Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Despite the economic and social relevance of the reservoirs, its construction changes the water quality. In this sense, remote sensing has contributed to monitor the water quality providing spatial and temporal analysis information. The objective was to analyze the relation between limnological variables and spectral data of the Passo Real reservoir RS, Brazil, combining in situ and RapidEye data. The limnological data were collected at April 17and 18, 2009, concomitant to RapidEye acquisition (April 17, 2009). The following limnological data were determined: water transparency (Secchi disk); temperature; total of suspended solids (TSS); chlorophyll a (Chl a) and dissolved organic carbon (DOC). After atmospheric correction, for each filed sampling point was applied a 3x3 window to extract reflectance data. By using descriptive statistic, regression analysis and spatial estimative, the RapidEye reflectance and band ratio data were related to the optically active elements of water. Based on the Chl a concentration, the reservoir presented the following trophic environments: ultraoligotrophic, oligotrophic and mesotrophic. According to the CONAMA nº 357/2005 resolution, in April 2009, the Passo Real reservoir s water meet the type I. The empirical models allowed to estimative the TSS concentration e water transparency (R² = 0.87 e R² = 0.79) using the near infrared and red bands, respectively. Because of the low correlation between Chl a and the spectral data, there was a low consistency between the estimated data and field collected data (interpolated). It was found that is possible to develop empirical models to estimate the TSS concentration and water transparency using RapidEye satellite scene. The bands ratios presented similar results than the obtained from the correlation between the bands and limnological variables. The highest correlation coefficients for the TSS were obtained through the B5/B1 and B5/B2 rations (r = 0.94 e r = 0.93, respectively). The ratio B1/B3 presented the highest correlation with the water transparency (r = 0.94). The results obtained with RapidEye image, highlight the perspective to use satellite data as analysis tool for water quality monitoring. / Apesar da importância econômica e social dos reservatórios, a sua construção provoca alterações na qualidade da água. Nesse sentido, o sensoriamento remoto tem contribuído no monitoramento da qualidade da água com informações para análise espacial e temporal. O objetivo foi analisar as relações entre variáveis limnológicas e espectrais no reservatório Passo Real RS, Brasil, utilizando dados coletados in situ e do satélite RapidEye. A coleta de dados limnológicos ocorreram nos dias 17 e 18 de abril de 2009 coincidindo com a passagem do satélite RapidEye (17 de abril de 2009). Os seguintes dados limnológicos foram determinados: transparência da água (disco de Secchi); temperatura; total de sólidos em suspensão (TSS); clorofila a (Chl a) e carbono orgânico dissolvido (COD). Após a correção dos efeitos atmosféricos, para cada ponto amostral de campo foi aplicada uma matriz 3x3 para extração dos dados de reflectância. Com o uso da estatística descritiva, análise de regressão e estimativas espaciais, a reflectância e as razões entre bandas do RapidEye foram relacionados aos elementos opticamente ativos da água. Com base na concentração de Chl a o reservatório apresentou os seguintes ambientes tróficos: ultraoligotrófico, oligotrófico e mesotrófico. A água do reservatório Passo Real no mês de abril de 2009 se enquadram na classe I de acordo com a resolução CONAMA nº 357/2005. Os modelos empíricos permitiram estimar a concentração de TSS e transparência da água (R² = 0,87 e R² = 0,79) usando as bandas do infravermelho próximo e vermelho, respectivamente. Devido aos baixos valores de correlação da Chl a com os dados espectrais, houve baixa consistência dos dados estimados pela imagem e dados coletados a campo (interpolados). Verificou-se que é possível desenvolver um modelo empírico para estimar a concentração de TSS e transparência da água a partir de imagem de satélite RapidEye. Os resultados das razões de bandas foram semelhantes aos obtidos a partir da correlação entre os valores espectrais e as variáveis limnológicas. Os melhores coeficientes de correlação para o TSS, foram encontrados para as razões de bandas B5/B1 e B5/B2, r = 0,94 e r = 0,93, respectivamente. A razão B1/B3 resultou na melhor correlação com a transparência da água, r = 0,94. Os resultados obtidos com a imagem RapidEye, abrem a perspectiva para a utilização de imagens orbitais como ferramenta de análise e monitoramento da qualidade da água em reservatórios.

Als Reaktion auf die fortschreitende, anthropogen bedingte Veränderung und Zerstörung der Ökosysteme fand 1992 die Konferenz der Vereinten Nationen über Umwelt und Entwicklung in Rio de Janeiro statt. Die Konferenz markiert aus heutiger Sicht einen Startpunkt multilateraler Umweltschutzbemühungen, da offiziell formuliert wurde, dass die lokal auftretenden Umweltprobleme durch globale Veränderungen hervorgerufen werden und nur durch gemeinsame Bemühungen auf internationaler Ebene zu bewältigen sind. Ergebnis dieser Konferenz war die Verabschiedung verschiedener internationaler Abkommen zum Umweltschutz. Wälder spielen dabei in ihrer Funktion als Kohlenstoffspeicher und als terrestrischer Lebensraum mit der höchsten Artenvielfalt eine zentrale Rolle. Vor diesem Hintergrund stellen sich für die Waldinventur neue Aufgaben, sowohl bezüglich der zu erfassenden Zielgrößen als auch hinsichtlich der Rahmenbedingungen, da die erhobenen Informationen nicht mehr nur auf Betriebsebene für die Planung der Bewirtschaftung verwendet werden, sondern auch für die Erfüllung der internationalen Berichtspflichten. Als zentrale Größe des Waldmonitorings muss die Waldfläche gesehen werden, da sie die Grundlage für die meisten Berechnungen ist. Daneben wird die Waldfragmentierung, also die Form und räumliche Verteilung der Waldflächen, häufig als Indikator für die Biodiversität diskutiert. Die fernerkundliche Erfassung der Waldfläche und die Beschreibung der Waldfragmentierung mit Landschaftsstrukturmaßen (LSM) im Kontext der internationalen Umweltabkommen ist Gegenstand der vorliegenden Arbeit. Zielsetzung ist es, kritische methodische und technische Aspekte, welche die Schätzung der Waldfläche und die Berechnung der LSM beeinflussen, zu identifizieren und ihre Wirkungen zu analysieren. Anhand einer Literaturrecherche wurden zunächst vier kritische Faktoren identifiziert: i) die Walddefinition, ii) die Waldranddefinition, iii) der Beobachtungsmaßstab und iv) das Landschaftsmodell, welches für die Berechnung der LSM verwendet wird. Die Effekte und Wechselwirkungen zwischen den vier genannten Faktoren wurden im zweiten Teil der Arbeit auf Grundlage einer Simulationsstudie untersucht. Dafür wurden Kronenkarten und Geländemodelle auf Basis von Gauß'schen Zufallsfeldern in verschiedenen Auflösungstufen simuliert. Durch Variation der Mindestüberschirmung  und der Größe der Referenzfläche, auf der die Überschirmung gemessen wird, konnten aus den Kronenkarten Waldkarten mit unterschiedlichen Wald- und Waldranddefinitionen erstellt werden. Zusätzlich wurde der Einfluss des Landschaftsmodells auf die Berechnung der LSM untersucht. Dies geschah mit Hilfe eines neuen Verfahrens, das die Berechnung der LSM im dreidimensionalen Raum ermöglicht. Die Ergebnisse der Simulation zeigen, dass alle vier Faktoren einen wesentlichen Einfluss auf die Waldflächenkarten haben können. Dabei ergeben sich besonders für die Kronenüberschirmung und die Referenzflächengröße spezifische Wechselwirkungen, die sich teilweise mit einem einfachen geometrischen Waldrandmodell theoretisch erklären lassen. So zeigt sich, dass besonders für Walddefinitionen mit einer Mindestüberschirmung, die stark von 50 % abweicht, die Referenzflächengröße einen erheblichen Einfluss auf die Waldfläche und Fragmentierung hat. Basierend auf den Ergebnissen der Simulationstudie wurde im 3. Teil der Arbeit ein Klassifikationschschema entwickelt, das es ermöglicht spezifische Kriterien einer Walddefinition in den Auswertungs- und Klassifikationsprozess von Fernerkundungsdaten zu integrieren, um standardisierte Waldkarten zu erstellen. Beispielhafte Grundlage war die Walddefinition der Food and Agriculture Organization of the United Nations (FAO), die Wald als eine Landnutzungsform beschreibt. Im Gegensatz zu Landbedeckungsformen können Landnutzungsklassen nicht direkt in Fernerkundungsdaten beobachtet werden. Zur Erstellung einer Landnutzungskarte  müssen daher neben den Landbedeckungsklassen weitere Kontextinformationen berücksichtigt werden. Dafür wurde in der vorliegenden Arbeit ein hierarchischer Klassifikationsschlüssel entwickelt, der ausgehend von einer Landbedeckungskarte, eine Landnutzungs- und eine Waldkarte generiert. Die benötigten Kontextinformationen werden dabei mit Hilfe von Entscheidungsbäumen, die auf eine fixe Referenzfläche angewendet werden, berücksichtigt. Dieses Verfahren ermöglicht es, Waldkarten zu erstellen, die einer bestimmten vorher festgelegten  Walddefinition entsprechen. Insofern kann das Verfahren zur Standardisierung der Waldflächenerfassung beitragen.  Darüber hinaus bietet es die Möglichkeit die Walddefinition durch Änderung der Kriterien oder der Schwellenwerte flexibel anzupassen, sodass es als wissenschaftliches Werkzeug zur Analyse des Effektes verschiedener Walddefinitionen verwendet werden kann. Im letzten Teil der Arbeit wurde eine Fallstudie durchgeführt, die untersucht inwieweit sich das entwickelte Verfahren operational für die Waldflächenerfassung einsetzen lässt. Da der Fokus der internationalen Umweltabkommen auf den tropischen Waldgebieten liegt, wurden für die Fallstudie zwei unterschiedliche tropische Waldlandschaften in Costa Rica ausgewählt. Zur Klassifikation der Landbedeckung kamen Satellitenbilder des RapidEye-Systems mit einer räumlichen Auflösung von 5 m zum Einsatz. Für die Klassifikation der Landbedeckung wurde zunächst eine Software entwickelt, welche atmosphärische und topographische Korrekturen, Bildverbesserung, nicht-parametrische Klassifikationsverfahren und den, im dritten Teil der Arbeit entwickelten hierarchischen Klassifikationsansatz für die Erstellung der Landnutzungskarten, implementiert. Die Ergebnisse der Fallstudie zeigen, dass das entwickelte Verfahren geeignet ist, Waldkarten für stark fragmentierte tropische Landschaften zu erstellen. Die Waldkarten entsprechen einer zuvor festgelegten Walddefinition (z. B. FAO), in der die einzelnen Kriterien (u. a. Mindestüberschirmung, Mindestgröße, vorherrschende Landnutzung) während der Klassifikation explizit geprüft werden. Die vorliegende Arbeit zeigt theoretisch, empirisch und auch in der praktischen Anwendung, dass eine Vielzahl von Faktoren die Erfassung der Waldfläche beeinflusst. Einer der wichtigsten Faktoren ist dabei die Walddefinition. Die übliche Praxis bei der fernerkundlichen Erstellung von Waldkarten, die Klasse "Wald" ohne expliziten Bezug auf geeignete Kriterien direkt auszuweisen, führt zu großen Unsicherheiten bei der Waldflächenschätzung und ist im Rahmen von international verbindlichen Abkommen kaum akzeptabel. Die Entscheidung welche Walddefinition verwendet werden soll, wird in politischen Verhandlungen bestimmt. Aufgabe der Waldinventur muss es dann sein, diese politischen Vorgaben umzusetzen. Die hier vorgestellten Methoden können insofern zur Standardisierung der fernerkundlichen Waldflächenerfassung beitragen, als das sie transparente Entscheidungsregeln implementieren und somit konsistente Waldkarten erzeugen.

Habitat variation is considered as an expression of biodiversity at landscape level in addition to genetic variation and species variation. Thus, effective methods for measuring habitat pattern at landscape level can be used to evaluate the status of biological conservation. However, the commonly used model (i.e. patch-corridor-matrix) for spatial pattern analysis has deficiencies. This model assumes discrete structures within the landscape without explicit consideration of “transitional zones” or “gradients” between patches. The transitional zones, often called “ecotones”, are dynamic and have a profound influence on adjacent ecosystems. Besides, this model takes landscape as a flat surface without consideration of the third spatial dimension (elevation). This will underestimate the patches’ size and perimeter as well as distances between patches especially in mountainous regions. Thus, the mosaic model needs to be adapted for more realistic and more precise representation of habitat pattern regarding to biodiversity assessment. Another part of information that has often been ignored is “small biotopes” inside patches (e.g. hedgerows, tree rows, copse, and scattered trees), which leads to within-patch heterogeneity being underestimated. The present work originates from the integration of the third spatial dimension in land-cover classification and landscape structure analysis. From the aspect of data processing, an integrated approach of Object-Based Image Analysis (OBIA) and Pixel-Based Image Analysis (PBIA) is developed and applied on multi-source data set (RapidEye images and Lidar data). At first, a general OBIA procedure is developed according to spectral object features based on RapidEye images for producing land-cover maps. Then, based on the classified maps, pixel-based algorithms are designed for detection of the small biotopes and ecotones using a Normalized Digital Surface Model (NDSM) which is derived from Lidar data. For describing habitat pattern under three-dimensional condition, several 3D-metrics (measuring e.g. landscape diversity, fragmentation/connectivity, and contrast) are proposed with spatial consideration of the ecological functions of small biotopes and ecotones. The proposed methodology is applied in two real-world examples in Germany and China. The results are twofold. First, it shows that the integrated approach of object-based and pixel-based image processing is effective for land-cover classification on different spatial scales. The overall classification accuracies of the main land-cover maps are 92 % in the German test site and 87 % in the Chinese test site. The developed Red Edge Vegetation Index (REVI) which is calculated from RapidEye images has been proved more efficient than the traditionally used Normalized Differenced Vegetation Index (NDVI) for vegetation classification, especially for the extraction of the forest mask. Using NDSM data, the third dimension is helpful for the identification of small biotopes and height gradient on forest boundary. The pixel-based algorithm so-called “buffering and shrinking” is developed for the detection of tree rows and ecotones on forest/field boundary. As a result the accuracy of detecting small biotopes is 80 % and four different types of ecotones are detected in the test site. Second, applications of 3D-metrics in two varied test sites show the frequently-used landscape diversity indices (i.e. Shannon’s diversity (SHDI) and Simpson’s diversity (SIDI)) are not sufficient for describing the habitats diversity, as they quantify only the habitats composition without consideration on habitats spatial distribution. The modified 3D-version of Effective Mesh Size (MESH) that takes ecotones into account leads to a realistic quantification of habitat fragmentation. In addition, two elevation-based contrast indices (i.e. Area-Weighted Edge Contrast (AWEC) and Total Edge Contrast Index (TECI)) are used as supplement to fragmentation metrics. Both ecotones and small biotopes are incorporated into the contrast metrics to take into account their edge effect in habitat pattern. This can be considered as a further step after fragmentation analysis with additional consideration of the edge permeability in the landscape structure analysis. Furthermore, a vector-based algorithm called “multi-buffer” approach is suggested for analyzing ecological networks based on land-cover maps. It considers small biotopes as stepping stones to establish connections between patches. Then, corresponding metrics (e.g. Effective Connected Mesh Size (ECMS)) are proposed based on the ecological networks. The network analysis shows the response of habitat connectivity to different dispersal distances in a simple way. Those connections through stepping stones act as ecological indicators of the “health” of the system, indicating the interpatch communications among habitats. In summary, it can be stated that habitat diversity is an essential level of biodiversity and methods for quantifying habitat pattern need to be improved and adapted to meet the demands for landscape monitoring and biodiversity conservation. The approaches presented in this work serve as possible methodical solution for fine-scale landscape structure analysis and function as “stepping stones” for further methodical developments to gain more insights into the habitat pattern. / Die Lebensraumvielfalt ist neben der genetischen Vielfalt und der Artenvielfalt eine wesentliche Ebene der Biodiversität. Da diese Ebenen miteinander verknüpft sind, können Methoden zur Messung der Muster von Lebensräumen auf Landschaftsebene erfolgreich angewandt werden, um den Zustand der Biodiversität zu bewerten. Das zur räumlichen Musteranalyse auf Landschaftsebene häufig verwendete Patch-Korridor-Matrix-Modell weist allerdings einige Defizite auf. Dieses Modell geht von diskreten Strukturen in der Landschaft aus, ohne explizite Berücksichtigung von „Übergangszonen“ oder „Gradienten“ zwischen den einzelnen Landschaftselementen („Patches“). Diese Übergangszonen, welche auch als „Ökotone“ bezeichnet werden, sind dynamisch und haben einen starken Einfluss auf benachbarte Ökosysteme. Außerdem wird die Landschaft in diesem Modell als ebene Fläche ohne Berücksichtigung der dritten räumlichen Dimension (Höhe) betrachtet. Das führt dazu, dass die Flächengrößen und Umfänge der Patches sowie Distanzen zwischen den Patches besonders in reliefreichen Regionen unterschätzt werden. Daher muss das Patch-Korridor-Matrix-Modell für eine realistische und präzise Darstellung der Lebensraummuster für die Bewertung der biologischen Vielfalt angepasst werden. Ein weiterer Teil der Informationen, die häufig in Untersuchungen ignoriert werden, sind „Kleinbiotope“ innerhalb größerer Patches (z. B. Feldhecken, Baumreihen, Feldgehölze oder Einzelbäume). Dadurch wird die Heterogenität innerhalb von Patches unterschätzt. Die vorliegende Arbeit basiert auf der Integration der dritten räumlichen Dimension in die Landbedeckungsklassifikation und die Landschaftsstrukturanalyse. Mit Methoden der räumlichen Datenverarbeitung wurde ein integrierter Ansatz von objektbasierter Bildanalyse (OBIA) und pixelbasierter Bildanalyse (PBIA) entwickelt und auf einen Datensatz aus verschiedenen Quellen (RapidEye-Satellitenbilder und Lidar-Daten) angewendet. Dazu wird zunächst ein OBIA-Verfahren für die Ableitung von Hauptlandbedeckungsklassen entsprechend spektraler Objekteigenschaften basierend auf RapidEye-Bilddaten angewandt. Anschließend wurde basierend auf den klassifizierten Karten, ein pixelbasierter Algorithmus für die Erkennung von kleinen Biotopen und Ökotonen mit Hilfe eines normalisierten digitalen Oberflächenmodells (NDSM), welches das aus LIDAR-Daten abgeleitet wurde, entwickelt. Zur Beschreibung der dreidimensionalen Charakteristika der Lebensraummuster unter der räumlichen Betrachtung der ökologischen Funktionen von kleinen Biotopen und Ökotonen, werden mehrere 3D-Maße (z. B. Maße zur landschaftlichen Vielfalt, zur Fragmentierung bzw. Konnektivität und zum Kontrast) vorgeschlagen. Die vorgeschlagene Methodik wird an zwei realen Beispielen in Deutschland und China angewandt. Die Ergebnisse zeigen zweierlei. Erstens zeigt es sich, dass der integrierte Ansatz der objektbasierten und pixelbasierten Bildverarbeitung effektiv für die Landbedeckungsklassifikation auf unterschiedlichen räumlichen Skalen ist. Die Klassifikationsgüte insgesamt für die Hauptlandbedeckungstypen beträgt 92 % im deutschen und 87 % im chinesischen Testgebiet. Der eigens entwickelte Red Edge-Vegetationsindex (REVI), der sich aus RapidEye-Bilddaten berechnen lässt, erwies sich für die Vegetationsklassifizierung als effizienter verglichen mit dem traditionell verwendeten Normalized Differenced Vegetation Index (NDVI), insbesondere für die Gewinnung der Waldmaske. Im Rahmen der Verwendung von NDSM-Daten erwies sich die dritte Dimension als hilfreich für die Identifizierung von kleinen Biotopen und dem Höhengradienten, beispielsweise an der Wald/Feld-Grenze. Für den Nachweis von Baumreihen und Ökotonen an der Wald/Feld-Grenze wurde der sogenannte pixelbasierte Algorithmus „Pufferung und Schrumpfung“ entwickelt. Im Ergebnis konnten kleine Biotope mit einer Genauigkeit von 80 % und vier verschiedene Ökotontypen im Testgebiet detektiert werden. Zweitens zeigen die Ergebnisse der Anwendung der 3D-Maße in den zwei unterschiedlichen Testgebieten, dass die häufig genutzten Landschaftsstrukturmaße Shannon-Diversität (SHDI) und Simpson-Diversität (SIDI) nicht ausreichend für die Beschreibung der Lebensraumvielfalt sind. Sie quantifizieren lediglich die Zusammensetzung der Lebensräume, ohne Berücksichtigung der räumlichen Verteilung und Anordnung. Eine modifizierte 3D-Version der Effektiven Maschenweite (MESH), welche die Ökotone integriert, führt zu einer realistischen Quantifizierung der Fragmentierung von Lebensräumen. Darüber hinaus wurden zwei höhenbasierte Kontrastindizes, der flächengewichtete Kantenkontrast (AWEC) und der Gesamt-Kantenkontrast Index (TECI), als Ergänzung der Fragmentierungsmaße entwickelt. Sowohl Ökotone als auch Kleinbiotope wurden in den Berechnungen der Kontrastmaße integriert, um deren Randeffekte im Lebensraummuster zu berücksichtigen. Damit kann als ein weiterer Schritt nach der Fragmentierungsanalyse die Randdurchlässigkeit zusätzlich in die Landschaftsstrukturanalyse einbezogen werden. Außerdem wird ein vektorbasierter Algorithmus namens „Multi-Puffer“-Ansatz für die Analyse von ökologischen Netzwerken auf Basis von Landbedeckungskarten vorgeschlagen. Er berücksichtigt Kleinbiotope als Trittsteine, um Verbindungen zwischen Patches herzustellen. Weiterhin werden entsprechende Maße, z. B. die Effective Connected Mesh Size (ECMS), für die Analyse der ökologischen Netzwerke vorgeschlagen. Diese zeigen die Auswirkungen unterschiedlicher angenommener Ausbreitungsdistanzen von Organismen bei der Ableitung von Biotopverbundnetzen in einfacher Weise. Diese Verbindungen zwischen Lebensräumen über Trittsteine hinweg dienen als ökologische Indikatoren für den „gesunden Zustand“ des Systems und zeigen die gegenseitigen Verbindungen zwischen den Lebensräumen. Zusammenfassend kann gesagt werden, dass die Vielfalt der Lebensräume eine wesentliche Ebene der Biodiversität ist. Die Methoden zur Quantifizierung der Lebensraummuster müssen verbessert und angepasst werden, um den Anforderungen an ein Landschaftsmonitoring und die Erhaltung der biologischen Vielfalt gerecht zu werden. Die in dieser Arbeit vorgestellten Ansätze dienen als mögliche methodische Lösung für eine feinteilige Landschaftsstrukturanalyse und fungieren als ein „Trittsteine” auf dem Weg zu weiteren methodischen Entwicklungen für einen tieferen Einblick in die Muster von Lebensräumen.

Habitat variation is considered as an expression of biodiversity at landscape level in addition to genetic variation and species variation. Thus, effective methods for measuring habitat pattern at landscape level can be used to evaluate the status of biological conservation. However, the commonly used model (i.e. patch-corridor-matrix) for spatial pattern analysis has deficiencies. This model assumes discrete structures within the landscape without explicit consideration of “transitional zones” or “gradients” between patches. The transitional zones, often called “ecotones”, are dynamic and have a profound influence on adjacent ecosystems. Besides, this model takes landscape as a flat surface without consideration of the third spatial dimension (elevation). This will underestimate the patches’ size and perimeter as well as distances between patches especially in mountainous regions. Thus, the mosaic model needs to be adapted for more realistic and more precise representation of habitat pattern regarding to biodiversity assessment. Another part of information that has often been ignored is “small biotopes” inside patches (e.g. hedgerows, tree rows, copse, and scattered trees), which leads to within-patch heterogeneity being underestimated. The present work originates from the integration of the third spatial dimension in land-cover classification and landscape structure analysis. From the aspect of data processing, an integrated approach of Object-Based Image Analysis (OBIA) and Pixel-Based Image Analysis (PBIA) is developed and applied on multi-source data set (RapidEye images and Lidar data). At first, a general OBIA procedure is developed according to spectral object features based on RapidEye images for producing land-cover maps. Then, based on the classified maps, pixel-based algorithms are designed for detection of the small biotopes and ecotones using a Normalized Digital Surface Model (NDSM) which is derived from Lidar data. For describing habitat pattern under three-dimensional condition, several 3D-metrics (measuring e.g. landscape diversity, fragmentation/connectivity, and contrast) are proposed with spatial consideration of the ecological functions of small biotopes and ecotones. The proposed methodology is applied in two real-world examples in Germany and China. The results are twofold. First, it shows that the integrated approach of object-based and pixel-based image processing is effective for land-cover classification on different spatial scales. The overall classification accuracies of the main land-cover maps are 92 % in the German test site and 87 % in the Chinese test site. The developed Red Edge Vegetation Index (REVI) which is calculated from RapidEye images has been proved more efficient than the traditionally used Normalized Differenced Vegetation Index (NDVI) for vegetation classification, especially for the extraction of the forest mask. Using NDSM data, the third dimension is helpful for the identification of small biotopes and height gradient on forest boundary. The pixel-based algorithm so-called “buffering and shrinking” is developed for the detection of tree rows and ecotones on forest/field boundary. As a result the accuracy of detecting small biotopes is 80 % and four different types of ecotones are detected in the test site. Second, applications of 3D-metrics in two varied test sites show the frequently-used landscape diversity indices (i.e. Shannon’s diversity (SHDI) and Simpson’s diversity (SIDI)) are not sufficient for describing the habitats diversity, as they quantify only the habitats composition without consideration on habitats spatial distribution. The modified 3D-version of Effective Mesh Size (MESH) that takes ecotones into account leads to a realistic quantification of habitat fragmentation. In addition, two elevation-based contrast indices (i.e. Area-Weighted Edge Contrast (AWEC) and Total Edge Contrast Index (TECI)) are used as supplement to fragmentation metrics. Both ecotones and small biotopes are incorporated into the contrast metrics to take into account their edge effect in habitat pattern. This can be considered as a further step after fragmentation analysis with additional consideration of the edge permeability in the landscape structure analysis. Furthermore, a vector-based algorithm called “multi-buffer” approach is suggested for analyzing ecological networks based on land-cover maps. It considers small biotopes as stepping stones to establish connections between patches. Then, corresponding metrics (e.g. Effective Connected Mesh Size (ECMS)) are proposed based on the ecological networks. The network analysis shows the response of habitat connectivity to different dispersal distances in a simple way. Those connections through stepping stones act as ecological indicators of the “health” of the system, indicating the interpatch communications among habitats. In summary, it can be stated that habitat diversity is an essential level of biodiversity and methods for quantifying habitat pattern need to be improved and adapted to meet the demands for landscape monitoring and biodiversity conservation. The approaches presented in this work serve as possible methodical solution for fine-scale landscape structure analysis and function as “stepping stones” for further methodical developments to gain more insights into the habitat pattern. / Die Lebensraumvielfalt ist neben der genetischen Vielfalt und der Artenvielfalt eine wesentliche Ebene der Biodiversität. Da diese Ebenen miteinander verknüpft sind, können Methoden zur Messung der Muster von Lebensräumen auf Landschaftsebene erfolgreich angewandt werden, um den Zustand der Biodiversität zu bewerten. Das zur räumlichen Musteranalyse auf Landschaftsebene häufig verwendete Patch-Korridor-Matrix-Modell weist allerdings einige Defizite auf. Dieses Modell geht von diskreten Strukturen in der Landschaft aus, ohne explizite Berücksichtigung von „Übergangszonen“ oder „Gradienten“ zwischen den einzelnen Landschaftselementen („Patches“). Diese Übergangszonen, welche auch als „Ökotone“ bezeichnet werden, sind dynamisch und haben einen starken Einfluss auf benachbarte Ökosysteme. Außerdem wird die Landschaft in diesem Modell als ebene Fläche ohne Berücksichtigung der dritten räumlichen Dimension (Höhe) betrachtet. Das führt dazu, dass die Flächengrößen und Umfänge der Patches sowie Distanzen zwischen den Patches besonders in reliefreichen Regionen unterschätzt werden. Daher muss das Patch-Korridor-Matrix-Modell für eine realistische und präzise Darstellung der Lebensraummuster für die Bewertung der biologischen Vielfalt angepasst werden. Ein weiterer Teil der Informationen, die häufig in Untersuchungen ignoriert werden, sind „Kleinbiotope“ innerhalb größerer Patches (z. B. Feldhecken, Baumreihen, Feldgehölze oder Einzelbäume). Dadurch wird die Heterogenität innerhalb von Patches unterschätzt. Die vorliegende Arbeit basiert auf der Integration der dritten räumlichen Dimension in die Landbedeckungsklassifikation und die Landschaftsstrukturanalyse. Mit Methoden der räumlichen Datenverarbeitung wurde ein integrierter Ansatz von objektbasierter Bildanalyse (OBIA) und pixelbasierter Bildanalyse (PBIA) entwickelt und auf einen Datensatz aus verschiedenen Quellen (RapidEye-Satellitenbilder und Lidar-Daten) angewendet. Dazu wird zunächst ein OBIA-Verfahren für die Ableitung von Hauptlandbedeckungsklassen entsprechend spektraler Objekteigenschaften basierend auf RapidEye-Bilddaten angewandt. Anschließend wurde basierend auf den klassifizierten Karten, ein pixelbasierter Algorithmus für die Erkennung von kleinen Biotopen und Ökotonen mit Hilfe eines normalisierten digitalen Oberflächenmodells (NDSM), welches das aus LIDAR-Daten abgeleitet wurde, entwickelt. Zur Beschreibung der dreidimensionalen Charakteristika der Lebensraummuster unter der räumlichen Betrachtung der ökologischen Funktionen von kleinen Biotopen und Ökotonen, werden mehrere 3D-Maße (z. B. Maße zur landschaftlichen Vielfalt, zur Fragmentierung bzw. Konnektivität und zum Kontrast) vorgeschlagen. Die vorgeschlagene Methodik wird an zwei realen Beispielen in Deutschland und China angewandt. Die Ergebnisse zeigen zweierlei. Erstens zeigt es sich, dass der integrierte Ansatz der objektbasierten und pixelbasierten Bildverarbeitung effektiv für die Landbedeckungsklassifikation auf unterschiedlichen räumlichen Skalen ist. Die Klassifikationsgüte insgesamt für die Hauptlandbedeckungstypen beträgt 92 % im deutschen und 87 % im chinesischen Testgebiet. Der eigens entwickelte Red Edge-Vegetationsindex (REVI), der sich aus RapidEye-Bilddaten berechnen lässt, erwies sich für die Vegetationsklassifizierung als effizienter verglichen mit dem traditionell verwendeten Normalized Differenced Vegetation Index (NDVI), insbesondere für die Gewinnung der Waldmaske. Im Rahmen der Verwendung von NDSM-Daten erwies sich die dritte Dimension als hilfreich für die Identifizierung von kleinen Biotopen und dem Höhengradienten, beispielsweise an der Wald/Feld-Grenze. Für den Nachweis von Baumreihen und Ökotonen an der Wald/Feld-Grenze wurde der sogenannte pixelbasierte Algorithmus „Pufferung und Schrumpfung“ entwickelt. Im Ergebnis konnten kleine Biotope mit einer Genauigkeit von 80 % und vier verschiedene Ökotontypen im Testgebiet detektiert werden. Zweitens zeigen die Ergebnisse der Anwendung der 3D-Maße in den zwei unterschiedlichen Testgebieten, dass die häufig genutzten Landschaftsstrukturmaße Shannon-Diversität (SHDI) und Simpson-Diversität (SIDI) nicht ausreichend für die Beschreibung der Lebensraumvielfalt sind. Sie quantifizieren lediglich die Zusammensetzung der Lebensräume, ohne Berücksichtigung der räumlichen Verteilung und Anordnung. Eine modifizierte 3D-Version der Effektiven Maschenweite (MESH), welche die Ökotone integriert, führt zu einer realistischen Quantifizierung der Fragmentierung von Lebensräumen. Darüber hinaus wurden zwei höhenbasierte Kontrastindizes, der flächengewichtete Kantenkontrast (AWEC) und der Gesamt-Kantenkontrast Index (TECI), als Ergänzung der Fragmentierungsmaße entwickelt. Sowohl Ökotone als auch Kleinbiotope wurden in den Berechnungen der Kontrastmaße integriert, um deren Randeffekte im Lebensraummuster zu berücksichtigen. Damit kann als ein weiterer Schritt nach der Fragmentierungsanalyse die Randdurchlässigkeit zusätzlich in die Landschaftsstrukturanalyse einbezogen werden. Außerdem wird ein vektorbasierter Algorithmus namens „Multi-Puffer“-Ansatz für die Analyse von ökologischen Netzwerken auf Basis von Landbedeckungskarten vorgeschlagen. Er berücksichtigt Kleinbiotope als Trittsteine, um Verbindungen zwischen Patches herzustellen. Weiterhin werden entsprechende Maße, z. B. die Effective Connected Mesh Size (ECMS), für die Analyse der ökologischen Netzwerke vorgeschlagen. Diese zeigen die Auswirkungen unterschiedlicher angenommener Ausbreitungsdistanzen von Organismen bei der Ableitung von Biotopverbundnetzen in einfacher Weise. Diese Verbindungen zwischen Lebensräumen über Trittsteine hinweg dienen als ökologische Indikatoren für den „gesunden Zustand“ des Systems und zeigen die gegenseitigen Verbindungen zwischen den Lebensräumen. Zusammenfassend kann gesagt werden, dass die Vielfalt der Lebensräume eine wesentliche Ebene der Biodiversität ist. Die Methoden zur Quantifizierung der Lebensraummuster müssen verbessert und angepasst werden, um den Anforderungen an ein Landschaftsmonitoring und die Erhaltung der biologischen Vielfalt gerecht zu werden. Die in dieser Arbeit vorgestellten Ansätze dienen als mögliche methodische Lösung für eine feinteilige Landschaftsstrukturanalyse und fungieren als ein „Trittsteine” auf dem Weg zu weiteren methodischen Entwicklungen für einen tieferen Einblick in die Muster von Lebensräumen.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2018-05-09T13:45:12Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Alessandro Stachak.pdf: 2666037 bytes, checksum: b9d6cfbe55279b9d7942ae1afa0c2115 (MD5) / Made available in DSpace on 2018-05-09T13:45:12Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Alessandro Stachak.pdf: 2666037 bytes, checksum: b9d6cfbe55279b9d7942ae1afa0c2115 (MD5) Previous issue date: 2018-03-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Estimar a produtividade de biomassa na agricultura é uma ferramenta chave no manejo da lavoura, gerando informações que podem auxiliar a complexa tomada de decisões no campo. O nitrogênio (N), por ser é um nutriente que participa da estrutura e de funções celulares vitais à planta, apresenta estreita correlação com a produtividade de biomassa, principalmente na cultura do trigo (Triticum aestivum L.). Uma técnica muito utilizada na estimativa de biomassa e estado nutricional de N é o sensoriamento remoto (SR), que consiste na aquisição de informações de um objeto sem existir contato entre o sensor e o alvo. No SR existem três plataformas de obtenção de dados, sendo elas: orbital, por meio de satélites; aéreo, com aviões, helicópteros e aeronaves remotamente pilotadas (RPA); e terrestre, com sensores óticos e espectroradiômetros. Na criação de modelos de estimativa de produtividade de biomassa e de teor foliar de N, as três plataformas do SR são empregadas, já existindo produtos comerciais para tais finalidades. Entretanto, existe carência de informações a respeito da eficiência das tais plataformas em um mesmo estudo de campo. Tradicionalmente, os modelos preditivos com dados de SR na agricultura são gerados por técnicas clássicas de estatística, como a regressão linear. No entanto, técnicas da mineração de dados (MD) podem obter resultados mais relevantes. Dentre as técnicas da MD promissoras, a máquina de vetores de suporte para regressão (SVR), devido a sua grande capacidade de generalização e criação de modelos lineares e não lineares, tem sido empregada em dados de SR. Os objetivos deste trabalho foram:(i) avaliar a correlação entre os dados obtidos a partir das três plataformas do SR na estimativa da produtividade de biomassa seca da parte aérea e da concentração de N nas folhas de trigo, e (ii) comparar os resultados obtidos com a técnica clássica de regressão linear em relação aqueles gerados pela SVR. Para isso, plantas de trigo, cultivar TBIO Sinuelo, foram cultivadas em diferentes ambientes envolvendo manejos distintos de adubação nitrogenada. A avaliação da capacidade dos sensores foi abordada de duas formas: (i) com amostras aleatórias em diferentes estádios de desenvolvimento da cultura do trigo dentro de cada tratamento de adubação nitrogenada, verificando a capacidade do sensor em detectar a variabilidade em áreas com um mesmo tratamento, e (ii) com as médias das amostras em cada tratamento, avaliando a capacidade do sensor em detectar as diferenças provocadas por manejos variados de adubação nitrogenada. Os resultados obtidos demonstraram existência de correlação dos dados gerados pelos equipamentos utilizados (sensor terrestre GREENSEEKER, satélites RAPIDEYE e RPA EBEE) com a produtividade de biomassa seca da parte aérea e a concentração de N nas folhas de trigo. A SVR gerou coeficientes de correlação (r) mais expressivos do que a regressão linear sobre os dados obtidos com todos os equipamentos utilizados. Dentre as plataformas, considerando a abordagem com as amostras aleatórias no campo, os dados gerados com a RPA EBEE apresentaram correlação mais estreita com a estimativa de biomassa da parte aérea e a concentração foliar de N. Já, quando se consideraram as médias dos tratamentos de adubação nitrogenada, tanto a RPA EBEE como os satélites RAPIDEYE apresentaram resultados similares na estimativa de produtividade de biomassa da parte aérea. Porém, para a predição do teor foliar de N, a RPA EBEE proporcionou resultados superiores em relação aos obtidos com os satélites RAPIDEYE. Concluiu-se que a plataforma RPA EBEE foi mais eficiente do que as plataformas terrestre (GREENSEEKER) e orbital (satélites RAPIDEYE) para estimar a produtividade de biomassa da parte aérea e a concentração de N nas folhas de trigo, quando existe maior variabilidade na área de estudo, e que a SVR foi uma técnica mais eficiente do que a regressão linear para análise dos dados das três plataformas: orbital, aérea e terrestre. / Estimating biomass productivity in agriculture is a key part in crop management, providing information that can help the complex decision making in the field. Nitrogen (N), for being a nutrient that participates in the structure and vital cellular functions to the plant, has a close correlation with biomass productivity, mainly in wheat crop (Triticum aestivum L.). Remote sensing (RS), which consists of acquiring information from an object without contact between the sensor and the target, is a widely employed technique in estimating biomass and nutritional status of N. There are three RS platforms for obtaining data: orbital, with satellites; aerial, with aircraft, helicopters and remotely piloted aircraft (RPA); and terrestrial, with optical sensors and spectral radiometers. When determining biomass productivity and N foliar content estimation models, both RS platforms are employed, and commercial products for these purposes already exists. However, there is a lack of information regarding the efficiency of the three platforms in the same experimental area. Traditionally, predictive models with RS data in agriculture are generated by classic statistical techniques, such as linear regression. However, data mining (DM) techniques can provide more relevant results. Due to its generalization capacity and feature of creating linear and nonlinear models, support vector machine for regression (SVR) is a DM technique with intensive use over RS data. The goals of this work were: (i) to evaluate the correlation between data obtained from the three RS platforms for estimating dry biomass productivity and N concentration in wheat leaves, and (ii) to compare the results obtained with a classical linear regression technique against those of the SVR technique. Were cultivated wheat plants, TBIO Sinuelo variety, in different environments involving distinct management of nitrogen fertilization. The sensors evaluation was performed in two ways: (i) with random samples at different wheat crop development stages for each nitrogen fertilization treatment, aiming to verify the sensor ability to detect variability in areas with the same treatment, and (ii) considering the mean value of the samples in each treatment, evaluating the ability of the sensor to detect the differences caused by varied management of nitrogen fertilization. The results showed that data generated by the equipment (GREENSEEKER terrestrial sensor, RAPIDEYE satellites and RPA EBEE) displayed correlation with dry biomass productivity and N concentration in wheat leaves. More expressive correlation coefficients (r) were obtained with SVR against those of linear regression in the data obtained with all equipment used. Considering the approach with the random samples in the field, data generated with the RPA EBEE showed a closer correlation with the biomass estimation and the foliar concentration of N. When considering the mean value of nitrogen fertilization treatments, both RPA EBEE and RAPIDEYE satellites presented similar results for estimating biomass productivity, however, the RPA EBEE provided results slightly higher than those obtained with the RAPIDEYE satellites for the prediction of N foliar content. It was concluded that, for estimating the biomass productivity and the N concentration in the wheat leaves RPA EBEE platform is more efficient than the terrestrial (GREENSEEKER) and orbital platforms (RAPIDEYE satellites) when there is greater variability in the study area. Also, SVR was a more efficient technique than linear regression for data analysis of the three platforms: orbital, aerial and terrestrial.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A produção de borracha natural de seringueira (Hevea brasiliensis) é uma atividade estratégica para a economia nacional. O principal fator redutor da produtividade dessa atividade é a ocorrência de doenças no seringal. O nematoide de galhas (Meloidogyne exigua) é a principal doença radicular dessa cultura no Brasil e sua identificação antecipada permite um melhor manejo desta epidemia no seringal e a redução de seus prejuízos. O objetivo desse estudo foi identificar áreas com a ocorrência de M. exigua em seringais através do uso dos índices espectrais de vegetação - Índice de Vegetação por Diferença Normalizada (NDVI) e Índice de Razão Simples (RS) - gerados a partir de imagens da constelação de satélites RapidEye® (resolução de 5 metros). Seringais produtivos, com pelo menos 7 anos de plantio, em Minas Gerais (irrigado) e em Goiás (não irrigado) foram amostrados e georreferenciados na segunda metade do período das chuvas e as densidades de nematoides no solo, nas raízes e total foram estimadas. O seringal em Minas Gerais foi amostrado inicialmente seguindo as anormalidades evidenciadas pelo índice NDVI gerado através de imagens do satélite Landsat 8 (resolução de 30 metros). O seringal em Goiás foi amostrado aleatoriamente com o intuito de validar os resultados observados no seringal em Minas Gerais. Apesar de serem identificadas regressões significativas com o uso de imagens de alta resolução (RapidEye®) entre as variáveis densidades de nematoides e os índices espectrais de vegetação, nenhuma apresentou coeficiente de determinação (R2) superior a 0,31. A estatística descritiva do conjunto de dados de ambos os seringais não identificou diferenças entre as áreas para as densidades de nematoides encontradas nas raízes ou a densidade total, no entanto, a densidade de nematoides no solo foi aproximadamente 236% superior no seringal em Goiás, enquanto que ambos os índices neste seringal foram inferiores aos índices estimados para o seringal em Minas Gerais. Está diferença foi consequência da irrigação na área em Minas Gerais. As correlações de Pearson, Spearman e Kendall foram calculadas para as densidades de nematoides e os índices espectrais. As correlações entre a densidade de nematoides do seringal e o índice NDVI foram as que apresentaram os maiores coeficientes significativos para qualquer das correlações avaliadas. Através do índice NDVI é possível diferenciar um seringal não infestado de um seringal infestado pelo nematoide de galhas M. exigua. / The production of natural rubber from rubber trees (Hevea brasiliensis) is a strategic activity for Brazilian economy. The main factor reducing productivity of this activity is the occurrence of diseases in the rubber plantation. The root-knot nematode (Meloidogyne exigua) is the main root disease of this culture in Brazil and its early identification enables better management of its outbreak in orchards and the reduction of their losses. This study identified areas with the occurrence of M. exigua in rubber plantations through the use of spectral vegetation indices - Normalized Difference Vegetation Index (NDVI) and Simple Ratio Index (SR) - generated from images of the constellation RapidEye® satellites (5 meters resolution). Productive rubber plantations, at least 7 years old, in Minas Gerais (irrigated) and Goiás (non-irrigated) states were sampled and georeferenced in the second half of the rainny season and the quantities of nematodes in soil, roots and total were estimated. The rubber plantation in Minas Gerais was sampled initially following the abnormalities detected by the NDVI index generated through the images of Landsat 8 satellite (30 meters resolution). The rubber plantation in Goiás was sampled randomly to validate the results observed in the first rubber plantation (Minas Gerais). In spite of the identification of significant regressions with the use of high resolution images (RapidEye®) between the variables quantities of nematodes and spectral vegetation indices, none showed a coefficient of determination (R2) greater than 0.31. The descriptive statistics of the data set from both surveys did not identify differences in the quantities of nematodes found in the roots or the total quantity between the areas, however, the amount of nematodes in the soil was approximately 236% greater in Goiás rubber plantation, while both spectral vegetation indices (NDVI and SR) in this rubber plantation were lower than the indices estimated for the rubber plantation in Minas Gerais. This difference was a result of irrigation in the area in Minas Gerais. The correlations of Pearson, Spearman and Kendall were calculated between the densities of nematodes and the spectral vegetation indexes. The correlations between the amount of nematodes in rubber trees plantation and NDVI index showed the best significant coefficients for any of the correlations evaluated. Through the NDVI index it is possible to differentiate an infested rubber tree plantation from a non-infested rubber tree plantation by M. exigua root-knot nematode. / Tese (Doutorado)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / There are decades the deforestation resulting from the process of anthropization of the landscape has been causing the destruction of natural resources. The native forests are giving space mainly for agriculture, cattle raising and urbanization, occurring the formation of fragments. In this context, the present study aims to develop an R language package for the calculation of landscape ecology metrics, as well as, to use the same for the analysis of the forest fragments, under the domain of the Atlantic Forest biome, located in the hydrographic sub-basin of Arroio Jaquirana, Rio Grande do Sul, for the year 2016. For the development of the package, called LanscapeMetrics, used the R software and packages igraph, raster, rgdal, rgeos, devtools, roxygen2 and Rtools. In order to avoid the use of redundant metrics a total of twenty-one was selected covering metrics of area and density, shape, border, central area and proximity. For the mapping of the forest fragments, used images of the RapidEye/REIS satellite dated 02/29/2016, with the definition of two classes of land use and cover: native forest and other uses. The classification was supervised through the Bhattacharyya algorithm, using SPRING software. The fragments were analyzed separately in size classes, to separate them used the software R. The results showed that the native forest occupied 14,099.89 ha, corresponding to 34.01% of the study area, covering a total of 1,995 fragments, of which 93.43% less than 5 ha. In the size class occupied by the fragments smaller than 5 ha, it was found a higher edge value and a perimeter-area ratio, indicating a greater edge effect, so that the central areas of these remnants are exposed to the effects of the external matrix. This fact is proved by the calculation of the metrics of central areas, since, subject to the edge distances from 80 m, total domination by the edge effect occurs. However, these smaller fragments are important, since they lessen the distance between the larger fragments, due to their high density and being well distributed in the study area. Thus, it is concluded that R is a promising and efficient tool for spatial data analysis, which allowed the manipulation of data from remote sensors. / Há décadas os desmatamentos decorrentes do processo de antropização da paisagem vêm ocasionando a destruição dos recursos naturais. As florestas nativas foram cedendo espaço principalmente para agricultura, pecuária e urbanização, ocorrendo a formação de fragmentos. Desse modo, o presente estudo tem por objetivo desenvolver um pacote em linguagem R para cálculo de métricas de ecologia da paisagem, bem como, utilizar o mesmo para análise dos fragmentos florestais, sob domínio do bioma Mata Atlântica, localizados na sub-bacia hidrográfica do Arroio Jaquirana, Rio Grande do Sul, para o ano de 2016. Para o desenvolvimento do pacote, denominado LanscapeMetrics, utilizou-se o programa R e os pacotes igraph, raster, rgdal, rgeos, devtools, roxygen2 e Rtools. De modo a evitar a utilização de métricas redundantes foram selecionadas um total de vinte e uma, abrangendo métricas de área e densidade, forma, borda, área central e de proximidade. Para o mapeamento dos fragmentos florestais utilizou-se imagens do satélite RapidEye/REIS datadas de 29/02/2016, com a definição de duas classes de uso e cobertura da terra: floresta nativa e outros usos. A classificação foi de forma supervisionada por meio do algoritmo Bhattacharyya, utilizando o programa SPRING. Os fragmentos foram analisados separadamente em classes de tamanho, para separá-los utilizou-se o programa R. Os resultados demonstraram que a floresta nativa ocupou 14.099,89 ha, correspondendo a 34,01% da área de estudo, abrangendo um total de 1.995 fragmentos, destes, 93,43% inferiores à 5 ha. Na classe de tamanho ocupada pelos fragmentos menores que 5 ha, encontrou-se maior valor de borda e de razão perímetro-área, indicando maior efeito de borda, dessa forma, as áreas centrais destes remanescentes estão expostas aos efeitos da matriz externa. Este fato é comprovado pelo cálculo das métricas de áreas centrais, uma vez que, submetidos às distâncias de borda a partir de 80 m, ocorre total dominação pelo efeito de borda. Contudo, estes fragmentos menores são importantes, uma vez que amenizam a distância entre os fragmentos maiores, devido sua alta densidade e por estarem bem distribuídos na área de estudo. Desse modo, conclui-se que o R é uma ferramenta promissora e eficiente para análise de dados espaciais, o qual permitiu a manipulação de dados provenientes de sensores remotos.

Climate change and changes in the use and coverage of land, caused by human activities, have been changing the soil loss in the Brazilians watershed. Therefore, this paper estimated soil loss by extensive erosion in the watershed of the Piauitinga-SE river and assessed the possible effects of climate change and land use and land cover over the loss of soils in the basin. For this, we used the Universal Soil Loss Equation of (USLE) associated with GIS and remote sensing techniques. Historical series were used (between 15 and 68 years) daily rainfall and data on climate projections coming from the Global Climate Model (GCM), generated by the Community Climate System Model (CCSM) to the fourth assessment report of the Intergovernmental Panel on Climate Change ( IPCC). In the physiographic characteristics of the watershed, were used soil map, hydrographic network, slope information and images of high spatial resolution of the RapidEye sensor to year 2013. With this data, two estimates of soil loss were realized. The first estimate was considered two scenarios for the watershed: Scenario 1 (C1) with physiographic and usage conditions and current land cover; Scenario 2 (C2) with changes in land use and land cover, considering the preserved the Permanent Preservation Areas (PPAs), as Law No. 12,651/2012. In the second estimate it was considered four climate scenarios of rainfall: Current Scenario, Scenario optimistic (Low B1), Scenario Medium (Medium A1B) and scenario Pessimistic (High A2), and, for them, was only considered natural factors of erosion in the basin. In the first estimate, the two scenarios (C1 and C2) of use and assessed land cover presented most of the basin area with erosion between classes Very Low (0-5 ton-1.ha-1.year), Low ( 5-10 ton-1.ha-1.year) and moderate (10-50 ton-1.ha-1.year). Considering the scenario 2, there was a reduction in soil loss values, especially in the PPAs, proving the importance of maintaining these areas preserved for conservation of soil and water in the basin. As for the second estimate, it was observed that, when compared to the Current Scenario, the climate projections scenarios (Optimistic B1, Medium A1B and Pessimistic A2) caused reduction of rainfall erosivity and soil loss in the basin river Piauitinga - SE / As mudanças climáticas e as modificações no uso e cobertura da terra, provocadas pela ação antrópica, vêm causando alterações nas perdas de solos das bacias hidrográficas brasileiras. Portanto, este trabalho teve como objetivo principal estimar as perdas de solo por erosão laminar na bacia hidrográfica do rio Piauitinga-SE e avaliar os possíveis impactos das mudanças climáticas e do uso e cobertura da terra sobre as perdas dos solos na bacia. Para tal, utilizou-se a Equação Universal de Perdas de Solo (USLE) associada à técnicas de geoprocessamento e sensoriamento remoto. Foram utilizadas séries históricas (entre 15 e 68 anos) de precipitações diárias e dados de projeções climáticas oriundos do Global Climate Model (GCM), gerados pelo Community Climate System Model (CCSM) para o quarto relatório de avaliação do Painel Intergovernamental das Mudanças Climáticas (IPCC). Na caracterização fisiográfica da bacia, foram utilizados mapas de tipo de solos, rede hidrográfica, informações de relevo e imagens de alta resolução espacial do sensor RapidEye do ano de 2013. De posse dos dados, foram realizadas duas estimativas de perdas de solo. Na primeira estimativa foram considerados dois cenários para a bacia: Cenário 1 (C1), com as condições fisiográficas e de uso e cobertura da terra atuais; Cenário 2 (C2) com alterações no uso e cobertura da terra, considerando as Áreas de Preservação Permanentes Preservadas, conforme Lei nº 12.651/2012. Na segunda estimativa foram avaliados quatro cenários climáticos de precipitação pluviométrica: Cenário Atual, Otimista B1, Médio A1B e Pessimista A2, sendo que, para estes, foram considerados apenas os fatores naturais de erosão da bacia. Na primeira estimativa, os dois cenários (C1 e C2) de uso e cobertura da terra avaliados apresentaram maior parte da área da bacia com erosão entre as classes Muito Baixa (0-5 ton-1.ha-1.ano), Baixa (5-10 ton-1.ha-1.ano) e Moderada (10-50 ton-1.ha-1.ano). Considerando o Cenário 2, houve uma redução nos valores de perda de solos, principalmente nas APPs, comprovando a importância de manter estas áreas preservadas para a conservação do solo e da água na bacia. Já para a segunda estimativa, foi observado que, quando comparado ao Cenário Atual, os cenários de projeções climáticas (Otimista B1, Médio A1B e Pessimista A2) provocaram redução da erosividade das chuvas e perdas de solo na bacia do rio Piauitinga - SE.

No description available.