Identificação de áreas prioritárias para recuperação florestal com o uso de rede neural de mapas auto-organizáveis Translated title: Identification of priority areas for forest restoration using self-organizing maps neural network

Abstract

O objetivo deste trabalho foi identificar áreas prioritárias para a recuperação florestal e analisar variáveis a elas relacionadas através da rede neural artificial (RNA) de Mapas Auto-Organizáveis (SOM), em duas escalas. Primeiramente, procurou-se identificar uma sub-bacia hidrográfica prioritária para a recuperação florestal na Unidade de Gerenciamento de Recursos Hídricos Paulista (UGRHI) do rio Paraíba do Sul por SOM. Para isto, foram utilizadas variáveis de conectividade ambiental e cobertura florestal. Definiu-se uma sub-bacia hidrográfica situada na represa do Jaguari, município de Igaratá, para estudo em uma escala de maior detalhe. Nas Áreas de Proteção Permanentes (APPs) englobadas nesta sub-bacia hidrográfica, foi realizada uma nova análise por SOM. Neste caso, foram consideradas variáveis de distância a fragmentos florestais, a áreas urbanas, a estradas pavimentadas e a construções rurais, assim como o Índice de Vegetação por Diferença Normalizada e o Potencial Natural de Erodibilidade Laminar. Em ambas as escalas, as áreas prioritárias para a recuperação florestal foram determinadas através de histogramas do somatório dos valores dos Mapas Auto-Organizáveis de cada variável por agrupamentos delimitados. Por fim, foi gerado um mapa de contribuição de amostras para neurônios vencedores, o que permitiu uma nova abordagem para a análise dos agrupamentos gerados.

Translated abstract

The aim of this work was to identifying priority areas for forest restoration and analyze variables related to such areas at two distinct spatial scales using Self-Organizing Maps neural network (SOM). Initially, a SOM analysis was conducted to detect a watershed suitable for forest restoration within the Management Unit for Hydrological Resources of the Paraiba do Sul river, located in São Paulo State, southeast of Brazil. The variables employed in this analysis were environmental connectivity and forest cover. The Jaguari watershed, located in the municipality of Igaratá, was selected as study area in the second stage of analysis. In the permanent preservation areas along riversides within this watershed, a new SOM analysis was performed to detect suitable areas for forest restoration. At this more refined scale, the regarded variables were distance to forest fragments, urban areas, paved roads, and rural constructions, as well as the NDVI (the Normalized Difference Vegetation Index) and the natural soil erosion potential. At both scales, the priority areas for forest restoration were assessed based on cluster histograms of SOM. Finally, a contributive map of samples for the best matching units was elaborated, and that enabled an insightful approach for the analysis of the generated clusters.