Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-06-01T20:07:51Z No. of bitstreams: 2 Dissertação - Liliane de Sousa Silva - 2015.pdf: 4894695 bytes, checksum: ef4469d862b59150ebb61ed28e1293ff (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-06-02T15:32:33Z (GMT) No. of bitstreams: 2 Dissertação - Liliane de Sousa Silva - 2015.pdf: 4894695 bytes, checksum: ef4469d862b59150ebb61ed28e1293ff (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) / Made available in DSpace on 2016-06-02T15:32:33Z (GMT). No. of bitstreams: 2 Dissertação - Liliane de Sousa Silva - 2015.pdf: 4894695 bytes, checksum: ef4469d862b59150ebb61ed28e1293ff (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) Previous issue date: 2015-09-30 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The gallic acid (GA) and its derived ellagic acid (EA) are widely distributed in nature tannins, present in tea, red wine, fruit, drinks and various medicinal plants. AG and AE are known to have anti inflammatory properties, antimutagenic, anticancerígenica and antioxidant activity. To produce functionalized derivatives of such compounds by biotransformation with filamentous fungi is an efficient and sustainable alternative, due to their ability to catalyze further reactions regio and stereo-selective. The aim of this study was to apply strains of Cerrado in the biotransformation of AG and AE. For this Thin Layer Chromatography (TLC) and High Performance Liquid Chromatography (HPLC) to monitor the production of derivatives developed analytical methodologies. Five strains of the Brazilian Cerrado were selected, these are Beauveria sp. IP06, IP08, IP94, IP98 and IP153. Incubation was performed in two different culture media: Glucose and "corn steep" for 96 hours at 27 C and 200 rpm. At the end of incubation the extraction and purification of the derivatives was performed. All strains were effective for biotranformação compounds. The culture medium influenced quali-quantitatively the production of derivatives, "corn steep" provided greater variety of substrates for both derivatives. The obtained derivatives were characterized by MS, ¹H NMR, HSQC, HMBC, UV and CCD. Derivatives of fatty acids are: benzoic acid, 3-O-methyl-β-glucopyranosyl galatoester (Labiocon 465); benzoic acid, 4 - [[6-O- (3,4-dihydroxy-5-methoxybenzoic acid)-α-D-glucopyranoside]oxy]-3-hydroxy-5metoxi (Labiocon 484); gallic acid 3-O-β-glucopiranoside (510 Labiocon) and 3,4-dihydroxy-5-methoxy-benzoic acid 2-hydroxy-5-methoxycarbonyl-phenyl ester (Labiocon 530). The AE is derived from 3,8-Dimethoxy-dibenzo [b, d] pyran-6-one ellagic acid (511 Labiocon) and 4-O, 3'-O-methyl -β-D-glucose (Labiocon 534) . / O ácido gálico (AG) e o seu derivado o ácido elágico (AE), são taninos amplamente distribuído na natureza, presente no chá, vinho tinto, frutas, bebidas e várias plantas medicinais. AG e AE são conhecidos por apresentarem propriedades antiinflamatórias, antimutagênica, anticancerígenica e atividade antioxidante. Produzir derivados funcionalizados desses compostos por meio da biotransformação com fungos filamentosos é uma alternativa eficiente e sustentável, devido à sua capacidade para catalisar novas reações regio e estereo-seletivas. O objetivo deste trabalho foi aplicar cepas do Cerrado na biotransformação do AG e AE. Para isso foram desenvolvidas metodologias analíticas por Cromatografia em Camada Delgada (CCD) e Cromatografia Líquida de Alta Eficiência (CLAE), a fim de monitorar a produção dos derivados. Foram selecionadas cinco cepas isoladas do Cerrado brasileiro, sendo estas Beauveria sp. IP06, IP08, IP94, IP98 e IP153. A incubação foi realizada em dois meios de cultura diferentes: glicose e “Corn Steep” durante 96 horas a 27º C e 200 rpm. Ao término da incubação foi realizada a extração e purificação dos derivados. Todas as cepas mostraram-se eficazes para a biotranformação dos compostos. O meio de cultura influenciou quali-quantitativamente na produção dos derivados, o “Corn Steep” proporcionou maior variedade de derivados para ambos substratos. Os derivados obtidos foram caracterizados por EM, RMN ¹H, HSQC, HMBC, UV e CCD. Os derivados do AG são: ácido benzoico, 3-O-metil β-glucopiranosil-galatoester (Labiocon 465); ácido benzóico,4-[[6-O-(3,4-diidroxi-5-metoxibenzoico)-α-D-glucopiranosideo]oxi]-3-hidroxi-5metoxi (Labiocon 484); ácido gálico 3-O-β-glucopiranoside (Labiocon 510) e ácido 3,4-Diidroxi-5-metoxi-benzoico 2-hidroxi-5-metoxicarbonil-fenil ester (Labiocon 530). O derivado do AE é 3,8-Dimetoxi-dibenzo[b,d]piran-6-one (Labiocon 511) e o ácido elágico 4-O,3’-O-metil -β-D-glicose (Labiocon 534).

[pt] O monitoramento oficial do desmatamento na Amazônia brasileira tem dependido tradicionalmente de especialistas humanos que avaliam visualmenteas imagens de sensoriamento remoto e rotulam cada pixel individual comodesmatamento ou não desmatamento. Essa metodologia é obviamente carae demorada devido à vasta área monitorada. A razão para não utilizar métodos totalmente automáticos para a tarefa é a necessidade da maior precisãopossível nos números oficiais de desmatamento. Neste trabalho é propostauma alternativa semi-automática baseada em aprendizagem profunda, naqual uma rede neural profunda é primeiro treinada com imagens existentes e referências de anos anteriores, e empregada para realizar detecção dedesmatamento em imagens recentes. Após a inferência, a incerteza nos resultados em nível de pixel da rede é estimada e assume-se que os resultadosda classificação com baixa incerteza podem ser confiáveis. As demais regiõesde alta incerteza, que correspondem a uma pequena porcentagem da áreade teste, são então submetidas à pós-classificação, por exemplo, um procedimento de auditoria realizado visualmente por um especialista humano.Desta forma, o esforço de etiquetagem manual é bastante reduzido.Investigamos várias estratégias de estimativa de incerteza, incluindo abordagens baseadas em confiança, Monte Carlo Dropout (MCD), conjuntosprofundos e aprendizagem evidencial, e avaliamos diferentes métricas de incerteza. Além disso, conduzimos uma análise abrangente para identificar ascaracterísticas das áreas florestais que contribuem para a elevada incerteza.Ilustramos as principais conclusões da análise em 25 polígonos selecionados em quatro locais-alvo, que exemplificam causas comuns de incerteza.Os sítios-alvo estão localizados em áreas de estudo desafiadoras nos biomasbrasileiros da Amazônia e do Cerrado. Através da avaliação experimental nesses locais, demonstramos que a metodologia semi-automática proposta atinge valores impressionantes de pontuação F1 que excedem 97 por cento, aomesmo tempo que reduz a carga de trabalho de auditoria visual para apenas 3 por cento da área alvo. O código desenvolvido para este estudo está disponível emhttps://github.com/DiMorten/deforestation_uncertainty. / [en] Official monitoring of deforestation in the Brazilian Amazon has relied traditionally on human experts who visually evaluate remote sensing images and label each individual pixel as deforestation or no deforestation. That methodology is obviously costly and time-consuming due to the vast monitored area. The reason for not using fully automatic methods for the task is the need for the highest possible accuracies in the authoritative deforestation figures. In this work, a semi-automatic, deep learning-based alternative is proposed, in which a deep neural network is first trained with existing images and references from previous years, and employed to perform deforestation detection on recent images. After inference, the uncertainty in the network s pixel-level results is estimated, and it is assumed that low-uncertainty classification results can be trusted. The remaining high-uncertainty regions, which correspond to a small percentage of the test area, are then submitted to post classification, e.g., an auditing procedure carried out visually by a human specialist. In this way, the manual labeling effort is greatly reduced. We investigate various uncertainty estimation strategies, including confidence-based approaches, Monte Carlo Dropout (MCD), deep ensembles and evidential learning, and evaluate different uncertainty metrics. Furthermore, we conduct a comprehensive analysis to identify the characteristics of forest areas that contribute to high uncertainty. We illustrate the main conclusions of the analysis upon 25 selected polygons on four target sites, which exemplify common causes of uncertainty. The target sites are located in challenging study areas in the Brazilian Amazon and Cerrado biomes. Through experimental evaluation on those sites, we demonstrate that the proposed semi-automated methodology achieves impressive F1-score values which exceeds 97 percent, while reducing the visual auditing workload to just 3 percent of the target area. The current code is available at https://github.com/DiMorten/deforestation_uncertainty.

Made available in DSpace on 2014-07-29T16:21:19Z (GMT). No. of bitstreams: 1 Faleiro Frederico Dissertacao.pdf: 1687158 bytes, checksum: e1a8a44e89beea38d1a839934c890e56 (MD5) Previous issue date: 2012-03-28 / The human actions has triggered many threats to biodiversity like land-use and climate changes, overexploitation, pollution, and introduction of invasive species, which can affect organisms both at local and global scale. The science of spatial conservation prioritization emerged as a quantitative approach to support the spatial decisions in face of these threats, while minimizing the socioeconomic and political conflicts. Here we developed spatial solutions to the conservation of non-flying mammals from Brazilian Cerrado considering the socioeconomic costs and the opportunities of environmental governance (first objective). Further, we generated solutions to face the land-use and climate change taking into account the dispersal abilities of species and uncertainties in the species distribution modeling (SDM) process (second objective). We considered the current network of reserves of the Cerrado in both objectives. We built SDMs for 154 species combining model projections weighted by their statistical fit to produce consensus maps of species distribution grouped in three distinct types of models (envelope, statistical and machine-learning models), for both current future scenarios of climate (used only in the last aim). For the first goal, we used the current predicted distribution to run spatial prioritization analyses indicating the best sites for the conservation investment considering human population density, land cost, anthropogenic land use, level of environmental governance, and the distribution of species in trade-off analyses. For the second goal, we used both current and future predicted distribution to run optimization procedures and propose priority sites for conservation, while minimizing species climate-forced dispersal distance , the mean uncertainty associated to the SDM process, and taking into account the future changes in the landscape (by our land use model). SDMs indicated that species-rich sites converge to regions with high population density, high land cost, high anthropogenic land use, and with diverse levels of environmental governance. There was a significant change in spatial priorities when socioeconomic and political dimensions were included in analyses: top priority sites moved towards the north. This spatial change reduced by 68% the potential conservation conflicts with human population, by 72% the likely conflicts arising from land cost and by 68% anthropogenic land use. It also increased by 51% the beneficial effect of environmental governance. Including land-use changes and the modeling uncertainty in the conservation planning process changed significantly the spatial distribution of priority sites in the region. While the inclusion of land-use models altered the spatial location of priority sites at the regional scale, the effects of climate change tended to take place at the local scale. Note that, our solutions already include possible dispersal corridors linking current and future priority sites for mammal conservation, as well as a formal risk analysis based on planning uncertainties. Our results allowed dealing with both complex nature of conflicts among socioeconomic and political dimensions, and the dynamic problem imposed mainly by land-use and climate change. Thus, our analyses figure as a methodological prospect supporting the decision-make process and the consequent translation of conservation planning outcomes into conservations actions / As ações humanas têm desencadeado diversas ameaças a biodiversidade como as mudanças de uso do solo e do clima, sobre-exploração, poluição e introdução de espécies invasoras, que afetas os organismos da escala local até a global. A ciência da conservação espacial para conservação emergiu como uma abordagem quantitativa que tem o objetivo de auxiliar escolhas espaciais que lidem com essas ameaças enquanto minimizam conflitos socioeconômicos e políticos. Aqui nós desenvolvemos soluções espaciais para conservação de mamíferos não voadores do Cerrado considerando os custos socioeconômicos e as oportunidades vindas da governança ambiental (primeiro objetivo). Além disso, nós geramos soluções espaciais que lidem com as mudanças do uso do solo e climáticas levando em consideração as capacidades de dispersão das espécies e as incertezas associadas ao processo de modelagem de distribuição de espécies (MDE) (segundo objetivo). Em ambos objetivos nós consideramos a atual rede de reservas do Cerrado. Nós modelamos a distribuição de 154 espécies combinando as projeções dos modelos e pesado pelo ajuste estatístico para produzir os mapas consenso de distribuição das espécies, agrupados em três distintos tipos de modelos (modelos de envelope, estatísticos e de inteligência artificial), para a atualidade e projetados para o futuro (usado apenas no último objetivo). Para o primeiro objetivo, nós usamos as predições da atual distribuição das espécies para realizar as análises de priorização espacial, indicando os melhores locais para investimento considerando a densidade humana, custo da terra, uso do solo antropogênico, nível de governança ambiental e a distribuição das espécies na perspectiva da análise de demandas conflitantes. Para o segundo objetivo, nós usamos a distribuição atual e futura das espécies para realizar o procedimento de otimização e propor locais para conservação que minimizem os efeitos da dispersão induzida pelas mudanças climáticas, incertezas associadas ao processo MDE e considerando as futuras mudanças na paisagem (através do nosso modelo de uso do solo). A MDE indicou que locais ricos em espécies convergem para locais com alta densidade populacional, alto custo de terra, alta proporção de uso do solo voltado para atividades humanas e diversos níveis de governança ambiental. Houve significativas mudanças nas prioridades espaciais quando as dimensões socioeconômicas e políticas foram incluídas nas análises, fazendo que os locais prioritários mudassem para o norte. Essa mudança espacial reduziu em 68% de potenciais conflitos com população humana, em 72% de conflitos de custo da terra, em 68% de conflitos com o uso do solo antropogênico e 51% de aumento dos possíveis benefícios da governança ambiental. Quando incluímos as mudanças de uso de solo e a incerteza da modelagem no processo de planejamento, os locais prioritários mudaram significativamente na região. Enquanto a inclusão das mudanças no uso do solo alterou a localização espacial dos locais prioritários em escala regional, os efeitos da mudança climática tenderam a ocorrem em escala local. Note que nossas soluções já incluíram possíveis corredores de dispersão para ligação entre as atuais áreas prioritárias com aquelas importantes no futuro, tão bem quanto a análise de risco baseado nas incertezas do planejamento. Nossos resultados permitiram lidar tanto com a complexa natureza dos conflitos entre dimensões socioeconômicas e políticas quanto com problema dinâmico imposto principalmente pelas mudanças do uso do solo e climáticas. Assim, nossas análises auxiliam metodologicamente a dar suporte no processo de tomada de decisão e a consequente tradução dos resultados de planejamentos de conservação em ações de conservação