Modelagem da infestação de lianas e da biomassa do fuste de árvores em fragmentos de Mata Atlântica

• Ano de defesa: 2024
• Autor(a) principal: Tavares Júnior, Ivaldo da Silva
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência Florestal
• Palavras-chave em Português: Plantas trepadeiras - Mata Atlântica; Mapeamento florestal - Mata Atlântica; Florestas - Manejo; Aprendizado do computador; Ciência Florestal
• Link de acesso: https://locus.ufv.br/handle/123456789/33251; https://doi.org/10.47328/ufvbbt.2024.713

A Mata Atlântica, uma das florestas tropicais mais biodiversas do mundo, atualmente sofre com a degradação e fragmentação, restando apenas cerca de 12% de sua extensão original. A fragmentação florestal impacta negativamente a biomassa florestal, reduzindo a densidade e a diversidade de árvores e aumentando a abundância de lianas. Portanto, compreender e modelar a ocorrência e a abundância de lianas, assim como a biomassa das árvores, é essencial para a conservação e manejo sustentável da Mata Atlântica. Assim, os objetivos deste trabalho foram classificar a ocorrência de árvores infestadas por lianas em fragmentos de Mata Atlântica utilizando técnicas de aprendizagem de máquina (Capítulo I); projetar a abundância de árvores infestadas por lianas utilizando técnicas de aprendizagem de máquina (Capítulo II); e predizer a biomassa do fuste de árvores integrando descritores texturais da matriz de coocorrência em níveis de cinza (GLCM) e aprendizagem de máquina, incluindo a abundância de árvores infestadas por lianas nos modelos (Capítulo III). Na modelagem da ocorrência de árvores infestadas por lianas, a análise de variáveis como altura total das árvores e diâmetro à 1,30 m de altura indicam que árvores maiores oferecem mais suporte para o crescimento das lianas. Na modelagem da abundância de árvores infestadas por lianas, a área basal por hectare, grupo ecológico, fósforo remanescente no solo e a concentração de alumínio trocável foram variáveis cruciais. A maior área basal sugere uma floresta mais madura, proporcionando o fechamento do dossel e redução das lianas. Já a alta concentração de alumínio trocável indica um ambiente competitivo mais favorável para as lianas devido à toxicidade para muitas plantas. Na predição da biomassa do fuste de árvores utilizando descritores texturais GLCM e aprendizagem de máquina utilizando dados do sensor Landsat 7, foram extraídos descritores texturais durante períodos secos e chuvosos. As técnicas de aprendizagem de máquina, como a regressão vetorial de suporte (RVS) e redes neurais artificiais (RNA), mostraram robustez na validação, especialmente a RVS durante o período seco. A inclusão de variáveis texturais e a consideração da abundância de árvores infestadas por lianas melhoraram a precisão dos modelos, destacando a importância de adaptar os modelos às condições sazonais e estruturais da vegetação. Esses resultados ressaltam a eficácia das técnicas de aprendizagem de máquina na modelagem da infestação de lianas, bem como na predição da biomassa do fuste de árvores. Além disso a inclusão de fatores ambientais e antrópicos proporcionam uma compreensão detalhada dos fragmentos florestais, promovendo um manejo sustentável da Mata Atlântica. Palavras-chave: distúrbios em florestas; infestação; manejo florestal.