Modelagem Dinâmica
com TerraME:
A Gentle Introduction
Pedro Ribeiro de Andrade
DSA/CCST/INPE
http://www.terrame.org
Dezembro/09
Motivação
É crescente a demanda por modelos dinâmicos que permitam a avaliação e
o prognóstico dos impactos causados por mudanças ambientais e que
considerem de forma integrada fatores sociais, econômicos, hidrológicos,
climáticos e ecológicos.
– Projeto Land Use and Cover Change - LUCC
– Projeto GEOMA
?
Fonte: (Carneiro, 2006)
Teoria de Modelagem
Processo cognitivo no qual os princípios de uma ou mais
teorias são aplicados para se produzir um modelo de um
determinado fenômeno, sistema ou processo real.
If (... ? ) then ...
Desmatamento ?
Fonte: (Carneiro, 2006)
Causa e Efeito
rain
rain
Itacolomi do Itambé
Peak
N
rain
Lobo’s Range
Fonte: (Carneiro, 2006)
Área de estudo – ALAP BR 319 e entorno
new road
ALAP BR 319
Estradas pavimentadas em 2010
Estradas não pavimentadas
Rios principais
Portos
Geographic Information Systems (GIS)
Data models but not process models
Simulação Computacional
Caixa Preta
Variação de Temperatura
60
50
graus centígrados
40
30
20
10
0
-10
0
20
40
60
-20
-30
-40
tempo (s)
80
100
Entrada
Modelo1
Modelo2
Objetivo
Modelo3: 0,1
Modelo3: |f-o|/(|f|+|o|)
TerraME:Terra Modelling Environment
Source: (Carneiro, 2006)
Where is Lua?
• Inside Brazil
– Petrobras, the Brazilian Oil Company
TerraME Programming Language: Extension of LUA
– Embratel (the main telecommunication
LUA is the
languageinofBrazil)
choice for computer games
company
– many other companies
• Outside Brazil
– Lua is used in hundreds of projects, both
commercial and academic
– CGILua still in restricted use
• until recently all documentation was in Portuguese Lua and the Web
[Ierusalimschy et al, 1996]
source: the LUA team
Methodology: TerraME architecture
& applications
Fonte: (Carneiro, 2006)
Basic concepts
The Earth’s environment …
can be represented as a synthetic environment…
… where analytical entities (rules) change the space properties in time.
Several interacting entities share the same spatiotemporal structure.
Fonte: (Carneiro, 2006)
TerraME’s way: Modular components
1. Get first pair
2. Execute the ACTION
3. Timer =EVENT
return value
1.
1:32:00
Mens. 1
2.
1:32:10
Mens. 3
3.
1:38:07
Mens. 2
4.
1:42:00
Mens.4
...
true
4. timeToHappen += period
Temporal structure
Spatial structure
latency
> 6 years
Deforesting
Newly implanted
Year of
creation
Slowing down
Iddle
Deforestation =
100%
Rules of behaviour
Spatial relations
Source: [Carneiro, 2006]
Space
Cell
 CellularSpace
 Trajectory
 Neighbourhood

(
, )
Source: (Aguiar, 2003;; Carneiro, 2006)
Cellular Space
AnariCells = CellularSpace {
dbType = "ADO",
host = "localhost",
database ="c:\\terralibDB\\mas_lucc.mdb",
user = "",
password = "",
layer = "celulas_500_Anari_1985_pasto",
theme = "celulas_500_Anari_1985_pasto",
select = {"object_id", "cover", "owner“}
}
Trajectory
r = Trajectory{cellularspace,
function(cell)
return cell.height > 50
end,
function(c1, c2)
return c1.height > c2.height
end
}
(
, )
Which objects are closer?
Source: (Aguiar, 2003)
Which objects are closer?
Source: (Aguiar, 2003)
GPM – strategies for building relations
Euclidean Spaces
Open Network
Closed Network
GPM as a graph
From
a
Cell
Agent
c
Agent
To
Cell
a
b
b
c
Vizinhança
 createMooreNeighborhood(cs)
 cs:loadTerraLibGPM("name")
 cs:loadGALNeighborhood("file.gal")
Source: (Aguiar, 2003)
Behaviour
 Agent
 Automata
Fonte: (Carneiro, 2006)
Behaviour – State Machines
 Hybrid
Sistema Econômico
 Situated
time = 1994
recessão
crescimento
time = 1997
Evolução Desflorestamento - Fazenda
time = 1988
Latência > 6 anos
normal
desflorestando
recém
Implantada
Desmatamento > 70%
saturada
Fonte: (Carneiro, 2006)
State Machine
State{id = "MoveDown",
Jump{ function(event, agent)
return input == "raise"
end,
target = "MoveUp"
},
Jump{ function(event, agent)
return gate.y == 0
end,
target = "Closed"
},
Flow{ function(event, agent)
gate.y = gate.y - 9
if gate.y <= 0 then gate.y = 0 end
end}
}
Temporal model
1. Get first pair
2. Execute the ACTION
3. Timer =EVENT
1.
1:32:00
Mens. 1
Execute an agent over the cellular space regions
2.
1:32:10
Mens. 3
Save the spatial data
3.
1:38:07
Mens. 2
Draw cellular spaces and agents states
4.
1:42:00
Mens.4
Carrie out the comunication between agents
...
return value
true
4. timeToHappen += period
Fonte: (Carneiro, 2006)
Timer
time = Timer {
Pair {
Event{time = 1985, period = 1},
Message{ function(event)
AgentRancher:execute(event)
return 1
end}
},
Pair {
Event {time = 1988, period = 1},
Message { function(event)
AgentSmall:execute(event)
return 1
end}
}
}
Environment
myScale = Environment{
id = "MyScale",
cs1 = CellularSpace{ ... },
-- ...
csN = CellularSpace{ ... },
aut1 = Automata{ ... },
-- ...
autN = Automata{ ... },
t1 = Timer{ ... },
-- ...
tN = Timer{ ... },
sc1 = Environment{ ... },
-- ...
scN = Environment{ ... },
}
ForEachNeighbor
ForEachNeighbor
ForEachCell
Agent
Cell
ForEachAgent
ForEachAgent
ForEachCell
Society
CellularSpace
Group
Trajectory
DBMS
chuva
chuva
Pico do Itacolomi
do Itambé
N
chuva
Serra do Lobo
Fonte: (Carneiro, 2006)
Autômatos Celulares
(soilWater > infCap) ?
DRY
WET
(soilWater <= infCap) ?
Fonte: (Carneiro, 2006)
Simulation
outcome
fonte: Carneiro (2006)
STUDY AREA
Parque Nacional Serra das Emas
Fonte: (Almeida et al, 2008)
STUDY AREA
Dados de Entrada do Modelo
Fonte: (Almeida et al, 2008)
STUDY AREA
Propagação do Incêndio
Fonte: (Almeida et al, 2008)
Estimativa de Emissões por Desmatamento
Emissões de CO2 por Desmatamento de Floresta Primária na Amazônia e nos
Estados (Modelo C1)
1000
Acre
Amapa
MtonCO2
800
Amazonas
Maranha
600
Mato Grosso
Pará
400
Rondonia
200
Roraima
Tocantins
0
1999
2000
2001
2002
2003
2004
Ano
Fonte: (Aguiar et al, 2009)
2005
2006
2007
2008
Amazonia
Deforestation in Rondônia
Fonte: (Carneiro, 2006)
Projetos antigos
Novos projetos
Projetos planejados
10
8
Projetos de
Colonização
13
15
14
16
km
Deforestation Map – 2000
(INPE/PRODES Project)
Deforestation
Forest
Non-forest
Federal Government induced colonization area
(since the 70’s):

Small, medium and large farms.

Mosaic of land use patterns.

Definition of land units and typology of actors based
on multi-temporal images (85-00) and colonization
projects information (Escada, 2003).
Deforestation in Rondônia
1985 to 1997
Source: adapted from (Carneiro, 2006)
BASELINE SCENARIO – Hot spots of change (1997 a 2020)
% mudança 1997 a 2020:
ALAP BR 319
Estradas pavimentadas em 2010
Estradas não pavimentadas
Rios principais
Fonte: (Aguiar, 2006)
0.0 – 0.1
0.1 – 0.2
0.2 – 0.3
0.3 – 0.4
0.4 – 0.5
0.5 – 0.6
0.6 – 0.7
0.7 – 0.8
0.8 – 0.9
0.9 – 1.0
GOVERNANCE SCENARIO – Differences from baseline
scenario
ALAP BR 319
Estradas pavimentadas em 2010
Estradas não pavimentadas
Rios principais
Protection areas
Sustainable areas
Fonte: (Aguiar, 2006)
Differences:
Less:
More:
0.0
-0.50
0.0
0.10
STUDY AREA
São Félix do Xingu
Fonte: (Costa, 2009)
Landscape model: different rules of behavior at different
partitions
Observed deforestation
in 1997
SÃO FÉLIX DO XINGU - 1997
FRONT
MIDDLE
BACK
Forest
Deforest
River
Not Forest
Fonte: (Costa, 2009)
Landscape model: different rules of behavior at different
partitions deforestation
which also change in
Observed
intime
2006
SÃO FÉLIX DO XINGU - 2006
FRONT
FRENTE
MIDDLE
MEIO
BACK
RETAGUARDA
Forest
Deforest
River
Not Forest
Fonte: (Costa, 2009)
Modeling results
97 to 2006
Real Data
Observed
97 to 2006
Simulation
Fonte: (Costa, 2009)
Modelagem Multi-Escala
Athmosphere, ocean, chemistry climate
model (resolution 200 x 200 km)
Atmosphere only global climate model
(resolution 50 x 50 km)
Regional climate model
(resolution 10 x 10 km)
Hydrology, Vegetation
Soil Topography (e.g, 1 x 1 km)
Regional land use change
Socio-economic changes
Adaptation (e.g., 100 x 100 m)
Fonte: (Camara, 2009)
Acoplamento de Modelos
Fonte: (Piribauer, 2009)
TerraME Hoje
• Versão 1.0 Beta prevista para fevereiro/2010
• www.terrame.org
• Extensão para acessar outros tipos de dados
(pontos, linhas, etc.) como células
• TerraME-GIMS (Graphical Interface for Modeling
and Simulation)
• TerraME-HPA (High Performance Architecture)
• Dificuldade para visualizar dinamicamente os
resultados dos modelos