warning information about drought and fire season severity in the Amazon, J. Geophys. Res. - Biogeosciences, 118, 1-10, 2013. [link]
• Chen, Y., J. T. Randerson, D. C. Morton, Y. Jin, G. J. Collatz, P. S. Kasibhatla, G. R. van der Werf, R. S. DeFries, Long-term trends and interannual variability of forest, savanna and agricultural fires in South America, Carbon Management. 4(6), 617-638. [link]
• de Linage, C., J. S. Famiglietti, and J. T. Randerson (2014), Statistical prediction of terrestrial water storage changes in the Amazon Basin using tropical Pacific and North Atlantic sea surface temperature anomalies, Hydrol Earth Syst Sc, 18(6), 2089-2102.[link]
• Chen, Y., J. T. Randerson, D. C. Morton (2015), Tropical North Atlantic ocean-atmosphere interactions synchronize forest carbon losses from hurricanes and Amazon fires, Geophysical Research Letters, 42(15), 6462-6470.[link]
• Chen, Y., D. C. Morton, N. Andela, L. Giglio, and J. T. Randerson (2016), How much global burned area can be forecast on seasonal time scales using sea surface temperatures? Environmental Research Letters, 11(4), 045001. [link]

• FC : Focos de calor, ou o número de queimadas detectadas por satélite.
• AMO: Atlantic Multi-decadal Oscillation index, um índice de anomalia na temperatura da superfície do oceano Atlântico. Nós usamos o valor médio (suavizado sobre 3 meses) de anomalias Kaplan na superfície do Oceano Atlântico (0-70N). Os dados estão disponíveis na internet NOAA Earth System Research Laboratory.
• Período de queimadas (Fire Season): o período de 4 meses antes/depois ao mês com o maior número de focos.
• FSS: Fire Season Severity/Período Severo de Queimadas: a soma de focos de calor durante o período de queimadas em cada ano.
• FSSI (Fire Season Severity Index, Índice Sazonal de Severidade de Fogo): Um índice de FSS baseado no valor médio e desvio padrão de FSS histórico na região. FSSI = 50*(1+ERF((FSS-FSS_oavg)/sqrt(2)/FSS_ostd), onde FSS_oavg y FSS_ostd sao o valor medio e o desvio padrão de FSS observado durante 2001-2010. ERF é a função erro.
• MODIS: Moderate Resolution Imaging Spectroradiometer, um dos instrumentos nos satélites Terra e Aqua da NASA para sensoriamento remoto da planeta.
• ONI: (Ocean Nino Index), uma índice de anomalia na temperatura da superfície do mar Pacífico. Nós usamos o valor médio (também suavizado sobre 3 meses) de ERSST.v3b anomalias na região Niño 3.4 (5N-5S, 120-170W). Dados estão disponíveis na internet:NOAA Climate Prediction Center.
• Terra: Satélite da NASA em órbita hélio-síncronizada ao redor do planeta. O satélite foi lançado em dezembro de 1999, e o Terra leva 5 sensores incluindo o MODIS.

Este trabalho tem apoio da Fundação Moore (Gordon and Betty Moore Foundation) bolsa GBMF3269.

O trabalho é uma colaboração entre A Universidade de Califórnia, Irvine (Yang Chen e Jim Randerson), NASA Goddard Space Flight Center (Doug Morton, Niels Andela, e James Collatz), Columbia University (Ruth DeFries e Miriam Marlier), Universidade de Maryland (Louis Giglio), e Duke University (Prasad Kasibhatla).

A NASA disponibilizou focos de queimadas do sensor MODIS e a NOAA gerou os dados de temperatura da superfície do mar usados neste trabalho. As figuras, mapas, e demais conteúdos nesta pagina foram construídos usando Google Chart API , Maps API, e Fusion table API .

As previsões do modelo nesta pagina são experimentais. O modelo não pode ser usado para previsão de queimadas individuais. O uso da informação pelo planejamento deve também usar outras fontes de informação confiáveis sobre o clima e o risco de fogo. A Universidade de Califórnia não se responsabiliza pelas conseqüências de qualquer uso de dados sobre FSS ou outros resultados nesta página.