Return to search

Análise da susceptibilidade à invasão do capim-annoni-2 sobre áreas do bioma Pampa do município de Aceguá-RS

O Eragrostis plana Nees (capim-annoni-2 ou capim annoni) é uma gramínea exótica trazida da África do Sul nos anos cinquenta e atualmente tem presença em aproximadamente 10% da área total do bioma Pampa, sendo a espécie mais invasiva desse bioma. Tendo em conta a grande capacidade desta espécie para se estabelecer em uma ampla variedade de condições ambientais, os efeitos ambientais e econômicos negativos envolvidos, bem como sua dificuldade de erradicação, é importante identificar as áreas mais suscetíveis à invasão em um futuro próximo, para assim aprimorar os planos de manejo e evitar a expansão de áreas infestadas. O presente trabalho foi desenvolvido no município de Aceguá – RS, com o objetivo de identificar quais áreas são as mais suscetíveis à invasão. Foram aplicados os modelos de distribuição de espécies MAXENT e GARP tendo como dados de entrada as variáveis ambientais calculadas a partir imagens espectrais, modelo numérico de elevação, mapa de solos e mapa de vias. Como algumas variáveis originalmente têm resolução espacial de 250 m e outras de 30 m, foi feita uma reamostragem tanto a 30 m como a 250 m para comparar os resultados dos modelos nas duas resoluções espaciais. Para diminuir o número de variáveis de entrada foi feita uma análise de correlação para eliminar as variáveis com alta correlação. Também foi feito o teste Jackknife para avaliar quais variáveis contribuem mais na modelagem espacial da distribuição do capim annoni. Os dois modelos, tanto no treinamento como na validação, nas duas resoluções espaciais, apresentam valores médios de ajuste de AUC acima de 0,7, sendo considerado um bom ajuste. Foram empregados três métodos para calcular os limiares ótimos de corte para cada um dos modelos: 1) sensibilidade igual à especificidade; 2) soma entre a sensibilidade e a especificidade máxima; Os limiares obtidos foram 42 para MAXENT_250, 39 para MAXENT_30, 69 para GARP_250 e 68 para GARP_30. Após a aplicação dos limiares, verificou-se que o modelo GARP prediz uma área maior que o MAXENT, 33,20% em comparação com 24,60% na resolução espacial de 250 m, e 35,83% contra 27,17% na resolução espacial de 30 m. Verificou-se também que o GARP possui melhor capacidade de generalização, o qual é importante para modelar espécies invasoras. Os dois modelos predizem com presença uma área comum de 21,23% e 23,94% nas resoluções espaciais de 250 m e 30 m respectivamente. As pastagens são as classes de uso que apresentam uma maior suscetibilidade à invasão de capim anonni. Ao cruzar os resultados dos modelos de suscetibilidade à invasão de capim annoni, com resolução espacial de 30 m, e as áreas de pastagens que estão sob alta pressão de pastejo, verificou-se que o modelo MAXENT consegue predizer uma suscetibilidade à invasão em 24,51% das áreas e o modelo GARP prediz 37,95% de suscetibilidade à invasão. As comparações entre as duas resoluções espaciais demonstrou que não há muitas diferenças em termos de quantificação de área, sendo que o principal ganho foi o detalhamento espacial, o qual foi obtido com um alto custo computacional. / The Eragrostis plana Nees (South African lovegrass), is an exotic grassy plant originally from South Africa, introduced in the 50s and is currently present in approximately 10% of the total area of the Pampa biome, being the most invasive species in this biome. Considering the large capacity of the South African lovegrass establishing itself in a wide variety of environmental conditions, the negative effects, both environmental and economical that it involves, as well as its difficulty of eradication, it is important to identify the invasion most susceptible areas in the near future, in order to improve the management to prevent the spread of infested areas. This research was developed in the municipality of Aceguá – RS, with the objective of identifying which areas are most susceptible to invasion. The MAXENT and GARP models of distribution of species were applied, having as input data the environmental variables calculated from spectral images, digital elevation model, soil map and road map. As some variables originally had spatial resolution of 250m and others of 30m, a resample was done at both 30m and 250m in order to compare the models results in these two spatial resolutions. To reduce the input variables amount, a correlation analysis was performed to eliminate the high correlation variables. The Jackknife test was also used to evaluate which variables contribute most to the South African lovegrass distribution spatial modeling. Both models, at the two spatial resolutions, during the training and the validation steps, present mean values of AUC adjustment above 0.7, being considered a good fit. Three methods were used to calculate the optimal thresholds for each model: 1) the sensitivity equals to the specificity; 2) the sum between sensitivity and specificity is the maximum; 3) the distance between the ROC curve and left top corner is minimum. The calculated thresholds were 42 for MAXENT_250, 39 for MAXENT_30, 69 for GARP_250 and 68 for GARP_30. After applying these thresholds, it was verified that the GARP model predicts an area greater than MAXENT, 33.20% compared to 24.60% for the spatial resolution of 250m, and 35.83% against 27.17% in the spatial resolution of 30m. It was also verified that GARP has a better generalization capacity, which is important for modeling invasive species patterns. Both models predict a common area with susceptible to invasion of 21.23% and 23.94% in spatial resolutions of 250m and 30m respectively. The grasslands are the land cover that presents a South African lovegrass invasion greater susceptibility. Cross-referencing the susceptibility invasion models with the overgrazing areas at 30m of spatial resolution, it was verified that the model MAXENT can predict a susceptibility to invasion in 24.51% of the areas and the GARP model predicts 37.95% susceptibility to invasion. Comparisons between the two spatial resolutions showed that there are not many differences in terms of area quantification, where the main gain was spatial detailing, which was obtained with a high computational cost.

Identiferoai:union.ndltd.org:IBICT/oai:lume56.ufrgs.br:10183/170412
Date January 2017
CreatorsGonzález, José David Montoya
ContributorsFonseca, Eliana Lima da, Perez, Naylor Bastiani
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds