A ocorrência de malária em quatro municípios do estado do Pará, de 1988 a 2005, e sua relação com o desmatamento / Occurrence of malaria in four cities in the state of Pará during 1988 to 2005 and its relationships with deforestation

O objetivo deste trabalho foi estudar a ocorrência de malária em quatro diferentes regiões representativas do estado do Pará, buscando suas possíveis relações com as taxas de desmatamento. Foi realizado um estudo retrospectivo, com dados secundários, no período de 1988 a 2005, através de casos de malária registrados em quatro municípios do Estado (Anajás, Itaituba, Santana do Araguaia e Viseu), como também das taxas de desmatamento fornecidas pelo PRODES-INPE. Aplicou-se a técnica dos Quantis para se estabelecer cinco categorias ou classes de incidência da malária para cada município, sendo gerado posteriormente um IPA representativo para o Estado. De 1988 até 1994, as curvas de incidência de malária acompanham os números de desmatamento. A partir de 1995, evidenciaram-se anos consecutivos com altos índices de ocorrência da doença logo após os períodos de altas taxas de desmatamento, como registrado nos anos de 1995, 2000 e 2004. Percebeu-se que após a época de intenso desmatamento, os casos de malária variaram entre alto e muito alto no seu padrão de incidência, apontando que o desmatamento pode ser um fator de incremento na frequência e aumento no número de pessoas infectadas no estado do Pará.

The purpose of this paper is to study occurrence of malaria in four different regions of the state of Pará and its possible relationships with deforestation rates. A retrospective study using secondary data from 1988 to 2005, using malaria incidence records reported in four cities in the state (Anajás, Itaituba, Santana do Araguaia and Viseu), as well as deforestation rates provided by the PRODES-INPE. The quantiles method was applied to establish five categories or classes of malaria incidence for each city, and a state IPA was generated with the contributions of these cities. From 1988 to 1994, the curves of incidence of malaria follow deforestation rates. From 1995, there are consecutive years of high incidence levels after years of high deforestation rates, as registered in 1995, 2000 and 2004. It was noticed that after periods of intense deforestation the occurrence of malaria presented an incidence pattern between high and very high, suggesting that deforestation may be a factor in maintaining and increasing the number of cases in the state of Pará.

Use of Poisson spatiotemporal regression models for the Brazilian Amazon Forest: malaria count data / Uso de modelos Poisson espaço-temporal de regressão para a Floresta Amazônica Brasileira: contagem de dados de malária

INTRODUCTION: Malaria is a serious problem in the Brazilian Amazon region, and the detection of possible risk factors could be of great interest for public health authorities. The objective of this article was to investigate the association between environmental variables and the yearly registers of malaria in the Amazon region using Bayesian spatiotemporal methods. METHODS: We used Poisson spatiotemporal regression models to analyze the Brazilian Amazon forest malaria count for the period from 1999 to 2008. In this study, we included some covariates that could be important in the yearly prediction of malaria, such as deforestation rate. We obtained the inferences using a Bayesian approach and Markov Chain Monte Carlo (MCMC) methods to simulate samples for the joint posterior distribution of interest. The discrimination of different models was also discussed. RESULTS: The model proposed here suggests that deforestation rate, the number of inhabitants per km², and the human development index (HDI) are important in the prediction of malaria cases. CONCLUSIONS: It is possible to conclude that human development, population growth, deforestation, and their associated ecological alterations are conducive to increasing malaria risk. We conclude that the use of Poisson regression models that capture the spatial and temporal effects under the Bayesian paradigm is a good strategy for modeling malaria counts.

INTRODUÇÃO: A malaria é uma doença endêmica na região da Amazônia Brasileira, e a detecção de possíveis fatores de risco pode ser de grande interesse às autoridades em saúde pública. O objetivo deste artigo é investigar a associação entre variáveis ambientais e os registros anuais de malária na região amazônica usando métodos bayesianos espaço-temporais. MÉTODOS: Utilizaram-se modelos de regressão espaço-temporais de Poisson para analisar os dados anuais de contagem de casos de malária entre os anos de 1999 a 2008, considerando a presença de alguns fatores como a taxa de desflorestamento. Em uma abordagem bayesiana, as inferências foram obtidas por métodos Monte Carlo em cadeias de Markov (MCMC) que simularam amostras para a distribuição conjunta a posteriori de interesse. A discriminação de diferentes modelos também foi discutida. RESULTADOS: O modelo aqui proposto sugeriu que a taxa de desflorestamento, o número de habitants por km² e o índice de desenvolvimento humano (IDH) são importantes para a predição de casos de malária. CONCLUSÕES: É possível concluir que o desenvolvimento humano, o crescimento populacional, o desflorestamento e as alterações ecológicas associadas a estes fatores estão associados ao aumento do risco de malária. Pode-se ainda concluir que o uso de modelos de regressão de Poisson que capturam o efeito temporal e espacial em um enfoque bayesiano é uma boa estratégia para modelar dados de contagem de malária.

Discriminação de incrementos de desflorestamento na Amazônia com dados SAR R99B em banda L / Discriminating deforestation increment areas in the Amazon rainforest with L band SAR R99B data

O uso de dados de sensoriamento remoto óptico em projetos de monitoramento de extensas áreas de floresta tropical é limitado devido à intensa cobertura por nuvens. Os dados SAR (Synthetic Aperture Radar) podem ser uma alternativa interessante para detectar desflorestamento nas regiões de floresta tropical onde a cobertura por nuvens é permanente. Neste contexto, o objetivo deste trabalho é avaliar o potencial do dado SAR adquirido em banda L pelo sistema aerotransportado R99B da Força Aérea Brasileira (FAB) para discriminar incremento de desflorestamento na Amazônia. Para tanto, foram realizadas classificações MAXVER-ICM com dados SAR multipolarizados de uma área teste localizada na região Sudeste do Estado do Acre. As classificações realizadas com a combinação dos canais HH, HV e VV e com o par de polarizações HH+HV obtiveram boa concordância com o mapa produzido no projeto PRODES (k = 0,68, onde k é o índice Kappa), o qual foi adotado como dado de referência. Este resultado indica que o dado SAR multipolarizado em banda L possui bom potencial para discriminar incremento de desflorestamento na Amazônia.

The use of optical remote sensing data in large tropical forest regions has an important limitation due to cloud cover. Synthetic Aperture Radar (SAR) data can be a viable alternative in areas where cloud cover is permanent, because the data acquisition is independent on atmospheric conditions. In this context, the main objective of this work was to evaluate the potential of L band SAR data acquired by R99B Brazilian Air Force (FAB) airborne system to discriminate deforestation increments in the Amazon rainforest. In order to achieve this purpose, we performed Maximum Likelihood classifications with multipolarized SAR data of a test site located in the state of Acre. The classifications performed with the combination of three channels (HH+HV+VV) and with the polarization pair HH+HV obtained good agreement with PRODES reference map (k=0,68, where k is de Kappa index). This result indicates that multipolarized L band SAR data have good potential to discriminate deforestation increments in the Amazon rainforest.