Identificação de áreas prioritárias para recuperação florestal com o uso de rede neural de mapas auto-organizáveis

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.

Uso De Técnicas De Agrupamento E Rede Neural Em Sinistros Com Máquinas Agrícolas Nas Rodovias Federais Paranaenses

“…Os mapas auto organizados (self organized maps) ou redes SOM são muito utilizados para descobrir padrões em um grupo de dados, Arcoverde et al (2011) utilizaram a técnica para descobrir padrões de áreas prioritárias para recuperação florestal. Já Leite e Souza Filho (2010) utilizaram a técnica em dados geológicos e geofísicos de uma região.…”