UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CÂMPUS LONDRINA
CURSO DE ENGENHARIA AMBIENTAL
BIANCA APARECIDA QUEIROZ FERNANDES
ANÁLISE ESPAÇO-TEMPORAL DOS FRAGMENTOS FLORESTAIS DO
ENTORNO DE UMA UNIDADE DE CONSERVAÇÃO NA REGIÃO
NORTE DO PARANÁ
TRABALHO DE CONCLUSÃO DE CURSO
LONDRINA 2018
BIANCA APARECIDA QUEIROZ FERNANDES
ANÁLISE ESPAÇO-TEMPORAL DOS FRAGMENTOS FLORESTAIS
DO ENTORNO DE UMA UNIDADE DE CONSERVAÇÃO NA REGIÃO
NORTE DO PARANÁ
Trabalho de Conclusão de Curso apresentado ao Curso Superior de Engenharia Ambiental da Universidade Tecnológica Federal do Paraná, Câmpus Londrina, como requisito parcial para obtenção do título de bacharel em Engenharia Ambiental.
Orientadora: Prof. Dra. Ligia Flávia Antunes Batista
LONDRINA 2018
Ministério da Educação
Universidade Tecnológica Federal do Paraná Campus Londrina
Coordenação de Engenharia Ambiental
TERMO DE APROVAÇÃO
ANÁLISE ESPAÇO-TEMPORAL DOS FRAGMENTOS FLORESTAIS
DO ENTORNO DE UMA UNIDADE DE CONSERVAÇÃO NA REGIÃO
NORTE DO PARANÁ
por
BIANCA APARECIDA QUEIROZ FERNANDES
Trabalho de Conclusão de Curso apresentado no dia 27 de novembro de 2018 a
o Curso Superior de Engenharia Ambiental da Universidade Tecnológica Federal do Paraná, Câmpus Londrina. O candidato foi arguido pela Banca Examinadora composta pelos professores abaixo assinados. Após deliberação, a Banca Examinadora considerou o trabalho aprovado.____________________________________ Prof. Dr. Edson Fontes de Oliveira
(UTFPR)
____________________________________ Prof. Dr. Rafael Montanhini Soares de Oliveira
(UTFPR)
____________________________________ Profa. Dra. Ligia Flávia Antunes Batista
(UTFPR) Orientador
__________________________________ Profa. Dra. Edilaine Regina Pereira
Responsável pelo TCC do Curso de Eng. Ambiental
AGRADECIMENTOS
Agradeço primeiramente a Deus por essa oportunidade incrível, e por ter me dado saúde e força para superar as dificuldades e chegar até aqui.
À minha orientadora, Profa. Dra. Ligia Flávia Antunes Batista, pelos conhecimentos compartilhados, paciência, apoio, orientação, incentivo, oportunidade, confiança e por nunca ter medido esforços para me ajudar. Eu a admiro muito e jamais esquecerei tudo que fez por mim.
À toda minha família, pelo apoio e compreensão em todas as vezes em que não pude estar presente. Em especial ao meu pai, pelo esforço diário em contribuir para esse sonho e por todo incentivo que me deu aos estudos desde muito pequena. Todo meu desempenho e dedicação é graças a vocês.
Agradeço também ao Prof. Dr. Rafael Montanhini Soares de Oliveira e ao Prof. Dr. Edson Fontes de Oliveira pela disponibilidade em participar da banca e toda a atenção dada ao longo do desenvolvimento deste trabalho.
Ao meu namorado Giovanni Peixoto por todo o carinho, dedicação, conselhos e paciência, que soube me animar nos dias ruins e, acima de tudo, em todos os momentos me fez acreditar que sou capaz.
Aos meus amigos de classe, Arthur Janoni, Carolina Dinali, Ellen Lima, Gabriela Roiko, Vitória Califani, Matheus Faria, e aos demais de graduação, Vinícius Alexandre, Johvanny Lorenço, Janaína Casado, Arlete Alves, Thiago Silva, Johicy Parra e Bárbara de Oliveira. Em especial as minhas amigas Aline Marinhos, Ellen Paim e Gabriela Simões, que tantas vezes aturaram meus estresses e reclamações, mas que sempre estiveram presentes, além de todo conhecimento e sofrimento que compartilhamos ao longo desses cinco anos. Sou grata a amizade de todos vocês e por todos os bons momentos nessa jornada em Londrina.
Agradeço também aos meus orientadores de outras atividades realizadas durante a graduação: Prof. Dr. Mauricio Moreira dos Santos, Profa. Dra. Marcele Tavares e Profa. Dra. Tatiane Cristina Dal Bosco. O presente trabalho também é fruto do que aprendi com vocês. Em especial a Profa. Dra. Sueli Tavares de Melo Souza por todo incentivo, conhecimentos compartilhados e nossa amizade.
Aos queridos professores dessa instituição por todo o conhecimento transferido, pois este caminho só foi possível graças ao ensinamento de vocês.
À todos que contribuíram de alguma forma para minha formação e conclusão desse trabalho, meu muito obrigada!
RESUMO
FERNANDES, B. A. Q. Análise espaço-temporal dos fragmentos florestais do
entorno de uma Unidade de Conservação na região Norte do Paraná. 2018. 86 p.
Trabalho de Conclusão de Curso (Graduação) – Bacharelado em Engenharia Ambiental. Universidade Tecnológica Federal do Paraná. Londrina, 2018.
A fragmentação florestal é um processo em que áreas continuas de vegetação são subdivididas em manchas menores. As ações antrópicas têm intensificado nos últimos tempos esse processo, ocasionando diversos danos aos componentes naturais da paisagem, dentre os quais, a perda da biodiversidade. Nesse contexto, o mapeamento de fragmentos florestais apresenta-se como subsídio para embasar ações de preservação ambiental. Portanto, o presente trabalho teve como objetivo realizar uma análise espaço-temporal dos fragmentos florestais localizados na Zona de Amortecimento (ZA), e área ao entorno, do Parque Estadual Mata dos Godoy (PEMG), unidade de conservação localizada em Londrina, Paraná. Para tanto foi realizada uma avaliação do padrão espacial dos fragmentos para os anos de 1998, 2008 e 2018, por meio de métricas da paisagem, estimadas a partir de mapas de uso e ocupação do solo. Para a elaboração desses mapas e distribuição dos fragmentos, foram aplicadas técnicas de classificação de imagens de Sensoriamento Remoto, dos sensores TM e OLI, respectivamente a bordo dos satélites Landsat 5 e 8. Foram analisadas para a área de estudo as seguintes categorias de métricas: área e borda, forma, área núcleo e agregação, por meio do software Fragstats. Os resultados indicaram aumento de 16,88% na área total da vegetação, como consequência, a porcentagem de fragmentos na paisagem aumentou de 16,16% para 18,89%. O número de fragmentos diminuiu em 2257, em razão da união dos mesmos, o que proporcionou aumento da área média em 5,4 ha e decorrente aumento em 0,103 da irregularidade das manchas medida pelo índice de forma médio. A porcentagem de área da vegetação sob efeito de borda passou de 40,2% para 37,1%. O isolamento entre os fragmentos apresentou diminuição ao longo de período analisado, em 1998 a distância média do vizinho mais próximo era de 155,4 m e em 2018 de 149,7 m, contudo essa distância ainda é classificada como alto grau de isolamento o que afeta a qualidade dos fragmentos, por dificultar a movimentação de organismos e a dispersão das espécies. Dessa forma, todas as métricas analisadas indicaram diminuição do grau de fragmentação na área de estudo, com exceção da métrica densidade de borda, em que o seu aumento de 1,86 apontou para menor grau de conservação, durante o período analisado. Trabalhos dessa natureza são importantes, pois fornecem subsídios para estudos futuros sobre o manejo dos fragmentos florestais, podendo contribuir nas decisões sobre estratégias de ação a serem adotadas no Plano de Manejo do PEMG.
Palavras-chave: Uso e cobertura do solo; Conservação; Métricas da Paisagem;
ABSTRACT
FERNANDES, B. A. Q. Spatial-temporal analysis of the forest fragments
surrounding a Conservation Unit in the northern region of Paraná. 2018. 86 p.
Project Final Paper (Undergraduate) - Bachelor degree in Environmental Engineering. Federal Technological University of Paraná. Londrina, 2018.
Forest fragmentation is a process in which continuous areas of vegetation are subdivided into smaller patches. In recent years, anthropogenic actions have intensified this process, causing several damages to the landscape’s natural components, as the loss of biodiversity. In this context, the mapping of forest fragments is presented as a subsidy to support environmental preservation actions. Therefore, the present work has the objective of performing a space-time analysis of the forest fragments found in both the Buffer Zone (BZ) and surrounding areas of the Mata dos Godoy State Park (MGSP), a conservation unit located in Londrina, Paraná. Therefore, an evaluation of the fragments’ spatial pattern was carried out for the years 1998, 2008 and 2018, by using landscape metrics, estimated from maps of land use and occupation. For the development of these maps and fragment distribution, techniques of classification of Remote Sensing images of the TM and OLI sensors were applied, respectively, on board the Landsat 5 and 8 satellites. The following categories of metrics were analyzed for the area of study through the Fragstats software: area and edge, shape, core area, and aggregation. The results indicated an increase of 16.88% in the total area of vegetation. As well as a consequence, the percentage of fragments in the landscape increased from 16.16% to 18.89%. The number of fragments decreased by 2257 due to their union, which resulted in an increase of the mean area in 5.4 ha and an increase in 0.103 of the irregularity of the spots measured by the average shape index. The percentage of vegetation under border effect increased from 40.2% to 37.1%. Isolation between fragments showed a decrease over the analyzed period. In 1998, the average distance euclidean nearest neighbor nistance distribution was 155.4 m, and in 2018, 149.7 m. However, this distance is still classified as a high degree of isolation, which affects the quality of fragments, for hindering the movement of organisms and the dispersion of species. Thus, all the analyzed metrics indicated a decrease in the degree of fragmentation in the study area, except for the edge density metric, in which its increase of 1.86 pointed to a lower degree of conservation during the analyzed period. A study of this nature is important since it provides subsidies for future researches on the management of forest fragments and can contribute to action strategies to be adopted in the Management Plan of the MGSP.
Keywords: Soil usage and cover; Conservation; Landscape Metrics; Geographic
LISTA DE FIGURAS
Figura 1 - Zona de Amortecimento do Parque Estadual Mata dos Godoy...19
Figura 2 - O modelo Mancha-Corredor-Matriz...21
Figura 3 - Localização da área de estudo...29
Figura 4 - Esquema metodológico da pesquisa...39
Figura 5 - Imagem Landsat 5/TM na composição colorida R5G4B3 da área de estudo em 1998...41
Figura 6 - Imagem Landsat 5/TM na composição colorida R5G4B3 da área de estudo em 2008...42
Figura 7 - Imagem Landsat 8/OLI na composição colorida R5G4B3 da área de estudo em 2018...43
Figura 8 - Mapa de uso e ocupação do solo da área de estudo em 1998...46
Figura 9 - Mapa de uso e ocupação do solo da área de estudo em 2008...47
Figura 10 - Mapa de uso e ocupação do solo da área de estudo em 2018...50
Figura 11 - Percentual de área da paisagem ocupada por cada classe...51
Figura 12 - Diagrama de dispersão da vegetação e cultivo...51
Figura 13 - Comparação da evolução da vegetação entre imagens de composição colorida (1998 (a), 2008 (b) e 2018 (c)) e imagens do Google Earth (1998 (d), 2008 (e) e 2018 (f)), (g) é a localização da área em destaque...53
Figura 14 - Áreas de vegetação em 1998...54
Figura 15 - Áreas de vegetação em 2008...55
Figura 16 - Áreas de vegetação em 2018...56
Figura 17 - Mapa de mudança da vegetação no período de 1998 a 2018...57
Figura 18 - Evolução temporal da métrica área total (CA)...58
Figura 19 - Evolução temporal da métrica porcentagem de área (PLAND)...59
Figura 20 - Evolução temporal da relação entre a métrica número de fragmentos (NP) e área média dos fragmentos (AREA_MN)...60
Figura 21 - Evolução da diminuição da fragmentação nos anos de 1998 (a), 2008 (b) e 2018 (c)...61
Figura 22 - Evolução temporal da métrica área dos fragmentos (AREA) agrupados em classes de diferentes intervalos de tamanhos...62
Figura 23 - Evolução temporal da métrica densidade de manchas (PD)...63
Figura 25 - Evolução temporal da métrica densidade de borda (ED)...65 Figura 26 - Evolução temporal da métrica área total do núcleo da classe (TCA)...66 Figura 27 - Evolução temporal da métrica área núcleo dos fragmentos (CORE) agrupados em classes de diferentes intervalos de tamanhos...66 Figura 28 - Evolução temporal da métrica índice de forma médio (SHAPE_MN)...67 Figura 29 - Evolução temporal da métrica forma dos fragmentos (SHAPE) agrupados em classes de diferentes intervalos...68 Figura 30 - Evolução temporal da métrica distância euclidiana do vizinho mais próximo (ENN)...69 Figura 31 - Evolução temporal da métrica distância euclidiana do vizinho mais próximo (ENN) agrupados em classes de diferentes intervalos...70 Figura 32 - Evolução temporal da métrica conectividade (CONNECT)...71 Figura 33 - Áreas adicionadas (C e G) e áreas excluídas (A, B, D, E e F) pela Portaria do IAP nº 160/2016...73 .
LISTA DE TABELAS
Tabela 1 - Resultado do cálculo de índices para a avaliação da acurácia (1998)...44 Tabela 2 - Resultado do cálculo de índices para a avaliação da acurácia (2008)...44 Tabela 3 - Resultado do cálculo de índices para a avaliação da acurácia (2018)....44 Tabela 4 - Quantificação das classes do uso do solo...48
LISTA DE ABREVIATURAS IAP Instituto Ambiental do Paraná
MAXVER Máxima Verossimilhança
PEMG Parque Estadual Mata dos Godoy SIG Sistema de Informação Geográfica UC Unidade de Conservação
USGS Serviço Geológico dos Estados Unidos ZA Zona de Amortecimento
SUMÁRIO 1 INTRODUÇÃO ... 14 2 OBJETIVOS ... 16 2.1 OBJETIVO GERAL ... 16 2.2 OBJETIVOS ESPECÍFICOS ... 16 3 REFERENCIAL TEÓRICO ... 17
3.1 UNIDADES DE CONSERVAÇÃO E ZONA DE AMORTECIMENTO... 17
3.1.1 Parque Estadual Mata dos Godoy ... 18
3.2 ECOLOGIA DA PAISAGEM ... 19 3.3 FRAGMENTAÇÃO DA PAISAGEM ... 20 3.4 MÉTRICAS DA PAISAGEM ... 22 3.5 SENSORIAMENTO REMOTO ... 25 3.5.1 Classificação de imagem ... 27 4 MATERIAL E MÉTODOS ... 29
4.1 LOCALIZAÇÃO DA ÁREA DE ESTUDO ... 29
4.2 COMPOSIÇÃO DO BANCO DE DADOS ... 30
4.3 PRÉ-PROCESSAMENTO DAS IMAGENS ... 30
4.4 PROCESSAMENTO DAS IMAGENS ... 31
4.5 PÓS-TRATAMENTO DAS IMAGENS... 32
4.6 SELEÇÃO E CÁLCULO DAS MÉTRICAS ... 33
5 RESULTADOS E DISCUSSÕES ... 40
5.1 USO E OCUPAÇÃO DO SOLO ... 40
5.1.1 Análise de acurácia ... 43
5.1.2 Classificação supervisionada ... 45
5.2 MÉTRICAS DA PAISAGEM ... 57
6 CONCLUSÃO ... 74
REFERÊNCIAS... 75
APÊNDICE A – SELEÇÃO DAS MÉTRICAS DE ÁREA E BORDA ... 81
APÊNDICE B – SELEÇÃO DAS MÉTRICAS DE FORMA ... 82
APÊNDICE C – SELEÇÃO DAS MÉTRICAS DE ÁREA NÚCLEO ... 83
APÊNDICE D – SELEÇÃO DAS MÉTRICAS DE AGREGAÇÃO ... 84
APÊNDICE F - VALORES DAS MÉTRICAS DE CLASSE PARA OS DIFERENTES ANOS ...86
1 INTRODUÇÃO
O processo de fragmentação florestal que tem se intensificado nos últimos tempos, devido a ações antrópicas, tem implicado na formação de paisagens com pouca diversidade de hábitat, de fragmentos isolados e de dimensões reduzidas (CALEGARI et al., 2010). Segundo Cemin, Perico e Rempel (2009), pequenas ações, tais como, o estudo da paisagem e políticas adequadas de manejo, podem auxiliar na preservação de fragmentos com tamanho e forma adequados para manutenção de espécies silvestres, minimizando tais consequências.
Diante desse cenário, a gestão de paisagens fragmentadas tem recebido atenção crescente nos estudos sobre o manejo da biodiversidade (ALMEIDA, 2008). Borges et al. (2004), explicam que o controle e a gestão de recursos naturais com base em princípios de sustentabilidade demandam técnicas capazes de realizar o levantamento, o diagnóstico e o monitoramento das relações existentes entre os fragmentos florestais e os diversos componentes ambientais, tais como a fauna, a flora, o solo, os corpos hídricos, dentre outros.
Assim, as mudanças ocorridas em uma paisagem em diferentes escalas temporais e espaciais, bem como suas características podem ser estudadas, por meio de conceitos e métodos da Ecologia da Paisagem, integrados às técnicas de Sensoriamento Remoto (GUISARD; KUPLICH; MORELLI, 2007; PIROVANI, 2010).
Para fins de caracterização das condições da biodiversidade, a Ecologia da Paisagem se utiliza de métricas ou índices na realização de estudos (PIROVANI, 2010). Deste modo, o conhecimento sobre o estágio de fragmentação florestal da paisagem, subsidiado por estudos que utilizam métricas da paisagem, permite diagnosticar problemas atuais e direcionar políticas de gestão ambiental eficazes quanto ao manejo do local (ABDALLA; CRUZ, 2015). Por outro lado, negar a importância dos estudos da paisagem pode refletir em danos à biodiversidade e consequentes problemas para os seres humanos, como a exaustão de recursos naturais e perda de serviços ecossistêmicos (ANDRADE et al., 2012).
Regulamentada pela Lei nº 9.985/00 as unidades de conservação (UCs) são áreas naturais passíveis de proteção por suas características especiais (BRASIL, 2000). Com o objetivo de minimizar/evitar impactos sobre esses ecossistemas protegidos, definem-se as Zonas de Amortecimento (ZA), que são áreas tampão em torno das UC onde as atividades antrópicas são controladas (GANEM, 2015).
De acordo com Herrmann, Rodrigue e Lima (2005), a região de Londrina, norte do Paraná, sofreu grande fragmentação, em virtude do processo de urbanização e de atividades agrícolas e de pastagem. O Parque Estadual Mata dos Godoy (PEMG) é uma UC, conhecida por ser o mais importante remanescente florestal de toda a região norte paranaense, não somente por sua extensão em área, mas principalmente por seu estado de conservação (VICENTE, 2006 apud MOLINA 2004), é considerado muito importante para estratégias de conservação. Entretanto, isolado ele não é suficiente para garantir a biodiversidade da região, sendo necessário o estabelecimento de um sistema de reservas, baseado em fragmentos florestais (TOREZAN et al., 2005).
Buscando melhorar a proteção das florestas no entorno do PEMG, em Londrina, a Portaria do IAP (Instituto Ambiental do Paraná) nº 160/2016, propõe a atualização da ZA, com a justificativa de melhorar a manutenção da biodiversidade e o desenvolvimento sustentável da região. Na nova proposta de área, a ZA conta com uma redução de 29,30%, ou seja, diminuiu as áreas em que as atividades humanas necessitam atender normas e restrições específicas que minimizem os impactos ambientais negativos dessas atividades (IAP, 2016). Contudo, existe uma questão judicial em curso contestando tal portaria. Portanto, as discussões sobre a estrutura e a dinâmica florestal da ZA do Parque vem ganhando cada vez mais relevância na região.
Nesse sentido, o presente estudo visa contribuir nessas questões, por meio da caracterização da paisagem, com ênfase nos fragmentos florestais, da Zona de Amortecimento (ZA) do Parque Estadual Mata dos Godoy (PEMG), localizado em Londrina, e sua área de influência, considerando-se sua evolução durante o período de 1998 a 2018.
2 OBJETIVOS
2.1 OBJETIVO GERAL
Analisar as alterações na fragmentação da paisagem, a cada década, entre os anos de 1998 e 2018, na Zona de Amortecimento do Parque Estadual Mata dos Godoy (PEMG), localizado no município de Londrina, Paraná, e seu entorno.
2.2 OBJETIVOS ESPECÍFICOS
• Identificar os fragmentos de vegetação da área de estudo e analisar sua evolução temporal;
• Entender a estrutura e a dinâmica do mosaico florestal, formado pelas manchas de vegetação da Zona de Amortecimento do Parque Estadual Mata dos Godoy e seu entorno, por meio de métricas da Ecologia da Paisagem;
• Diagnosticar se a região da Zona de Amortecimento está se mantendo protegida ao longo do tempo ou se a agricultura e a urbanização crescente tem afetado sua condição.
3 REFERENCIAL TEÓRICO
3.1 UNIDADES DE CONSERVAÇÃO E ZONA DE AMORTECIMENTO
A implementação de uma Unidade de Conservação (UC) se tornou uma ferramenta essencial para a preservação dos bens naturais, minimização dos problemas ambientais, e melhora da qualidade de vida da sociedade (SIMÕES et al., 2008). Contudo, segundo Silva e Souza (2014) as UCs têm suas paisagens naturais envolvidas por ambientes fortemente antropizados, caracterizados por fragmentos florestais os quais nem sempre cumprem as finalidades ecológicas.
As unidades de conservação (UCs) são reguladas pela Lei nº 9.985, de 2000, que institui o Sistema Nacional de Unidades de Conservação (SNUC) (BRASIL, 2000). O artigo 2, inciso I, desta mesma lei, entende UC como:
Espaço territorial e seus recursos ambientais, incluindo as águas jurisdicionais, com características naturais relevantes, legalmente instituído pelo Poder Público, com objetivos de conservação e limites definidos, sob regime especial de administração, ao qual se aplicam garantias adequadas de proteção (BRASIL, 2000).
Ainda segundo esta lei as UCs estão divididas em dois grupos: as de proteção integral e as de uso sustentável. Em unidades de Proteção Integral é permitido apenas o uso indireto dos seus recursos naturais, objetivando, assim, a preservação da natureza. Em unidades de Uso Sustentável, o objetivo é compatibilizar a conservação da natureza com o uso sustentável de parcela dos seus recursos naturais.
A pressão fundiária exercida pela expansão urbana e a expansão de culturas agrícolas tem proporcionado uma tensão quanto ao uso e ocupação do solo no Brasil. A fragmentação de ecossistemas, advindos de tal processo, provoca diferentes impactos negativos decorrentes do denominado “efeito de borda”, que deixam os limites da área protegida mais vulneráveis a condições ambientais degradantes. Nesse sentido, a atenção com o entorno de tais áreas desempenha um papel essencial para se alcançar os objetivos de preservação da natureza, em que a zona de amortecimento estabelecida no plano de manejo constitui uma estratégia de preservação da natureza que dá amparo ao equilíbrio das condições ambientais da UC (GÓES et al., 2015).
De acordo com Ganem (2015) as zonas de amortecimento (ZAs), constituem áreas-tampão em torno das UCs, onde, segundo o Art. 2, inciso XVIII, da lei que institui o SNUC (BRASIL, 2000), as atividades humanas estão sujeitas a normas e restrições específicas, com o propósito de minimizar os impactos negativos sobre a unidade. No Art. 25, parágrafo 2º, da mesma lei, os limites da ZA e as respectivas normas poderão ser definidos no ato de criação da UC ou posteriormente.
3.1.1 Parque Estadual Mata dos Godoy
Localizado na cidade de Londrina, o Parque Estadual Mata dos Godoy (PEMG), é uma Unidade de Conservação classificada na categoria de manejo de Proteção Integral. O Parque foi criado pelo Decreto n° 5.150/89, com uma área de 675,70 ha, com o objetivo de promover a preservação do regime hídrico, da flora e da fauna, e teve sua área ampliada em 14,4756 ha pelo Decreto nº 3.917/97, totalizando 690,1756 ha (IAP, 2002).
A floresta existente no Parque Estadual Mata dos Godoy é um dos últimos remanescentes de Floresta Subtropical (Floresta Estacional Semidecidual). Atualmente este remanescente está circundado por áreas ocupadas pela agricultura e pecuária, sujeito a pressões antrópicas (IAP, 2002).
A portaria do IAP nº 160/2016 determinou a redução de aproximadamente 30% da ZA do PEMG, com a justificativa de que a nova ZA possui maior concentração de vegetação nativa e menor área urbana onde as atividades entravam em conflito com a conservação do parque estadual (IAP, 2016).Contudo, atualmente está em vigor uma liminar que suspende a portaria. A proposta do novo limite da ZA, sugerida pela portaria, é ilustrado na Figura 1.
Figura 1 - Zona de Amortecimento do Parque Estadual Mata dos Godoy.
Fonte: BATISTA (2016).
3.2 ECOLOGIA DA PAISAGEM
O conceito de paisagem inclui considerações estéticas, históricas e culturais, de tal modo que sua compreensão pode ser complexa e até mesmo subjetiva (CARRÃO; CAETANO; NEVES, 2001). Segundo Moraes (2015) a paisagem é uma unidade espacial compreendida pelos fenômenos naturais e sociais que nela ocorrem, e uma das mais novas áreas de conhecimento dentro da Ecologia para seu planejamento, manejo, conservação, desenvolvimento e melhoria é a Ecologia da Paisagem (ROCHA, 2011).
Nesse sentido, a Ecologia da Paisagem contribui para a compreensão de padrões e processos relacionados a sustentação de paisagens fragmentadas, permitindo o estabelecimento de estratégias para a conservação da biodiversidade (ALMEIDA, 2008). Calegari et al. (2010) elucidam que a avaliação da paisagem por meio desta abordagem torna-se importante para diagnosticar os problemas atuais, estimar influências futuras e apontar as mudanças necessárias para manter o equilíbrio natural.
A Ecologia da Paisagem caracteriza-se por duas visões distintas da paisagem: a geográfica e a ecológica. A abordagem geográfica, foi impulsionada por pesquisadores europeus, e consiste em três pontos fundamentais: a preocupação com o planejamento da ocupação territorial; o estudo de paisagens fundamentalmente modificadas pelo homem e a análise de amplas áreas espaciais. Enquanto a abordagem ecológica, contrariamente à primeira, dá maior ênfase às paisagens naturais, à aplicação de conceitos da ecologia de paisagens para a conservação da diversidade biológica e ao manejo de recursos naturais (METGZER, 2001).
A ecologia da paisagem é uma ciência que possui três aspectos básicos essenciais: estrutura, que consiste na configuração específica dos elementos da paisagem no que se refere ao seu tamanho e forma, ao seu tipo e distribuição quantitativa, e seu arranjo no espaço; função, que corresponde as interações entre os elementos da paisagem, que se traduz nos fluxos de energia, matéria e espécies dentro da paisagem; desenvolvimento e mudança, que se refere a mudança da estrutura e função dependente do tempo (LANG; BLASCHKE, 2009).
3.3 FRAGMENTAÇÃO DA PAISAGEM
O crescimento urbano e a expansão da fronteira agrícola têm gerado enormes pressões sobre os ecossistemas florestais, o que intensifica os processos de fragmentação e perda da biodiversidade, uma vez que essas atividades exploram o solo de maneira excessiva e desordenada (LIMA; ROCHA, 2011). De acordo com Pirovani (2010), os aspectos mais graves do processo de fragmentação florestal são a perda da biodiversidade e o efeito de borda.
Segundo Lang e Blaschke (2009) causas naturais como, enchentes e deslizamentos, também podem desencadear o processo de fragmentação, no entanto a fragmentação de hábitats de origem antrópica, alcançou nos últimos decênios, dimensões nunca alcançadas historicamente, não podendo ser confundida, por tanto, com ocorrências naturais.
A fragmentação é conceituada como a ruptura de uma unidade de uma paisagem inicialmente contínua. Esse processo tem como resultado o surgimento de parcelas menores com dinâmicas diferentes das existentes no ambiente original (METZGER, 2003 apud ALMEIDA, 2008), ou seja, ocorrem alterações das condições do ecossistema, favorecendo a perda da biodiversidade.
Metzger (2001) aponta que o processo de fragmentação leva a formação de uma paisagem em mosaico com a estrutura formada por manchas ou fragmentos, corredores e a matriz (Figura 2).
Figura 2 – O modelo Mancha-Corredor-Matriz.
Fonte: LANG; BLASCHKE (2009) apud PIROVANI (2010).
A semelhança da paisagem fragmentada descrita por Metzger (2001), com ilhas distribuídas em um mar, gera uma situação que pode ser estudada pelo modelo de biogeografia de ilhas apresentado por Macarthur e Wilson (1967). Essa teoria basicamente diz que, em uma ilha, mancha ou fragmento, o número de espécies depende do balanço entre as taxas de imigração e extinção, estas por sua vez variam de acordo com o tamanho e isolamento da ilha, em que a riqueza de espécies é inversamente proporcional ao seu isolamento e diretamente ao seu tamanho.
A fragmentação da paisagem causa inúmeras consequências e pode ter origem abiótica ou biótica. Dentre as principais consequências de origem abiótica podemos citar, as alterações no microclima como na umidade do ar, temperatura e radiação solar, particularmente nas bordas dos fragmentos, que ficam mais sujeitas a exposição solar. O aumento dos riscos de erosão, assoreamento dos cursos d’água e redução gradativa do recurso hídrico, também são outras ações abióticas, pela menor capacidade de retenção de água das chuvas, maior velocidade de escoamento destas
e também uma maior evapotranspiração e maior possibilidade de ocorrência de espécies invasoras (BORGES et al., 2004).
Ainda segundo o mesmo autor, pode-se considerar como principais consequências de origem biótica: a perda da biodiversidade microbiológica do solo, da flora e da fauna, a perda da diversidade genética, a redução da densidade ou abundância e a alteração da estrutura da vegetação, dentre outros.
Além das consequências apresentadas, a fragmentação também propicia o contato das populações nativas com as plantas e animais domésticos. Dessa forma, as doenças das espécies domésticas podem então se espalhar mais rapidamente nas pouco imunes espécies silvestres, o contrário também é válido, visto que existe um potencial para que as doenças se espalhem das espécies silvestres para as plantas e animais domésticos, e até mesmo para as pessoas, com o aumento do contato entre elas (PRIMACK; RODRIGUES, 2001).
Calegari et al. (2010) ressaltam a importância da busca por conhecimento ecológico sobre os fragmentos florestais de uma área, com o intuito de aplicar a gestão ambiental correta quanto ao manejo florestal, podendo este ser estudado pela Ecologia da Paisagem, por meio da cartografia de uso e cobertura do solo.
3.4 MÉTRICAS DA PAISAGEM
A Ecologia da Paisagem utiliza-se de índices ou métricas, para as caracterizações quantitativas da estrutura da paisagem. Tais métricas permitem a comparação entre cenários, a identificação das principais diferenças, a determinação dos processos funcionais e os padrões das paisagens (VALENTE; VETTORAZZI, 2002). A realização de tais processos são uma fonte de informação que fornece um completo conhecimento da dinâmica da área a ser analisada (CARRÃO; CAETANO; NEVES, 2001).
As métricas são agrupadas em três níveis: mancha, classe e paisagem. As métricas relativas a manchas descrevem as características geométricas de manchas individuais, as métricas relativas a classes resumem todas as manchas de uma determinada classe, já as métricas do nível da paisagem referem-se a toda a paisagem (LANG; BLASCHKE, 2009). Dentre as diversas métricas existentes, elas ainda podem ser organizadas por categorias: métricas de área e borda, de forma, de área núcleo, de contraste, de agregação, de diversidade (MCGARIGAL, 2015).
A categoria ou grupo de área e borda representa uma coleção de métricas que lidam com o tamanho de manchas e a quantidade de bordas criadas por essas manchas. Embora essas métricas possam ser subdivididas em grupos separados já conhecidos, há semelhança suficiente nos padrões básicos avaliados por essas métricas para incluí-las sob o um único grupo (MCGARIGAL, 2015).
As métricas de área são as mais difundidas, elas quantificam a composição de uma paisagem e baseiam-se na porcentagem de área das classes individuais (LANG; BLASCHKE, 2009). Segundo Volotão (1998), o conhecimento de tais métricas são muito úteis em estudos ecológicos, uma vez que a riqueza e a abundância de certas espécies dependem das dimensões dos fragmentos da paisagem para existir.
As métricas de borda, tendo em vista a concepção de ecótono, desempenham um papel fundamental e o comprimento de borda de uma determinada área corresponde ao seu perímetro (LANG; BLASCHKE, 2009). A distância, ou profundidade de borda, a ser atribuída a um fragmento, dependerá da espécie sob estudo e do tipo de hábitat, já que as consequências do efeito de borda sobre a dinâmica e sobrevivência dos organismos, estão ligadas à espécie e/ou ao ecossistema em estudo (ALMEIDA, 2008).
As métricas de forma podem influenciar inúmeros processos ecológicos importantes, como a migração de espécies e a colonização de plantas de médio e grande porte (VOLOTÃO, 1998). Com base nessas métricas pode-se comparar a razão perímetro/área com a forma padrão, indicando assim a regularidade da forma (PIROVANI, 2010).
A área do núcleo é definida como a área dentro de uma mancha além de uma determinada distância de borda (MCGARIGAL, 2015). De acordo com Cemin, Perico e Rempel (2009), a área nuclear de um fragmento de mata é melhor indicativo de qualidade do que sua área total, sendo afetada diretamente pela forma e borda dos fragmentos.
As métricas de agregação referem-se à tendência com a qual os tipos de manchas agregam-se espacialmente, isso é, ocorrem em grandes distribuições de agregadas ou “contagiosas” (MCGARIGAL, 2015). Dentre as métricas dessa categoria mais utilizadas cita-se a de vizinho mais próximo. Segundo Volotão (1998), é definida como a distância de um fragmento para outro que está a sua volta, baseado na distância de borda a borda. Lang e Blaschke (2009) conceituam essa distância como
a menor distância de uma mancha de saída, fragmento em análise, para todas as manchas, correspondendo a distância à mancha mais próxima da mesma classe.
Cemin, Perico e Rempel (2009), utilizaram as métricas da paisagem para analisar a composição e configuração da paisagem da sub-bacia do Arroio Jacaré, localizada no Vale do Taquari, RS. As métricas utilizadas foram: área da mancha (AREA), índice de maior mancha (LPI), área média da mancha (AREA_MN), índice de forma médio (SHAPE_MN), área total do núcleo (TCA), densidade de mancha (PD), distância média Euclidiana do vizinho mais próximo (ENN_MN), índice de interseção e justaposição (IJI) e número de áreas do núcleo disjuntas (NDCA). A escolha destas métricas baseou-se em três critérios: significado ecológico, simplicidade de interpretação e consagração de seu uso em bibliografia especializada. Os resultados indicaram que boa parte da área de estudo ainda apresentava cobertura florestal nativa, embora bastante fragmentada, em que 87,82% dos fragmentos eram menores que 1 ha e 40% ainda apresentavam área nuclear.
Calegari et al. (2010), analisaram a dinâmica dos fragmentos florestais de Floresta Estacional Semidecidual Secundária, localizada no município de Carandaí, MG, entre os anos de 1984 e 2007. Para quantificação da estrutura, composição dos fragmentos florestais e comparação numa série histórica utilizaram-se os seguintes parâmetros em nível de classe de fragmentos e paisagem: área da paisagem (TA), área da classe (CA), índice de maior mancha (LPI), número de manchas (NP), área média da mancha (AREA_MN), densidade de borda (ED), índice de forma médio (SHAPE_MN), área total do núcleo (TCA), número de áreas do núcleo disjuntas (NDCA), índice médio da área do núcleo (CAI_MN), distância média Euclidiana do vizinho mais próximo (ENN_MN), coeficiente de variação da área da mancha (AREA_CV) e coeficiente de variação Euclidiana de distância do vizinho mais próximo (ENN_CV). Os resultados apontaram para um ganho na área total de floresta nativa, contudo a análise das métricas indicou a perda da qualidade dos fragmentos florestais, pois estes apresentaram tendência de redução de área, o que proporcionou aumento da densidade de borda e diminuição da área central de cada fragmento.
Paula e Rodrigues (2002) ao realizarem uma análise da fragmentação florestal da paisagem norte-paranaense, no ano de 1999, utilizaram as métricas: número de fragmentos; relação área/tamanho; formato e proximidade dos fragmentos. A relação área/tamanho mostrou que o Norte Novo, apresentou menor cobertura florestal (3,75% da área amostrada) em relação ao Norte Velho (5,19%), justificando
essa maior fragmentação do Norte Novo como causa do uso intensivo do solo em práticas agrícolas, aliadas à urbanização crescente da região. Em relação a forma dos fragmentos, eles notaram maior regularidade no formato dos fragmentos do Norte Novo, contudo destacaram que tal fato não isenta esses fragmentos do efeito de borda, uma vez que os fragmentos apresentaram áreas diminutas. Desta forma, concluíram que o Norte Novo, colonizado a partir de 1930 (Londrina) e 1947 (Maringá), sofreu maior degradação antrópica, em comparação ao Norte Velho, colonizado em meados do século XIX e início do século XX, tornando essa região mais suscetível a danos em larga escala.
3.5 SENSORIAMENTO REMOTO
Sensoriamento Remoto é definido como sendo o uso conjunto de sensores, equipamentos para processamento e transmissão de dados, colocados a bordo de aeronaves, espaçonaves, ou outras plataformas, e tem como objetivo estudar eventos, fenômenos e processos que ocorrem na superfície do planeta Terra a partir do registro e da análise das interações entre a radiação eletromagnética e as substâncias que o compõem, em suas mais diversas manifestações (NOVO, 2008).
Anteriormente aos trabalhos com imagens digitais, estas devem passar por uma série de procedimentos, conhecidos como tratamento, que consistem prioritariamente da correção geométrica e da identificação de padrões para melhor visualização humana. Tais procedimentos são normalmente realizados em ambiente de Sistemas de Informação Geográfica (SIG), que consiste em uma categoria de software que possibilita manipular dados vetoriais (linhas, pontos e polígonos) e matriciais (imagens), e são originalmente associados a uma projeção cartográfica (EASTMAN, 1996; ESRI, 2006; WENG, 2010 apud ABREU; COUTINHO, 2014). Dentre os programas utilizados para o tratamento dessas imagens, podemos citar os desenvolvidos pela Clark University (Idrisi), pela Esri (ArcGis), pelo Inpe (Spring), pela OSGeo (QGIS), dentre outros (FITZ, 2008).
As imagens de Sensoriamento Remoto em conjunto aos Sistemas de Informação Geográfica (SIGs), constituem uma ferramenta de grande importância para o entendimento da estrutura de uma paisagem, haja vista que permitem o mapeamento de uso e ocupação do solo, essencial para a observação dos impactos oriundos do seu manejo inadequado (CEMIN et al., 2007). Além disso, as informações
que subsidiam o conhecimento dos estudos estruturais da paisagem, utilizam métricas ou índices de ecologia, e muitas das quais podem ser produzidas a partir da utilização conjunta dessas técnicas (ABDALLA; CRUZ, 2015).
A série Landsat que teve início em 1972, tem permitido a aquisição de imagens da superfície terrestre até os dias atuais. A missão do programa é proporcionar imagens multi-espectrais calibradas, com resolução espacial relativamente alta se comparada a sensores meteorológicos (NOVO, 2008). A missão, envolveu até agora o lançamento de 8 satélites, gerenciados pela National Aeronautics and Space Administration (NASA) e pela U.S. Geological Survey (USGS) (EMBRAPA, 2013).
Em 1984, a NASA lançou o satélite Landsat TM5, que carregava dois instrumentos imageadores o Multispectral Scanner (MSS) e Thematic Mapper (TM). O instrumento MSS, com resolução espacial de 80 metros, foi desativado em 1995. O sensor TM, melhor que o MSS, constitui um sistema de varredura multiespectral. As bandas de 1 a 5 e 7 apresentam resolução espacial de 30 m, ou seja, um pixel da imagem possui 30 por 30 metros de área (900 m²), e a banda 6 de 120 m (Quadro 1). A resolução radiométrica é de 8 bits, podendo diferenciar 256 níveis de cinza, e a temporal é de 16 dias (NOVO, 2008).
Quadro 1 – Resolução espectral e espacial das bandas do sensor TM.
Bandas Espectrais Resolução Espectral Resolução Espacial
(B1) Azul 0,45 – 0,52 μm 30 m (B2) Verde 0,52 – 0,60 μm (B3) Vermelho 0,63 – 0,69 μm (B4) Infravermelho próximo 0,76 – 0,90 μm (B5) Infravermelho médio 1,55 – 1,75 μm (B6) Infravermelho termal 10,4 – 12,5 μm 120 m (B7) Infravermelho médio 2,08 – 2,35 μm 30 m
Fonte: Adaptado de EMBRAPA (2013).
O satélite Landsat 8, lançado em 2013, foi desenvolvido numa associação entre a NASA e a USGS. Ele transporta dois instrumentos de varredura, o Imageador Operacional da Terra (Operational Land Imager - OLI) e o Sensor Infravermelho Térmico (Thermal Infrared Sensor - TIRS). O OLI foi aprimorado com a adição de duas
novas bandas espectrais, uma para detecção de nuvens cirros e outra para observar zonas costeiras (USGS, 2018).
As imagens fornecidas por esses sensores proporcionam resolução espacial de 30 metros (visível, NIR, SWIR), 100 metros (termal) e 15 metros (pancromática). A resolução radiométrica foi aperfeiçoada para 12 bits, o que propicia a diferenciação de 4096 níveis de cinzas, a resolução temporal permanece 16 dias (USGS, 2018).
3.5.1 Classificação de imagem
Os métodos de classificação de imagem, constituem uma das principais ferramentas para análise de imagens multiespectrais, em que registra-se a reflectância dos alvos em várias faixas de comprimento de onda, entre a região do visível e do infravermelho (FITZ, 2008). Esses procedimentos consistem em atribuir significado a um pixel em função de suas propriedades numéricas (NOVO, 2008). Ainda segundo a autora, a classificação pode ser não-supervisionada e supervisionada, dependendo do grau de intervenção que o analista tem no processo.
A classificação não-supervisionada é recomendada em situações em que não se tem acesso à área trabalhada, uma vez que o método classifica os pixels de forma automática por meio de uma padronização de sua reflectância (FITZ, 2008). Na classificação supervisionada, os parâmetros de classificação são definidos pelo analista, sendo necessário o conhecimento das características da área de estudo, logo, a competência técnica do profissional é significativa para o sucesso da classificação (FITZ, 2008).
O método da Máxima Verossimilhança ou (MaxVer), segundo Fitz (2008) é o mais utilizado dentre os classificadores supervisionados, e se baseia na escolha de áreas que possam ser representativas de determinadas feições conhecidas, as quais vão compor o conjunto de amostras. Destes elementos amostrais, são calculadas as médias e a covariância de cada classe e então a probabilidade de um pixel externo a essas amostras pertencer a elas, por meio da distribuição de probabilidade normal multivariada.
Outro método de classificação supervisionada é o método da Mínima Distância. Esse algoritmo classifica cada pixel na classe cuja média possui menor distância em relação ao referido pixel (RICHARDS; JIA, 2006), ou seja, atribui a cada pixel da imagem um determinado valor, conforme a classe mais próxima dele,
minimizando dessa forma problemas como os de pixels que possuem respostas espectrais provenientes de duas classes diferentes, como por exemplo, diferentes tipos de vegetação, lavouras etc (FITZ, 2008).
O Mapeamento de Ângulo Espectral (Spectral Angle Mapper – SAM) é um outro algoritmo de classificação supervisionada, em que os limites de decisão são estabelecidos pela indicação do menor ângulo entre cada pixel e os espectros de referência da imagem, obtido por meio de amostras de treinamento (RICHARDS, 2013).
4 MATERIAL E MÉTODOS
4.1 LOCALIZAÇÃO DA ÁREA DE ESTUDO
O Parque Estadual Mata dos Godoy (PEMG) está localizado no município de Londrina, Estado do Paraná e tem como centro as coordenadas 23º 27' de latitude S e 51º 15' de longitude W (IAP, 2002) e sua Zona de Amortecimento se estende pelos municípios de Londrina, Cambé, Arapongas, Rolândia e Apucarana. Dessa forma, os limites geográficos da área de estudo desse trabalho buscaram abranger a delimitação da ZA estabelecida pelo Plano de manejo do parque e pela Portaria nº 160 e os municípios de maior influência sobre a ZA, visto que a paisagem deve ser estudada no seu contexto e fragmentos florestais vizinhos da área de estudo também influenciam os fatores ecológicos no interior dessa área (CALEGARI et al., 2010), logo a área de estudo é delimitada pelas coordenadas UTM 7369105 S; 434175 O (ponto inferior esquerdo) e 7438525 S; 515295 O (ponto superior direito), fuso 22 (hemisfério Sul). (Figura 3).
Figura 3 – Localização da área de estudo.
Fonte: Autoria própria (2018).
O clima da região, segundo classificação de Koeppen, é do tipo Cfa (subtropical úmido). A pluviometria é caracterizada por geadas pouco frequentes e
chuvas concentradas nos meses de verão, contudo sem estação seca definida, ocorrendo precipitações em todos os meses do ano (IAPAR, 2015).
4.2 COMPOSIÇÃO DO BANCO DE DADOS
Para a comparação temporal da área de estudo, foram escolhidas três datas de imagens, para os anos de 1998 e 2008, foram utilizadas imagens do satélite Landsat-5 TM, sendo essas correspondentes aos dias 27 de julho e 08 de setembro respectivamente, já para o ano de 2018, foi utilizada imagem do satélite Landsat 8 e a data escolhida foi 18 de julho. Todas as imagens foram adquiridas gratuitamente no Earth Explorer do USGS por meio do site: https://earthexplorer.usgs.gov. Justificam-se as datas escolhidas, pois, o preJustificam-sente trabalho buscou avaliar as modificações na paisagem ocorrida em intervalos de dez anos. Ressalta-se ainda que os meses escolhidos estão ligados a seleção de imagens com baixa cobertura de nuvens.
Para o processamento digital das imagens foi utilizado o software livre de Sistema de Informação Geográfica (SIG) QGIS (Quantum Gis), versão 3.2. Foi utilizada a projeção cartográfica UTM (Universal Transversa de Mercator) e o Sistema de Referência SIRGAS2000 (Sistema de Referência Geocêntrico para as Américas), Sistema Geodésico de Referência oficialmente adotado no Brasil, conforme Resolução da Presidência IBGE (Instituto Brasileiro de Geografia e Estatística) nº 01/2015. Todas as etapas do processamento das imagens foram realizadas por meio do Semi-Automatic Classification Plugin (SCP). O SCP é um plugin desenvolvido por Luca Congedo, em 2013, e é considerado um dos mais importantes complementos do QGIS, visto que permite a classificação supervisionada de imagens, por meio de três algoritmos diferentes, MaxVer, Mínima Distância e Mapeamento de Ângulo Espectral, além de ser considerado completo, por permitir desde o download das imagens até a avaliação estatística e correção dos mapas produzidos (CONGEDO, 2018).
4.3 PRÉ-PROCESSAMENTO DAS IMAGENS
As imagens adquiridas foram importadas para o software QGis, e em seguida aplicou-se a correção atmosférica, pelo método DOS1 (Dark Object Subtraction), técnica na qual a interferência atmosférica é estimada diretamente a partir dos números digitais (ND) da imagem de satélite, sendo ignorada a absorção atmosférica.
A aplicação desse método não exige a aquisição de dados sobre as condições atmosféricas na data de obtenção das imagens (SANCHES et al., 2011). Supõe-se que o menor valor de brilho da imagem deveria ser zero. Subtrai-se, proporcionalmente em cada banda, o mínimo valor calculado, pois este mínimo seria o efeito aditivo causado pelo espalhamento atmosférico.
A fim de poupar esforço computacional e filtrar a área de interesse, as imagens foram recortadas. Cabe aqui destacar, que as imagens do satélite Landsat-5 TM baixadas já são corrigidas geometricamente, dispensando a execução da etapa de registro das imagens no presente estudo.
Em seguida, as bandas foram unidas a fim de gerar uma imagem para cada ano na composição colorida R5G4B3, ou seja, as bandas 5, 4 e 3 dos sensores nas cores vermelha (red), verde (green) e azul (blue), com o objetivo de proporcionar uma melhor identificação dos alvos para a realização da classificação das imagens.
4.4 PROCESSAMENTO DAS IMAGENS
Para que fosse possível realizar a análise dos fragmentos florestais, foi necessária a elaboração de mapas temáticos de uso e cobertura do solo nos anos de 1998, 2008 e 2018 da área de estudo. Aplicou-se o método de classificação supervisionada para a geração desses mapas, com três algoritmos, sendo eles a Máxima Verossimilhança (MaxVer), a Mínima Distância e o Mapeamento de Ângulo Espectral. Dessa forma, foram estabelecidas as seguintes classes temáticas: água, vegetação, agricultura e solo exposto. A classe agricultura representa as áreas de cultivo com plantio, e portanto, com cobertura vegetal. A classe solo exposto também pode estar associada a áreas de cultivo, mas nesse caso a cobertura do solo é predominante, devido a estágio de cultura recém-plantada ou recém-colhida.
Foram coletadas 20 amostras de treinamento para cada classe. A coleta de amostras foi realizada por meio da interpretação visual de características da imagem como tonalidade, textura, forma, tamanho, sombra, padrão e localização (NOVO, 2008). Deve ser ressaltado que a escolha das amostras das imagens teve como objetivo minimizar a confusão das classes.
Para a verificação da acurácia da classificação, foi utilizado o coeficiente de Índice Kappa e a Exatidão Global. O primeiro é uma técnica multivariada discreta usada na avaliação de precisão para determinar estatisticamente se uma matriz de
confusão é diferente de outra, ou seja, é uma medida de concordância entre os dados classificados e o de referência (CONGALTON; GREEN, 1999). Uma matriz de confusão é uma matriz quadrada, de ordem n, onde n representa o número de classes definidas, em que nas suas linhas são representados os dados de referência e nas colunas os dados classificados (MACHADO; GIANNOTTI; ALBUQUERQUE, 2016). Tendo a matriz de confusão, o coeficiente Kappa (K) pode ser determinado pela Equação 1 (RICHARDS, 1986).
𝐾 =
𝑛 ∑𝑘𝑖=1𝑛𝑖𝑖− ∑𝑘𝑖=1(𝑛𝑖+∗𝑛+𝑖) 𝑛2−∑ (𝑛 𝑖+∗𝑛+𝑖) 𝑘 𝑖=1 (1)Onde, 𝑛𝑖𝑖 é o valor na linha 𝑖 e coluna 𝑖; 𝑛𝑖+ é a soma da linha 𝑖; 𝑛+𝑖 é a soma da coluna 𝑖 da matriz de confusão; 𝑛 é o número total de amostras e 𝑘 é o número total de classes.
O índice kappa (K), varia de 0 a 1, e sua interpretação pode ser analisado pelas seguintes faixas de valores, em que, valores maiores que 0,75 representam excelente concordância, valores situados entre 0,40 e 0,75 representam concordância mediana e por fim, valores abaixo de 0,40 representam baixa concordância (LANDIS; KOCH, 1977 apud PERROCA; GAIDZINSKI, 2003).
A exatidão global (EG) é calculada dividindo a soma da diagonal principal da matriz de confusão
𝑛
𝑖𝑖, pelo número total de amostras coletadas𝑛
, de acordo com a Equação 2 (RICHARDS, 1986), portanto, apenas quantifica o percentual de acertos.𝐸𝐺 =
∑𝑘𝑖=1𝑛𝑖𝑖𝑛 (2)
4.5 PÓS-TRATAMENTO DAS IMAGENS
Após a classificação, realizou-se a limpeza de pixels isolados, com o objetivo de eliminar fragmentos muito pequenos, iguais ou menores que 10 pixels (equivalente a 9000 m²), de cada classe, melhorando assim a visualização do resultado e facilitando o processamento nas próximas etapas.
Em seguida, foi feita a análise de acurácia com todos os algoritmos de classificação, a fim de escolher o melhor algoritmo para seguir nas etapas seguintes
do processamento. Para tanto, foram coletadas 10 amostras de cada classe na composição colorida R5G4B3. Essas amostras foram então comparadas com as classificações. Do resultado obtido, o critério utilizado para escolha da melhor classificação foi o algoritmo com maior índice Kappa e exatidão global.
Selecionada a melhor classificação para cada ano, essas foram editadas de forma que a área urbana pode ser substituída pelos dados obtidos do Global Urban Footprint. Destaca-se que a área urbana não foi classificada como as demais classes, para minimizar a ocorrência de confusão com os pixels de solo exposto, os quais possuem comportamento espectral semelhante.
4.6 SELEÇÃO E CÁLCULO DAS MÉTRICAS
Para o cálculo das métricas dos fragmentos florestais, foram utilizados os fragmentos pertencentes à classe temática de vegetação, identificados nas imagens classificadas.
A análise espacial dos fragmentos florestais foi realizada no Programa Fragstats, versão 4.2, constituído por um conjunto de algoritmos que quantifica a composição e a configuração da paisagem (MCGARIGAL, 2015). Para quantificar a estrutura e composição dos fragmentos florestais e compará-las numa série histórica (1998, 2008 e 2018), foram analisadas para a área de estudo as seguintes categorias de métricas: área e borda, forma, área núcleo e agregação, em nível de mancha e classe. A seleção das métricas foi baseada em um levantamento bibliográfico de oito estudos recentes (Apêndices A a E), o critério de escolha se deu pelas métricas que foram utilizadas por pelo menos metade das referências analisadas. As demais métricas foram selecionadas pela sua simplicidade de análise e por fornecerem informações interessantes para o presente estudo.
Nos Quadros 2 e 3 são apresentadas as equações e a descrição, das métricas da Ecologia da Paisagem propostas por McGarigal (2015), selecionadas para este trabalho.
Quadro 2 – Fórmula e descrição das Métricas da Ecologia da Paisagem, em nível de mancha,
selecionadas para o presente estudo.
Categoria Métrica Sigla e intervalo (unidade) Fórmula Descrição Área e Borda Área da mancha 𝑨𝑹𝑬𝑨 > 𝟎(𝒉𝒂) (sem limites) 𝑨𝑹𝑬𝑨𝑴𝑵 = 𝒂𝒊𝒋𝒙 ( 𝟏 𝟏𝟎𝟎𝟎𝟎) Área de cada fragmento da classe. Forma Índice de forma 𝑺𝑯𝑨𝑷𝑬 ≥ 𝟏(adimensional) (sem limites) 𝑺𝑯𝑨𝑷𝑬 =𝟎, 𝟐𝟓𝒙𝒑𝒊𝒋 √𝒂𝒊𝒋 Expressa a forma de cada fragmento. Quanto maior o índice, mais irregular é a forma do fragmento, comparado a forma padrão (SHAPE=1, quadrado) Área Núcleo Área do núcleo 𝑪𝑶𝑹𝑬 ≥ 𝟎(𝒉𝒂) (sem limites) 𝑪𝑶𝑹𝑬 = 𝒂𝒊𝒋𝒄𝒙 ( 𝟏 𝟏𝟎𝟎𝟎𝟎) Mede a quantidade de área central de cada fragmento separada da borda por uma distância pré-definida. Agregação Distância euclidiana do vizinho mais próximo 𝑬𝑵𝑵 > 𝟎(𝒎) (sem limite) 𝑬𝑵𝑵 = 𝒉𝒊𝒋 Quantifica a distância para o fragmento vizinho mais próximo da mesma classe, com base na menor distância de borda a borda. Abreviaturas: 𝒂𝒊𝒋= área (m²) da mancha ij; 𝒑𝒊𝒋= perímetro (m) da mancha ij; 𝒂𝒊𝒋𝒄= área (m²) do núcleo da mancha ij com base na borda especificada (m); 𝒉𝒊𝒋= distância da mancha ii à mancha de vizinho mais próximo com o mesmo tipo de classe, baseada na distância borda a borda, calculado do centro da célula ao centro de outra célula.
Quadro 3 – Fórmula e descrição das Métricas da Ecologia da Paisagem, em nível de classe,
selecionadas para o presente estudo.
Categoria Métrica Sigla e intervalo (unidade) Fórmula Descrição Área e Borda Área média da mancha 𝑨𝑹𝑬𝑨𝑴𝑵 > 𝟎(𝒉𝒂) (sem limites) 𝑨𝑹𝑬𝑨𝑴𝑵 = ∑ 𝒂𝒊𝒋 𝒏 𝒋=𝟏 𝒏𝒊 𝒙 ( 𝟏 𝟏𝟎𝟎𝟎𝟎) Área média de todos os fragmentos da classe. É uma informação base para o cálculo de outras métricas. Área e
Borda Área total
𝑪𝑨 > 𝟎 (𝒉𝒂) (sem limites) 𝑪𝑨 = ∑ 𝒂𝒊𝒋𝒙 𝒏 𝒋=𝟏 ( 𝟏 𝟏𝟎𝟎𝟎𝟎) Calcula quanto da paisagem é composta por um tipo de mancha específica. É uma informação base para o cálculo de outras métricas. Área e Borda Densidade de borda 𝑬𝑫 ≥ 𝟎 (𝒎 𝒉𝒂) (sem limites) 𝑬𝑫 =∑ 𝒆𝒊𝒌 𝒎 𝒌=𝒊 𝑨 𝒙(𝟏𝟎𝟎𝟎𝟎) Demonstra como a área dos fragmentos são influenciados pelo meio circundante. Menor valor significa menor efeito de borda, indicando maior grau de conservação. Área e Borda Índice de maior mancha 𝟎 < 𝑳𝑷𝑰 ≤ 𝟏𝟎𝟎(%) 𝑳𝑷𝑰 = 𝒎𝒂𝒙𝒋=𝟏 𝒏 (𝒂 𝒊𝒋) 𝑨 𝒙(𝟏𝟎𝟎) Indica a porcentagem da paisagem compreendida pelo maior fragmento.
Categoria Métrica Sigla e intervalo (unidade) Fórmula Descrição Área e Borda Porcentagem de área 𝟎 < 𝑷𝑳𝑨𝑵𝑫 ≤ 𝟏𝟎𝟎(%) 𝑷𝑳𝑨𝑵𝑫 = 𝑷𝒊 = ∑ 𝒂𝒊𝒋 𝒏 𝒋=𝒊 𝑨 𝒙(𝟏𝟎𝟎) Quantifica a abundância proporcional de cada tipo de fragmento na paisagem. Forma Índice de forma médio 𝑺𝑯𝑨𝑷𝑬𝑴𝑵 ≥ 𝟏(adimensional) (sem limites) 𝑺𝑯𝑨𝑷𝑬𝑴𝑵 = ∑ (. 𝟐𝟓𝒙𝒑𝒊𝒋 √𝒂𝒊𝒋 ) 𝒏 𝒋=𝟏 𝒏𝒊 Expressa a forma média dos fragmentos de uma classe, comparada a uma forma padrão. Área Núcleo Área total do núcleo 𝑻𝑪𝑨 ≥ 𝟎(𝒉𝒂) (sem limites) 𝑻𝑪𝑨 = ∑ 𝒂𝒊𝒋 𝒄 𝒏 𝒋=𝒊 𝒙 ( 𝟏 𝟏𝟎𝟎𝟎𝟎) Mede a área central média dos fragmentos, separada da borda por uma distância pré-definida, de uma classe. Agregação Número de manchas 𝑵𝑷 ≥ 𝟏 adimensional (sem limites) 𝑵𝑷 =𝒏𝒊 É igual ao número de fragmentos da classe. É uma informação base para o cálculo de outras métricas Agregação Densidade de manchas 𝑷𝑫 > 𝟎 ( 𝒏º 𝟏𝟎𝟎𝒉𝒂) (restringido pelo tamanho da célula) 𝑷𝑫 = 𝒏𝒊 𝑨 𝒙(𝟏𝟎𝟎𝟎𝟎)𝒙(𝟏𝟎𝟎) Mede a densidade de fragmentos em 100 ha de área de paisagem.
Categoria Métrica Sigla e intervalo (unidade) Fórmula Descrição Agregação Distância média euclidiana do vizinho mais próximo 𝑬𝑵𝑵𝑴𝑵 > 𝟎(𝒎) (sem limite) 𝑬𝑵𝑵𝑴𝑵 = ∑ 𝒉𝒊𝒋 𝒏 𝒋=𝟏 𝒏′𝒊 Quantifica a distância para o fragmento vizinho mais próximo do mesmo tipo, com base na menor distância de borda a borda (do centro de uma célula ao centro da outra). Agregação Conectividade 𝟎 ≤ 𝑪𝑶𝑵𝑵𝑬𝑪𝑻 ≤ 𝟏𝟎𝟎(%) 𝑪𝑶𝑵𝑵𝑬𝑪𝑻 = [ ∑ 𝒄𝒊𝒋𝒌 𝒏 𝒋≠𝒌 𝒏𝒊𝒙(𝒏𝒊− 𝟏) 𝟐 ] 𝒙𝟏𝟎𝟎 A conectividade é definida pelo número de junções funcionais entre os fragmentos do mesmo tipo, em que cada par de fragmentos está conectado ou não com base em um critério de distância especificado pelo usuário. Abreviaturas: 𝒂𝒊𝒋= área (m²) da mancha ij; e 𝒏𝒊= número de fragmentos na paisagem de cada tipo de mancha (i); 𝒆𝒊𝒌= comprimento total (m) de borda na paisagem; 𝑨= área total da paisagem (m²); 𝑷𝒊=
proporção da paisagem ocupada pela mancha tipo (classe) i; 𝒑𝒊𝒋= perímetro (m) da mancha ij; 𝒂𝒊𝒋𝒄= área (m²) do núcleo da mancha ij com um valor de buffer especificado (m); 𝒉𝒊𝒋= distância da mancha ii à mancha de vizinho mais próximo com o mesmo tipo de classe, baseada na distância borda a borda, calculado do centro da célula ao centro de outra célula; 𝒏′𝒊= número de fragmentos da classe i na paisagem, que tenham vizinho próximo; 𝒄𝒊𝒋𝒌= juntando-se entre a mancha j e k (0 = não junto e 1 = junto) do mesmo tipo de mancha, com base em um usuário de distância especificado de distância limiar.
Fonte: McGarigal (2015).
Na impossibilidade técnica de definir a distância de borda com base na espécie sob estudo e do tipo de habitat, para o cálculo das métricas de área central, foi considerada a distância de 35 m para efeito de borda, escolha baseada nos estudos
de Rodrigues (1998). Neste trabalho o autor relata para a Floresta Estacional Semidecidual no Paraná, que vários aspectos da borda tiveram a mesma largura de 35 metros, dentre eles alterações no déficit de pressão de vapor e na diversidade de espécies de plantas. Esse valor também foi adotado por Paula e Rodrigues (2002) em seus estudos sobre a degradação da paisagem norte-paranaense, por Herrmann, Rodrigues e Lima (2005) em suas análises sobre a influência dos índices da paisagem sobre as bordas de fragmentos florestais próximos à cidade de Londrina, PR e por Matos (2006) em seu estudo sobre a qualidade ambiental e conservação dos fragmentos florestais em Londrina.
Entretanto, cabe destacar que a utilização dessa métrica, não permite obter o real efeito de borda sobre os fragmentos, visto que por apresentarem heterogeneidade de espécies, habitats e região de influência entre os fragmentos e até mesmo dentro de um mesmo fragmento, estes podem estar sob diferente efeito de borda. Dessa forma, uma espécie de mamífero pode estar sob diferente efeito de borda que uma ave, por exemplo.
Para o cálculo da métrica CONNECT foi utilizado o valor de 100 m, que corresponde a distância limite dentro da qual os fragmentos são considerados conectados. Este valor foi adotado a partir do estudo de Lima (2014), que considerou um raio de busca de 100 metros para analisar a conectividade estrutural e funcional da paisagem das áreas de floresta ripária (FR) dos rios Pitangui, São Jorge e São João, no segundo planalto paranaense.
Depois de mapeados, os fragmentos florestais foram divididos em classes de tamanho: pequenos (menores que 5 ha), médios (entre 5 e 50 ha) e grandes (maiores que 50 ha). Classificações semelhantes foram utilizadas por Pirovani et al. (2014), Pirovani (2010), Cunha et al. (2014) e Almeida (2008).
O grau de isolamento dos fragmentos de vegetação, em nível de mancha, foi classificado com base nos estudos de Almeida (2008), que classificou as distâncias de 60, 120, 200 e >200 m como de baixo, médio, alto e muito alto isolamento, respectivamente. Celegari et al. (2010) e Santos (2017) et al. também adotaram em seus trabalhos essa mesma classificação.
Os intervalos de classes adotados para avaliar o índice de forma (1 a 2, 2 a 3 e acima de 3) e área central (menor de 10 ha, entre 10 e 50 ha e acima de 50 ha) dos fragmentos, em nível de mancha, foi adotado de acordo com Lucas (2011) e Lima e Rocha (2011).
Na Figura 4 sintetiza-se os procedimentos metodológicos do presente estudo.
Figura 4 – Esquema metodológico da pesquisa.
5 RESULTADOS E DISCUSSÕES
5.1 USO E OCUPAÇÃO DO SOLO
A composição colorida R5G4B3 permite a identificação das classes de uso e cobertura da terra a partir de seu comportamento espectral, da seguinte maneira: os corpos d’água são reconhecidos pela coloração azul escura; a coloração verde pode corresponder a duas classes, a de agricultura ou a de vegetação, diferenciadas pelos contornos poligonais e textura lisa, e contornos irregulares e textura rugosa, respectivamente; já os tons de rosa e roxo podem representar a área urbana, diferenciada pelo padrão de arruamento, ou o solo exposto, de textura lisa.
Nas Figuras 5, 6 e 7 apresenta-se respectivamente as imagens referentes aos anos 1998, 2008 e 2018, na composição colorida R5G4B3, e recortadas de acordo com a área de interesse.
É importante ressaltar que muitas das diferenças observadas entre as três imagens, devem-se ao fato de ser uma região com intensa atividade agrícola e certas variações podem ser atribuídas aos diferentes estágios de cultivo observados em cada data. Cita-se, como por exemplo, a fase pré-colheita, em que uma área agrícola apresenta cor verde na composição colorida e a mesma área na fase pós-colheita, em que predomina a cobertura do solo exposto, possui tons de roxo, rosa e lilás.
Além disso, a diferença de iluminação entre as datas avaliadas produz tons diferenciados em cada ano, o que pode ser observado inclusive pela nitidez de algumas feições de relevo na região sul da imagem (principalmente para o ano de 1998), devido ao sombreamento causado pela elevação solar.
Como já exposto, a classificação supervisionada das imagens foi realizada com três algoritmos diferentes, o Máxima Verossimilhança, a Mínima Distância e o Mapeamento de Ângulo Espectral. Dessa forma, escolheu-se o melhor método para cada ano, a partir do Índice Kappa e da Exatidão Global.
Figura 5 - Imagem Landsat 5/TM na composição colorida R5G4B3 da área de estudo em 1998.
Figura 6 - Imagem Landsat 5/TM na composição colorida R5G4B3 da área de estudo em 2008.
Figura 7 - Imagem Landsat 8/OLI na composição colorida R5G4B3 da área de estudo em 2018.
Fonte: Autoria própria (2018).
5.1.1 Análise de acurácia
Para o ano de 1998, todos os algoritmos geraram visualmente e estatisticamente um bom resultado, contudo o melhor algoritmo de classificação e o utilizado para o cálculo das métricas foi o MaxVer, como podemos observar na Tabela 1. Ainda assim, o pequeno erro obtido foi resultante da confusão de pixels de tonalidade verde escura de agricultura que foram classificados com vegetação, e pixels de água que foram confundidos com solo exposto, isso ocorre em razão da resposta espectral da água ser semelhante à de pontos altamente urbanizados.
Tabela 1 – Resultado do cálculo de índices para a avaliação da acurácia (1998).
MAXVER Mínima Distância Ângulo Espectral
Exatidão Global 98,76 % 97,19 % 95,93 %
Índice Kappa 0,9823 0,9600 0,9422
Fonte: Autoria própria (2018).
A classificação gerada a partir da imagem Landsat TM 5 de 2008 foi um pouco inferior a de 1998 e 2018, pois um maior número de pixels foram confundidos. Pixels de agricultura foram confundidos com vegetação e solo exposto, e vice-versa. Isso pode ter ocorrido por erro de aquisição das amostras ou por algumas amostras apresentarem resposta espectral semelhante a outras amostras pertencentes a classes diferentes. Dessa forma, o algoritmo escolhido foi o Mínima Distância, como apresentado na Tabela 2.
Tabela 2 – Resultado do cálculo de índices para a avaliação da acurácia (2008).
MAXVER Mínima Distância Ângulo Espectral
Exatidão Global 95,51 % 96,88 % 96,25 %
Índice Kappa 0,9345 0,9542 0,9450
Fonte: Autoria própria (2018).
O melhor resultado foi obtido pela classificação gerada a partir da imagem Landsat 8 de 2018. O algoritmo escolhido foi o MaxVer, por ser o mais utilizados nas bibliografias pesquisadas, no entanto ele não gerou confusão das classes, assim como o Mínima Distância, como apresentado na Tabela 3.
Tabela 3 – Resultado do cálculo de índices para a avaliação da acurácia (2018).
MAXVER Mínima Distância Ângulo Espectral
Exatidão Global 100,00 % 100,00 % 95,06 %
Índice Kappa 1,0 1,0 0,9281
Fonte: Autoria própria (2018).
A exatidão global mostrou que para todos os anos e algoritmos, mais de 95% dos pontos amostrados foram classificados corretamente. Machado et al. (2013)
