Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Land use patterns and the potential careless use of our planet s natural resources have recently called the attention of an increasing number of studies in the area of scenario simulation in several parts of the world. The present research aims at simulating the forest scenario of Rio Grande do Sul, Brazil, in order to identify and quantify in a map the forest s evolution in this state for the year 2020. Since 2003 Rio Grande do Sul has been encouraging forestation practices trough its State Forestation Program as a new economic alternative; but the program s development has also raised controversies over the possibility of an environmental and economic unbalance caused by the excess of forested areas. On the other hand, data collected in Forest Inventories had already revealed an increase in native and exotic forest areas before the program was created and, in this sense, the projection proposed in this study is based on the development of a stochastic simulation model of Rio Grande do Sul s forest scenario without considering the forested areas that emerged from the forestation program. Land use patters will be classified based on images from the LANDSAT 5 and LANDSAT 7 satellites referring to the years 1988 and 1998 as well as images from the TERRA satellite referring to the year 2007. Based on a cross-check of forest use patterns (native forest, bush land and reforestation with exotic species) against the other types of land use (cropped farmland, grassland, water, dune, rocky outcrop, wetland) identified in the images, a new map was generated showing the forest s evolution in Rio Grande do Sul over the last 20 years. This map was then cross-checked with several thematic maps containing environmental, economic and social information. The forest evolution map and its cross-check with the thematic maps defined the Markov transition matrix and the weights of evidence, respectively, both requirements for the calibration of the stochastic model. As a result, the simulation of Rio Grande do Sul s forest landscape for the year 2020 showed an increase in almost all regions of the state of the bush land, native forest and reforestation with exotic species areas, given that the latter two increased by 5,113 km2 and 4.036 km2 respectively. From this growth the most significative is the exotic species one, which represents 72% in relation do 2007, even without taking into account and simulating those areas boosted by the State Forestation Program. / Os padrões de uso da terra e a possível má utilização dos recursos naturais do nosso planeta motivam atualmente muitas pesquisas no campo da simulação de cenários em diversas regiões do mundo. Dentro desse contexto a presente pesquisa pretende simular o cenário florestal do Rio Grande do Sul a fim de localizar e quantificar em um mapa a evolução das florestas deste Estado para o ano de 2020. Desde 2003 o Rio Grande do Sul vem incentivando a prática do reflorestamento através do Programa Estadual de Florestamento, como uma nova alternativa econômica, porém a implantação desse programa trouxe também diversas discussões sobre um possível desequilíbrio ambiental e econômico causado pelo excesso de áreas reflorestadas. Por outro lado, dados levantados pelos Inventários Florestais já apontavam um aumento de florestas nativas e exóticas antes da implantação do programa e, com base nisso, a projeção futura buscada por esta pesquisa baseia-se na criação de um modelo estocástico de simulação do cenário florestal do Rio Grande do Sul sem levar em conta o acréscimo das áreas florestais incentivadas pelo programa de reflorestamento. Para tanto foram classificados os padrões de uso da terra em imagens dos satélites LANDSAT 5 e LANDSAT 7 referentes aos anos de 1988 e 1998 e do satélite TERRA do ano de 2007. A partir do cruzamento dos padrões ligados ao uso florestal (floresta nativa, capoeirão e reflorestamento de espécies exóticas) em relação às demais classes de uso da terra (lavoura, campo, água, dunas, afloramento rochoso e banhado) identificadas nas imagens foi gerado um novo mapa contendo a informação da evolução florestal do Estado do Rio Grande do Sul nos últimos 20 anos. Esse mapa responsável pela representação das mudanças de uso florestal foi cruzado com diversos mapas temáticos de informações ambientais, econômicas e sociais. O mapa de mudanças e o cruzamento deste com os mapas temáticos definiram respectivamente a matriz de transição Markov e os pesos de evidências, ambos requisitos na calibração do modelo estocástico. Como resultado a simulação da paisagem florestal do Rio Grande do Sul para o ano de 2020 apresentou um aumento de áreas em quase todas as regiões do Estado dos usos de capoeirão, floresta nativa e reflorestamento de espécies exóticas, sendo que os dois últimos acresceram em 5.113 km2 e em 4.036 km2 respectivamente. Desses aumentos o mais significativo é o das espécies exóticas, já que o acréscimo representa 72% em relação a 2007, mesmo sem que as áreas impulsionadas pelo Programa Estadual de Florestamento tenham sido contabilizadas e simuladas.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3709 |
| Date | 08 October 2007 |
| Creators | Hendges, Elvis Rabuske |
| Contributors | Pereira, Rudiney Soares, Brena, Doádi Antônio, Cantarelli, Edison Bisognin, Giotto, Enio, Muller, Ivanor |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Engenharia Florestal, UFSM, BR, Recursos Florestais e Engenharia Florestal |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 500200000003, 400, 300, 300, 300, 300, 500, 300, a7274a7d-8dcd-466b-9a0d-c2b629e2ca88, aafd0578-ada4-4993-890b-f2fd51f6c219, a951e063-662d-4907-95de-968d02de2440, 58297f47-3462-4400-b1ec-d8e43f688e63, ee19ebbc-759f-4e3b-b939-a75099b6ce64, 7ad280a4-70da-4d53-9fb0-80ef9b299e9c |
Page generated in 0.0026 seconds