Influência da geodiversidade sobre a distribuição de fisionomias de vegetação no Parque Nacional da Serra do Cipó

• Main Author: Campanha, Luís Fernando de Castro [UNESP]
• Publication Date: 2016
• Format: Bachelor thesis
• Language: por
• Source: Repositório Institucional da UNESP
• Download full: http://hdl.handle.net/11449/156047; http://www.athena.biblioteca.unesp.br/exlibris/bd/capelo/2017-08-24/000890155.pdf
• topic: Fitogeografia; Geodiversidade; Vegetação - Mapeamento; Biodiversidade - Conservação; Sensoriamento remoto; Ecologia da paisagem; Heterogeneidade ecológica; Fitofisionomias; Parque Nacional da Serra do Cipó (MG)

A abordagem empregada para a conservação da biodiversidade tem focado principalmente em uma escala fina, de espécies. Mas esta visão pode não ser capaz de contemplar os efeitos das mudanças globais, por não integrar os aspectos da geodiversidade. É o que pretende a abordagem chamada de Conservação do Palco da Natureza (Conserving the Nature's Stage, CNS), ao incluir a noções de que uma maior diversidade do ambiente físico, configurando refúgios e microclimas, é condição primordial para a geração e manutenção da diversidade biológica. A análise geográfica de imagens orientada a objetos (GEOBIA) é uma forma de análise automática de imagens de sensoriamento remoto, apropriada para a classificação da cobertura em imagens de alta resolução espacial. Esta metodologia é particularmente indicada para classificação de paisagens heterogêneas, como os mosaicos de vegetação da Cadeia do Espinhaço, Brasil. A GEOBIA foi empregada no presente trabalho para gerar o mapa da vegetação da região do PARNA da Serra do Cipó e da APA Morro da Pedreira. Foram testadas formas automatizadas para produzir tal mapa. Com a distribuição das fitofisionomias desta região de Cerrado, podemos relacionar a sua ocorrência de acordo com a localização de padrões geológicos e topográficos, e verificar se a geodiversidade pode, neste caso e escala, ser empregada para auxiliar o planejamento da conservação. A segmentação automática foi essencial no processo, de modo a agilizar e reduzir o viés do analista, no entanto, devido à grande extensão da área e complexidade de fitofisionomias foram reconhecidos erros, demandando posterior correção manual. A taxa de erro Out-of-Bag foi alta, 38,8%, demonstrando que os números de amostras de treinamento deveriam ser maiores, e a segmentação mais refinada. Contudo, o algoritmo Random Forest foi capaz de distinguir relativamente bem as fitofisionomias semelhantes...