Discrete spatial modeling: uma proposta de arcabouço para construção de modelos dinâmicos espacialmente explícitos baseado no ecossistema Python

Abstract

Resumo: Este trabalho apresenta o DisSModel (Discrete Spatial Modeling), um framework modular e extensível desenvolvido em Python para modelagem dinâmica espacialmente explícita, com foco em aplicações de mudanças no uso e cobertura da terra (LUCC). Inspirado no TerraME, o DisSModel oferece suporte à construção de autômatos celulares, simulação de sistemas dinâmicos e integração com dados geográficos. O suporte a modelos baseados em agentes está em desenvolvimento. Estruturado em quatro módulos principais (Core, Geo, Models e Visualization), o framework permite a manipulação de dados vetoriais e matriciais, definição de vizinhanças espaciais, simulação baseada em eventos discretos e visualizações interativas. A metodologia envolveu a análise das funcionalidades do TerraME, o desenho de uma arquitetura modular adaptada ao ecossistema Python e a validação do framework por meio de estudos de caso representativos, como simulações de incêndios florestais, modelos epidemiológicos e padrões espaciais emergentes. O DisSModel encontra-se disponível para testes no TestPyPI (<https://test.pypi.org/project/dissmodel/>) e no repositório GitHub do grupo LambdaGeo (<https://github.com/LambdaGeo/dissmodel/>). A proposta busca ampliar o acesso à modelagem espacial dinâmica, promovendo práticas de ciência aberta, reprodutibilidade e integração com fluxos de trabalho modernos em análise de dados geoespaciais.__Abstract This work presents DisSModel (Discrete Spatial Modeling), a modular and extensible framework developed in Python for spatially explicit dynamic modeling, with a focus on land use and land cover change (LUCC) applications. Inspired by TerraME, DisSModel supports the development of cellular automata, simulation of dynamic systems, and integration with geographic data. Support for agent-based models is currently under development. Structured into four main modules (Core, Geo, Models, and Visualization), the framework enables manipulation of vector and raster data, definition of spatial neighborhoods, event-based simulation, and interactive visualizations. The methodology involved analyzing the functionalities of TerraME, designing a modular architecture adapted to the Python ecosystem, and validating the framework through representative case studies, such as forest fire simulations, epidemiological models, and emergent spatial patterns. DisSModel is available for testing on TestPyPI (<https://test.pypi.org/project/ dissmodel/>) and in the LambdaGeo group repository on GitHub (<https://github. com/LambdaGeo/dissmodel/>). The proposal aims to broaden access to spatial dynamic modeling, fostering open science practices, reproducibility, and integration with modern geospatial data analysis workflows.