Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | https://locus.ufv.br//handle/123456789/26617 |
Resumo: | As sementes florestais são de grande importância na recuperação de áreas degradas e sua comercialização pode representar uma fonte de recursos para produtores rurais de diversas regiões do país. Neste contexto, esse estudo teve o objetivo de identificar fragmentos florestais potenciais para coleta de sementes na região da Zona da Mata do estado de Minas Gerais. Para a identificação do potencial dos fragmentos foram utilizadas técnicas de classificação de imagens, índices de ecologia da paisagem e análise multicritério (lógica Fuzzy). Os resultados mostraram que 50.63% da área da Zona da Mata do estado de Minas Gerais corresponde a classe Pastagem e 30.54% corresponde a Mata Nativa e que, de todos os fragmentos identificados na área, 31% possuem área entre 0 a 50 ha, mostrando como a região é fragmentada. O índice Distância do vizinho mais próximo (ENN) mostrou que em média os fragmentos estão a uma distância de 82.33 m, sendo considerados de moderado grau de isolamento, reafirmando a fragmentação da área, em que a maioria dos fragmentos apresentam valores nulos de áreas núcleo. No que diz respeito ao potencial para coleta de sementes, os fragmentos com potencial muito alto são aqueles de maior área, em média acima de 55 ha. A análise de ocorrência de matrizes georreferenciadas nos fragmentos identificados mostrou que a maioria das matrizes ocorrem em fragmentos com elevado potencial para coleta de sementes, além disso em média, os principais gêneros das matrizes ocorrem também nesses fragmentos, indicando a diversidade de espécies florestais dentro desses fragmentos. Os resultados desse estudo revelaram o elevado índice de fragmentação da Zona da Mata do estado de Minas Gerais e os fragmentos identificados poderão auxiliar gestores e analistas ambientais em tomadas de decisões para manutenção da biodiversidade da área, contribuindo para um aumento da abundância das populações, riqueza de espécies e diversidade genética, além de auxiliar na identificação de áreas prioritárias para a restauração florestal. |
id |
UFV_43a16a615ccd47d5e7d88f2a5797be48 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/26617 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Mota, Pedro Henrique Santoshttp://lattes.cnpq.br/6363661553333526Santos, Alexandre Rosa dos2019-08-16T11:58:54Z2019-08-16T11:58:54Z2018-07-27MOTA, Pedro Henrique Santos. Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira. 2018. 60 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018.https://locus.ufv.br//handle/123456789/26617As sementes florestais são de grande importância na recuperação de áreas degradas e sua comercialização pode representar uma fonte de recursos para produtores rurais de diversas regiões do país. Neste contexto, esse estudo teve o objetivo de identificar fragmentos florestais potenciais para coleta de sementes na região da Zona da Mata do estado de Minas Gerais. Para a identificação do potencial dos fragmentos foram utilizadas técnicas de classificação de imagens, índices de ecologia da paisagem e análise multicritério (lógica Fuzzy). Os resultados mostraram que 50.63% da área da Zona da Mata do estado de Minas Gerais corresponde a classe Pastagem e 30.54% corresponde a Mata Nativa e que, de todos os fragmentos identificados na área, 31% possuem área entre 0 a 50 ha, mostrando como a região é fragmentada. O índice Distância do vizinho mais próximo (ENN) mostrou que em média os fragmentos estão a uma distância de 82.33 m, sendo considerados de moderado grau de isolamento, reafirmando a fragmentação da área, em que a maioria dos fragmentos apresentam valores nulos de áreas núcleo. No que diz respeito ao potencial para coleta de sementes, os fragmentos com potencial muito alto são aqueles de maior área, em média acima de 55 ha. A análise de ocorrência de matrizes georreferenciadas nos fragmentos identificados mostrou que a maioria das matrizes ocorrem em fragmentos com elevado potencial para coleta de sementes, além disso em média, os principais gêneros das matrizes ocorrem também nesses fragmentos, indicando a diversidade de espécies florestais dentro desses fragmentos. Os resultados desse estudo revelaram o elevado índice de fragmentação da Zona da Mata do estado de Minas Gerais e os fragmentos identificados poderão auxiliar gestores e analistas ambientais em tomadas de decisões para manutenção da biodiversidade da área, contribuindo para um aumento da abundância das populações, riqueza de espécies e diversidade genética, além de auxiliar na identificação de áreas prioritárias para a restauração florestal.The forest seeds are of great importance in the recovery of degraded areas, in addition, their commercialization represent a source of resources for rural producers of several regions of the country. This study aimed to identify potential forest fragments for seed harvesting in the region of Zona da Mata in the state of Minas Gerais. To identify the potential of the fragments, the techniques of image classification, landscape ecology and multicriteria analysis (Fuzzy logic) were used. The results showed that 50.63% of the area of the Zona da Mata is Pasture and 30.54% corresponds to Native Forest and that of all the fragments identified in the area, 31% have an area between 0 and 50 ha, showing how the region is fragmented. The nearest neighbor distance (ENN) metric showed that on average the fragments are at 82.33 m and are considered of moderate degree of isolation. Reaffirming the fragmentation of the area, the results showed that most have zero core areas. Regarding the potential for seed harvesting, the fragments with very high potential are those with larger area, on average above 55 ha. The analysis of the occurrence of georeferenced matrices in the identified fragments showed that most of the matrices occur in fragments with high potential for seed harvesting, in addition, on average, the main genera of the matrices also occur in these fragments, indicating the diversity of forest species within these fragments. The results of this study revealed the high fragmentation index of the Zona da Mata, and the fragments identified could help managers and environmental analysts in decision making to maintain biodiversity in the area, contributing to an increase in population abundance, species richness and diversity genetics, besides helping to identify priority areas for forest restoration.Conselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal de ViçosaEcologia das paisagensInteligência artificialSistemas de informação geográficaFotointerpretação FlorestalAprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineiraMachine learning and multicriteria analysis in the identification of potential forest fragments for seed harvesting in the zona da mata mineirainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de Engenharia FlorestalMestre em Ciência FlorestalViçosa - MG2018-07-27Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/26617/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf2670901https://locus.ufv.br//bitstream/123456789/26617/1/texto%20completo.pdf849382c978ab792fcd0538f8b51e4a57MD51123456789/266172019-08-16 08:59:20.679oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452019-08-16T11:59:20LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
dc.title.en.fl_str_mv |
Machine learning and multicriteria analysis in the identification of potential forest fragments for seed harvesting in the zona da mata mineira |
title |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
spellingShingle |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira Mota, Pedro Henrique Santos Ecologia das paisagens Inteligência artificial Sistemas de informação geográfica Fotointerpretação Florestal |
title_short |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
title_full |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
title_fullStr |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
title_full_unstemmed |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
title_sort |
Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira |
author |
Mota, Pedro Henrique Santos |
author_facet |
Mota, Pedro Henrique Santos |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/6363661553333526 |
dc.contributor.author.fl_str_mv |
Mota, Pedro Henrique Santos |
dc.contributor.advisor1.fl_str_mv |
Santos, Alexandre Rosa dos |
contributor_str_mv |
Santos, Alexandre Rosa dos |
dc.subject.pt-BR.fl_str_mv |
Ecologia das paisagens Inteligência artificial Sistemas de informação geográfica |
topic |
Ecologia das paisagens Inteligência artificial Sistemas de informação geográfica Fotointerpretação Florestal |
dc.subject.cnpq.fl_str_mv |
Fotointerpretação Florestal |
description |
As sementes florestais são de grande importância na recuperação de áreas degradas e sua comercialização pode representar uma fonte de recursos para produtores rurais de diversas regiões do país. Neste contexto, esse estudo teve o objetivo de identificar fragmentos florestais potenciais para coleta de sementes na região da Zona da Mata do estado de Minas Gerais. Para a identificação do potencial dos fragmentos foram utilizadas técnicas de classificação de imagens, índices de ecologia da paisagem e análise multicritério (lógica Fuzzy). Os resultados mostraram que 50.63% da área da Zona da Mata do estado de Minas Gerais corresponde a classe Pastagem e 30.54% corresponde a Mata Nativa e que, de todos os fragmentos identificados na área, 31% possuem área entre 0 a 50 ha, mostrando como a região é fragmentada. O índice Distância do vizinho mais próximo (ENN) mostrou que em média os fragmentos estão a uma distância de 82.33 m, sendo considerados de moderado grau de isolamento, reafirmando a fragmentação da área, em que a maioria dos fragmentos apresentam valores nulos de áreas núcleo. No que diz respeito ao potencial para coleta de sementes, os fragmentos com potencial muito alto são aqueles de maior área, em média acima de 55 ha. A análise de ocorrência de matrizes georreferenciadas nos fragmentos identificados mostrou que a maioria das matrizes ocorrem em fragmentos com elevado potencial para coleta de sementes, além disso em média, os principais gêneros das matrizes ocorrem também nesses fragmentos, indicando a diversidade de espécies florestais dentro desses fragmentos. Os resultados desse estudo revelaram o elevado índice de fragmentação da Zona da Mata do estado de Minas Gerais e os fragmentos identificados poderão auxiliar gestores e analistas ambientais em tomadas de decisões para manutenção da biodiversidade da área, contribuindo para um aumento da abundância das populações, riqueza de espécies e diversidade genética, além de auxiliar na identificação de áreas prioritárias para a restauração florestal. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-07-27 |
dc.date.accessioned.fl_str_mv |
2019-08-16T11:58:54Z |
dc.date.available.fl_str_mv |
2019-08-16T11:58:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MOTA, Pedro Henrique Santos. Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira. 2018. 60 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/26617 |
identifier_str_mv |
MOTA, Pedro Henrique Santos. Aprendizado de máquina e análise multicritério na identificação de fragmentos florestais potenciais para a coleta de sementes na zona da mata mineira. 2018. 60 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2018. |
url |
https://locus.ufv.br//handle/123456789/26617 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/26617/2/license.txt https://locus.ufv.br//bitstream/123456789/26617/1/texto%20completo.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 849382c978ab792fcd0538f8b51e4a57 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212887692214272 |