UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO
Evolução da biodiversidade em cumeadas de montanha:
um caso de estudo na Serra do Marão, norte de Portugal
Dissertação de Mestrado em Sistemas de Informação Geográfica
Ana Helena Gonçalves Paiva Magalhães Ferreira
Orientador: Professor Doutor José Tadeu Marques Aranha
Co-orientador: Professor Doutor Mário Gabriel Santiago dos Santos
i
Dissertação de mestrado em Sistemas de Informação Geográfica, apresentada ao Departamento de Ciências Florestais e Arquitectura Paisagista da Universidade de Trás-os-Montes e Alto Douro, realizada sob a orientação do Professor Doutor José Tadeu Marques Aranha do Departamento de Ciências Florestais e Arquitectura Paisagista da Universidade de Trás-os-Montes e Alto Douro, em conformidade com o Decreto-Lei n.º 216/92, de 13 de Outubro.
ii
O ORIENTADOR
__________________________________ (Professor Doutor:José Tadeu Marques Aranha)
iii
Índice:
Capítulo: I – Introdução e Motivação... 1
1.1.Introdução: ... 1
1.2.Justificação da escolha do tema e da área de estudo: ... 1
1.3.Objetivo: ... 2
1.4. Estrutura do Trabalho ... 2
Capítulo: II – Revisão Bibliográfica ... 4
2.1 Sistemas de Informação Geográfica ... 4
2.1.1. Definições ... 4
2.1.2. Origem e Evolução dos Sistemas de Informação Geográfica ... 5
2.1.3 Tipos de Sistemas de Informação Geográfica ... 9
2.1.4 Detecção Remota ... 11
2.1.7 Procedimentos e Ferramentas em Ambiente SIG ... 14
2.2 Aplicações SIG ... 17
2.2.1 SIG Aplicado à Ecologia ... 18
2.3 Ecologia ... 18
2.3.1 Diversidade de Vertebrados ... 19
2.3.1.1 Livro Vermelho de Vertebrados de Portugal ... 21
Capítulo: III – Material e Métodos ... 22
... 22
3.2. Material ... 23
3.3. Métodos ... 24
Capítulo: IV – Apresentação da Área de Estudo ... 26
4.1. Parques Eólicos na Serra do Marão ... 29
Capítulo V – Apresentação, Análise e Discussão dos Resultados... 31
Mamíferos... 34
Aves ... 37
Capítulo VI – Conclusão ... 40
iv
Índice de Tabelas:
Tabela 1: Caracteristicas dos satélites LandSat ... 13
Tabela 2: Diversidade de Vertebrados ... 20
Tabela 3:Formação da Base de Dados ... 23
Tabela 4: Uso e Ocupação do solo ... 28
Tabela 5: Extrato da Tabela de atributos ... 33
v
Índice de Figuras:
Figura 1: Evolução tecnologica dos SIG ... 8
Figura 2:Componentes de um SIG ... 8
Figura 3: Elementos do modelo vetorial e interdependência entre os polígonos, linhas, pontos e as coordenadas. ... 9
Figura 4: Comparação entre a estrutura topológica e estrutura spaghetti. ... 10
Figura 5:Esquema ilustrativo modelo de regressão linear multivariável ... 16
Figura 6: Pontos e Quadrículas de amostragem ... 22
Figura 7: Caracterização morfológica da área de estudo ... 27
Figura 8:Tipo de Ocupação do solo ... 27
Figura 9:Localização da área de estudo ... 29
Figura 10:Índice de vegetação NDVI para 4 datas e para a área de estudo ... 32
Figura 11: Dinâmica da abundância e riqueza de mamíferos... 35
Figura 12: Estimativa da distribuição espacial da abundância de mamíferos ... 36
Figura 13: Estimativa da distribuição espacial da riqueza de mamíferos ... 37
Figura 14: Dinâmica da abundância e riqueza de aves ... 38
Figura 15: Estimativa da distribuição espacial da abundância de aves ... 39
Figura 16: Estimativa da distribuição espacial da riqueza de aves ... 39
vi
Lista de Acrónimos de Siglas
CLC – Corine Land Cover
COS – Carta de Ocupação do Solo EUA – Estados Unidos da América
GWR – Geographical Weighted Regression - Regressão ponderada geograficamente IDW- Inverse Distance Weighted - Inverso do Quadrado das Distâncias
LEA – Laboratório de Ecologia Aplicada
NDVI - Normalized Difference Vegetation Index – Índice de Vegetação por Diferença Normalizada
OLS – Ordinary Least Squares – Quadrados Minímos Ordinários (MQO) SIG – Sistema de Informação Geográfica
vii
Agradecimentos
Quero agradecer ao Professor Doutor José Tadeu Marques Aranha por ter aceitado ser o orientador da minha dissertação, pela paciência, atenção, ensinamentos e dedicação demonstrada a este trabalho.
Ao Professor Doutor Mário Gabriel Santiago dos Santos por ter aceitado ser o meu co-orientador, pela disponibilidade, conhecimento,conselhos e sugestões,ao Laboratório de Ecologia Aplicada da UTAD, que disponibilizou os dados necessários para a realização da dissertação.
Ao Luís, um agradecimento especial pelo apoio e carinho diário, pela transmissão de confiança e de força, em todos os momentos.
À Minha Família, em especial aos Meus Pais e à Minha Madrinha, um enorme obrigada por acreditarem sempre em mim, por todos os ensinamentos de vida, pelo apoio moral e paciência durante este trabalho. Espero que esta etapa, que agora termino, possa, de alguma forma, retribuir e compensar todo o carinho, apoio e dedicação que, constantemente, me oferecem. A eles, dedico todo este trabalho.
viii
Resumo
A presente dissertação baseia-se na ideia de que as Tecnologias de Informação Geográfica, nomeadamente a Detecção Remota e os Sistemas de Informação Geográfica são uma ferramenta indispensável para vários estudos de ecologia, designadamente na monitorização ambiental e noutros domínios com forte abrangência espacial.No presente trabalho pretende-se demonstrar a aplicabilidade de duas ferramentas SIG, a Regressão Ponderada Geograficamente (GWR) e o Método de Interpolação Espacial pelo Inverso do Quadrado das Distâncias - Inverse Distance Weighted - (IDW) na previsão de tendências ecológicas relevantes para avaliar a evolução da biodiversidade na Serra do Marão nomeadamente nos parques eólicos. A ferramenta GWR foi a abordagem seleccionada em virtude de permitir realizar uma análise multidimensional baseada em características morfológicas do terreno e ajustar um modelo de regressão a cada ponto observado, ponderando todas as demais observações em função da localização a esse ponto.A ferramenta IDW baseia-se no valor da característica em análise e calcula a distribuição espacial em função da distância entre os pontos de amostra.
O objetivo inicial era abordar todos os grupos de vertebrados, mas uma vez que os dados de que disponha em relação ao grupo de anfíbios e de repteis não se expressou significativo, realizou-se apenas para o grupo de mamíferos e de aves.
Palavras chave: Biodiversidade, SIG, SIC, Interpolação Espacial, Regressão Geográfica,
ix
Abstract
This dissertation is based on the idea that the Geographic Information Technologies, including Remote Sensing and Geographic Information Systems are an indispensable tool for various ecological studies, including environmental monitoring and other areas with strong spatial extent. In the present study aims to demonstrate the applicability of two GIS tools, the weighted regression geographically (GWR) and the Inverse Distance Weighted (IDW) in predicting relevant ecological trends to assess the evolution of biodiversity in Serra do Marão particularly in wind farms.The GWR tool was the selected approach because allowing perform a multidimensional analysis based on morphological characteristics of the land and set a regression model each point observed, considering all the other observations by the location at this point. IDW tool based on the value of the characteristic analysis, and calculates the spatial distribution depending on the distance between sample points.
The initial objective was to address all vertebrate groups, but once the data available in relation to the group of amphibians and reptiles not expressed significant, there was only the group of mammals and birds.
Key words: Biodiversity, GIS, SIC, Spatial interpolation, Geographic regression, Wind
1
Capítulo: I – Introdução e Motivação 1.1.Introdução:
A diversidade biológica tem despertado um crescente interesse e investigações. O termo biodiversidade pode ser definido como o número, abundância, composição, distribuição espacial e as interações dos genótipos, populações, espécies, tipos e caraterísticas funcionais, e unidades de paisagem (Mooney et al., 2008). A biodiversidade num determinado sistema contribui para o bem-estar humano através dos seus efeitos sobre os processos dos ecossistemas que são a parte essencial dos sistemas de suporte da vida da Terra (Mooney et al., 2008). Devido à diversidade biológica são desenvolvidas inúmeras atividades humanas: agrícola, pecuária, florestal, pesqueira e também a indústria da biotenologia e prevenção de doenças. O modo abusivo como o ser humano explora estas atividades provoca impactos subsequentes que causam a redução da biodiversidade (Marques, 2009).
A avaliação da biodiversidade é uma tarefa central e urgente na biologia da conservação, não apenas para determinar a riqueza das espécies mas também para avaliar as diferenças entre comunidades que ocupam diferentes áreas ou que se alteram com o tempo (Seur et al., 2008).
A crescente perda de biodiversidade torna urgente a exploração e implementação de novas formas de documentar a biodiversidade. Os Sistemas de Informação Geográfica são uma ferramenta poderosa para documentar e monitorizar a biodiversidade. Existem inúmeros tipos de bases de dados e outros sistemas de informação realizados sobre espécies, com um notável avanço de inventários populacionais de determinadas espécies. A representação da biodiversidade é cada vez mais frequente através de mapas de distribuição. Assim, de uma forma eficaz, pode delinear-se uma imagem geral das espécies que ocorrem num determinado território e a sua área de distribuição, através de mapas associados a bases de dados, permitindo análises e cálculos de riqueza e abundância de espécies. Com a sobreposição de dados, análises mais complexas poderão surguir (Marques, 2009).
1.2.Justificação da escolha do tema e da área de estudo:
O tema da dissertação surgiu por estar a colaborar no Plano Geral de Monitorização do Marão (PGM), que está ser levado a cabo pelo Laboratório de Ecologia Aplicada (LEA)
2
da UTAD. O objetivo deste PGM é o de fazer a previsão das tendências espectáveis para a evolução e a dinâmica da biodiversidade, utilizando dados de campo recolhidos entre 2004-2011. Este estudo surge do facto de se ter instalado um parque de torres eólicas nesta zona da Serra do Marão e, por isso, ser necessário monitorizar a dinâmica da biodiversidade, uma vez que a Serra do Marão se insere numa região considerada importante para a conservação de espécies de fauna e flora e possuir protecção legal ao abrigo da proposta Sitio de Importância Comunitária (SIC) Alvão/Marão.
1.3.Objetivo:
A presente dissertação tem como objetivo desenvolver e propor uma metodologia de análise e previsão das tendências espectáveis para a evolução da biodiversidade na Serra do Marão, baseada em ferramentas de geoestatística e análise multidimensional. Através de cenários criados serão efetuadas previsões e tentar-se-á identificar qual o método geoestatística mais assertivo e correto a utilizar.
1.4. Estrutura do Trabalho
A presente dissertação está estruturada em seis capítulos fundamentais, alusivos à temática proposta.
O primeiro capítulo, contempla essencialmente questões introdutórias, motivação e justificação da escolha do tema assim como da área de estudo e definição dos objetivos; O segundo capítulo procede à revisão bibliográfica do tema abordado no presente estudo. Apresenta de uma forma geral os sistemas de informação geográfica (SIG), a aplicação dos SIG em ecologia e a diversidade de vertebrados.
O terceiro capítulo, faz uma abordagem ao material e métodos utilizados, bem como uma descrição da metodologia, o processo de recolha e tratamento de dados e programas, assim como esclarece o desenvolvimento do projeto
O quarto capítulo, remete-se à écfrase da área de estudo, onde é descrita a localização geográfica, caracterização morfológica como o declive, altimetria, exposição, distância á rede hidrográfica e o tipo de ocupação de solo existente e ainda uma pequena caracterização climática, que foca a precipitação e a temperatura.
3
O quinto capítulo visa a apresentação, análise e discussão dos resultados, onde demonstra a análise e o processamento de dados de campo, de dados referentes ao uso e ocupação do solo e rede hidrográfica, até a fase da produção do projeto em ambiente SIG e da criação de modelos de previsão dinâmicos, nomeadamente através da metodologia da Regressão Ponderada Geograficamente (GWR) - Geographical Weighted Regression (WGR); e o Método de Interpolação Espacial pelo Inverso do Quadrado das Distâncias - Inverse Distance Weighted - (IDW).
No sexto capítulo é feita uma conclusão, onde são realçados e citados os resultados mais relevantes.
4
Capítulo: II – Revisão Bibliográfica 2.1 Sistemas de Informação Geográfica 2.1.1. Definições
Sistemas de Informação Geográfica (SIG) são aplicações informáticas destinadas a uma larga gama de operações de processamento e análise de informação georreferenciada. É um sistema de hardware, software, base de dados, pessoal, organizações e programas institucionais de recolha, armazenamento, análise e divulgação de informação sobre áreas terrestres (Chrisman, 2002). A informação geográfica é definida como informação sobre localizações na superfície terrestre, e pode ser organizada de diversas maneiras. Assim os SIG incluem a entrada, armazenamento, visualização, exportação e análise de tal informação (Goodchild, 2009).
A tecnologia de SIG pode trazer enormes benefícios devido à sua capacidade de manipular a informação espacial de forma precisa, rápida e sofisticada (Goodchild et al., 1993). Os mesmos são utilizados em diversas operações, desde na gestão de ativos dispersos de empresas de serviços públicos como em respostas de emergências. As aplicações científicas são aplicadas em muitas disciplinas que lidam com fenómenos de distribuição na superfície terrestre, desde ecologia à criminologia (Goodchild, 2009). Essa vasta variedade de usos e aplicações fez emergir diversas definições de SIG.
A ampla definição de SIG, pode divergir segundo diferentes autores e, segundo Chrisman (1999), depende fortemente do contexto em que é aplicada. Um SIG pode ser definido como:
"Um poderoso conjunto de ferramentas para recolha, armazenamento, recuperação e exibição de dados do mundo real para determinados propósitos" (Burrough, 1986);
"Um sistema de apoio à decisão que envolve a integração de dados espacialmente referenciados, em um ambiente para resolução de problemas" (Cowen, 1988)
"Qualquer conjunto de procedimentos manuais ou baseados em computador destinados a armazenar e manipular dados referenciados geograficamente" (Aronoff, 1989).
5
Assim podemos constatar que existem diversas definições de SIG, que por várias palavras significam o mesmo o que revela a existência de uma multiplicidade de ver e utilizar esta tenologia demonstrando assim a interdisciplinaridade da sua utilização.
Ao trabalhar com SIG, o objetivo pode envolver uma decisão complexa, como diretivas de desbaste florestal, ou uma decisão rotineira, como garantir uma licença de construção ou a manutenção de um inventário. Através dos SIG é possível calcular parâmetros geográficos e expor esses resultados, normalmente sob a forma de mapas convencionais relatórios, arquivos digitais e gráficos, enfatizando temas espaciais, entidades e relações; operar sobre tais representações para produzir mais parâmetros e para descobrir novas relações pela integração de fontes díspares; e transformar essas representações em conformidade com outros frameworks de entidades e relações (Machado, 2000).
A exploração dos SIG tem de começar com um entendimento da informação, especialmente geográfica, e saber analisar os componentes do sistema, sabendo que os componentes básicos dos SIG são Espaço, Tempo e Atributos. (Chrisman, 2002).
Clarke (1986) determinou um conjunto de características e componentes, comuns aos SIG, que podem ser úteis para a sua definição funcional, sendo estes:
um grupo de dados com propriedades espaciais;
uma topologia definida (expressão numérica ou lógica das relações estabelecias entre os dados);
arquivos ou estruturas de dados comuns;
habilidade do sistema para executar as funções de recolha, armazenamento, manipulação, análise e produção cartográfica
2.1.2. Origem e Evolução dos Sistemas de Informação Geográfica
A origem dos Sistemas de Informação Geográfica difere consoante a definição que estejamos a considerar. Esta origem depende de se considerar ou não que os SIG surgiram só a partir do momento em que foram introduzidas as tecnologias (computadores) nos processos de recolha, armazenamento e manipulação da informação, georrefenciada (Machado, 2000).
Ao admitirmos que os processos manuais também definem a existência de Sistemas de Informação Geográfica, então as origens devem ser localizadas em épocas muito recuadas (Machado, 2000).
6
A conceptualização no espaço surge naturalmente no modo de percepcionar a realidade e a antiguidade da construção de representações cartográficas é disso uma evidência. O mais antigo vestígio de um mapa data de 3800 a.C., uma placa de argila mesopotâmica representando montanhas, cursos de água e outros objetos passíveis de representação cartográfica (Matos, 2008).
A representação cartográfica evoluiu em resposta a necessidades como as recolhidas pela medição e delimitação de território, pela navegação e pela representação de conhecimento espacial em geral. Analisando a história da cartografia torna-se perceptível uma maior evolução técnica no domínio dos sistemas de coordenadas e técnicas de posicionamento e uma estabilidade notória, até às últimas décadas, no que respeita aos processos de representação (Matos, 2008).
O impasse a que chegou a cartografia, por esgotamento das possibilidades dos meios tradicionais, só poderia ser desbloqueado de uma única forma: o emprego de meios automáticos. Este facto histórico teve lugar a partir da década de 60 e tem sido considerado como um marco fundamental na evolução da cartografia. (Machado, 2000). Esta demostrado que a maior parte dos primeiros SIG, sistemas apoiados em computadores, tiveram origem na América do Norte. As primeiras experiências de cartografia automática terão surgido nos anos 1950 na Universidade de Washington (Machado, 2000).
Aquele que é considerado o primeiro sistema de informação geográfico Nacional de grandes dimensões foi iniciado na década de 60 do século XX no Canadá em 1962, designado Canadian Geographic Information System (CGIS), por ser um país com vastos recursos naturais, extensas e muito ricas bacias hidrográficas e áreas florestais. Os EUA é um país onde existem traições de conservação e defesa da natureza e do património cultural, além das preocupações com a gestão económica de recursos, assim em 1964 é criado o primeiro SIG para a gestão desses recursos.
Neste período, considerado como o período dos pioneiros, o HLCG (Harvard Laboratory for Computer Graphics) teve um papel relevante, em HLCG foi desenvolvido um primeiro conjunto de programas para análise e manipulação de dados por interpolação automática de isolinhas e coropletas. Estes programas designadosSYMAP (Synagraphic Mapping System), precursor dos sistemas raster e mais tarde o ODISSEY, precursor dos sistemas vetoriais.
7
Em 1969 Jack Dangermond, arquiteto paisagista, fundou na California a empresa ESRI (Enviromental Systems Reserach Institute). A ESRI desenvolveu diversos programas entre eles o programa GRID e suas aplicações, em 1981 lançou o programa ARC/INFO destinado à gestão dos recursos naturais.
Estes primeiros desenvolvimentos sucederam-se quase simultaneamente na Europa. Um pouco mais tarde, surgiram casos também no Japão, ex-União Soviética e China (Machado,2000).
Em Portugal no início dos anos 90 do século XX, foi criado o Centro Nacional de Informação Geográfica (CNIG), onde foi desenvolvido o Sistema de Nacional de Informação Geográfica (SNIG), que ainda hoje está em uso e em constante desenvolvimento e atualização.
SegundoCoppock & Rhind (1991)a evolução tecnologica dos SIG está compreendida em quatro fases:
A primeira fase designada por fase pioneira teve o seu desenvolvimento no início na década de 60 e meados de 70, nasce nos EUA e Reino Unido e carateriza-se pelas várias acções individuais e por sistemas herdeiros da cartografia automatizada, pelo suporte de bancos de dados limitados.
A segunda fase teve início na década de 80, mas apenas no início da década de 90 chegou ao mercado. Carateriza-se pelas diversas experiências desenvolvidas, a diminuição das acções individuais e por sistemas concebidos para uso em conjunto cliente-servidor.
A terceira fase surgiu no final da década de 90, carateriza-se pela prevalência da atividade comercial, o crescimento dos bancos de dados espaciais e a necessidade de os compartilhar.
A quarta fase, decorre até hoje, carateriza-se pela concorrência existente, e pela interoperabilidade, de forma a permitir o acesso de informações espaciais por utilizadores de SIG.
8
Os SIG integram cinco componentes principais: hardware; software;dados; recursos humanos e métodos e procedimentos.
1-Software é constituído por um conjunto de programas, disponibiliza as funções e as
ferramentas necessárias para recolher, armazenar, processar e analisar dados e visualizar informação geográfica. Segundo Burrough (1986) é formado por cinco componentes chave:
a) Entrada de dados e a sua verificação e correção; b) Armazenamento e gestão das bases de dados; c) Transformação e análise dos dados;
d) Saída de dados e a sua apresentação; e) Interação entre máquinas e utilizadores.
2-Hardware é o conjunto de equipamentos técnicos necessários para que o software
realize as suas funções em que se pode usar o computador e seus periféricos.
3-Dados são a componente mais importante. São os dados que alimentam o SIG, é através
deles que se gera a informação. Um SIG fornece a informação alfanumérica com associação espacial, criando ligações entre os dados de informação. Permitindo ao utilizador processar, gerir e atualizar a informação rapidamente de modo a otimizar as operações de análise espacial.
SIG Hardware Software Dados Recursos Humanos Métodos e Procedimentos
Figura 2:Componentes de um SIG (Adapatdo de LAZZAROTTO (2002)) 1ª Fase(1962-1970) Acções Individuais Cartografia automatizada Bancos de dados limitados 2ªFase (1980-1990) Diminuição das acções individuais Cliente - Servidor 3ª Fase 1995 - 2000) Atividade Comercial Análise espacial Compartilhamento de dados 4ª Fase (2000 até hoje) Interoperabilidade
9
4-Recursos Humanos são vitais, pois são as pessoas que gerem o sistema e desenvolvem
os planos para a sua aplicação e resolvem os problemas tornam-no mais eficiente e eficaz.
5-Métodos e Procedimentos são essenciais, pois um SIG com sucesso é executado de
acordo com um plano e regras bem definidos. Cada organização estabelece e implementa os modelos e as práticas operacionais.
2.1.3 Tipos de Sistemas de Informação Geográfica
A construção de um SIG ajuda a analisar e interpretar uma situação do mundo real. Esta representação da realidade simplificada, ou modelo, é criada a uma escala e um nível de complexidade suficiente para permitir a sua utilização, é construída através da combinação de dados gráficos que são modelos do mundo real em forma digital. Os dados gráficos podem ser incorporados num SIG utilizando dois formatos: vetorial e matricial, que diferem na forma como armazenam e representam os dados geográficos.
Formato Vetorial
O formato vetorial representa dados discretos, segundo um sistema de coordenadas figura
3. Neste formato, a informação gráfica baseia-se em três formas primitivas:
ponto – é um símbolo que representa objetos sem dimensão (área), identificados por um único par de coordenadas (x,y);
linha – dados lineares, formados por um conjunto de coordenadas (x,y) contínuas, utilizada para representar entidades que têm apenas dimensão em comprimento, ou como limites de polígonos.
polígono - representação de dados em área, compreendem regiões limitadas por linhas.
Figura 3: Elementos do modelo vetorial e interdependência entre os polígonos, linhas, pontos e as
coordenadas. (Adaptado de Clarke (2003) Painho e Curvelo (2008))
O armazenamento da informação do formato vetorial pode ser de estrutura topológica ou spaghetti.
10
Estrutura topológica: constituída por arcos e nós, que estabelecem relações espaciais entre objetos ou entidades geográficas. Esta estrutura oferece uma reestruturação interna da informação que assegura o registo das relações espaciais. O armazenamento dos dados é realizado através da construção automática de tabelas de conversão, em que pontos, arcos e polígonos são referenciados em coordenadas (x,y).
Estrutura Spaghetti: as coordenadas das formas são armazenadas linha a linha, permitindo a construção de um arquivo contendo uma lista de coordenadas. Esta estrutura é muito simples o que limita a sua utilização em análises espaciais, uma vez que podem ocorrer incongruências. Como:
1 -Arcos sem contiguidade 2- Poligonos abertos sem área
3 – Arcos sem conectividade devido ao cruzamento de dois arcos sem presença de nó 4 – Poligonos adjacentes com sobreposição
A figura 4 mostra uma comparação entre as duas estruturas referidas, bem como o número de 1 a 4 de algumas das incongruências que podem surgir na estrutura spaghetti.
Figura 4: Comparação entre a estrutura topológica e estrutura spaghetti. (Adaptado de UNBC GIS LAB
(2005))
Formato Matricial
O formato matricial utiliza dados organizados em matrizes de quadrículas ou células, a cada célula, e em cada matriz, podem estar associados vários valores de um determinado atributo (altimetria, uso do solo, rede hidrográfica) o que faz com que seja necessário, vários níveis separados de informação (layers). A célula é designada de pixel, esta está associada a valores que lhe conferem uma cor.
A matriz é composta por linhas e colunas assim a cada pixel é associado um par de coordenadas espaciais (longitude, latitude).
11
2.1.4 Detecção Remota
A detecção remota inclui a fotografia aérea e as imagens de satélite. Franklin (2001) a defini como “…toda a detecção com instrumentos à distância “. Este trabalho pretende analisar a potencialidade de utilização da imagem de satélite na monitorização de vertebrados, assim sendo centrar-se-á nas imagens de satélite.
A detecção remota baseia-se no princípio de que toda a radiação electromagnética apresenta propriedades fundamentais, comportando-se de forma previsível, de acordo com a teoria das ondas. O processo é conseguido através de uma série de etapas que passam pela detecção e gravação da energia reflectida ou emitida pelos objectos, posterior processamento, análise e aplicação da informação registada. Os sensores captam as fracções do espectro de energia electromagnética reflectida ou emitida, proveniente dos objectos dispostos sobre a superfície terrestre, convertendo-as numa imagem em papel ou num sinal numérico digital (Lopes, 1999).
Lillesand e Kiefer(1994) consideram a Detecção Remota uma arte e a ciência de obter informação sobre a natureza ou estado de um objecto, área ou fenómeno através da análise de dados adquiridos por um sensor que não está em contacto físico directo com o objeto, área ou fenómeno analisado. Assim, a ciência disponibiliza os instrumentos e a teoria para compreender a forma como os objectos e os fenómenos podem ser detectados e a arte consiste no desenvolvimento e utilização de técnicas de análise para geral informação útil (Aronoff, 1991).
As técnicas de detecção remota têm, duas aplicações distintas em estudos de ecologia: aplicações directas, indirectas. As aplicações directas destinam-se geralmente a obter uma interpretação das características do terreno, examinar a relação entre parâmetros químicos, físicos e bióticos e extrapolar as relações conhecidas num determinado contexto geográfico para áreas mais abrangentes ou períodos de tempo mais dilatados. As aplicações indirectas prendem-se com a utilização de dados de detecção remota para estudar processos específicos que, globalmente, afectam outros processos ecológicos (Cardoso et al.,). A Detecção Remota constitui uma técnica de grande utilidade para pesquisas voltadas para a monitorização ambiental de áreas críticas, pois permite em curto espaço a obtenção de uma grande quantidade de informações espaciais (Souto, 2004). A Detecção Remota pode ser aplicada nas mais diversas e distintas áreas, tais como: cartografia, geologia, agricultura, hidrologia planeamento, entre outras.
12
Imagens de Satélite
Os sensores remotos são conduzidos por satélites artificiais, deslocando-se a diferentes velocidades e com diferentes altitudes orbitais, as imagens adquiridas encontram-se restringidas pelas características das plataformas e das suas órbitas. As imagens podem ser ortorretificadas segundo Fonseca e Fernandes (2004), através de diferentes características como o modo de operação (activo/passivo), as características espectrais (multiespectrais, pancromáticas, RADAR, ópticos, térmicos entre outros) ou através das características da plataforma onde se encontram.
O processamento de imagens de Detecção Remota (DR) tem como objectivo a extracção de informação qualitativa e/ou quantitativa necessária para determinadas aplicações tais como, elaboração ou actualização de cartografia, monitorização de fenómenos naturais ou artificiais (Fonseca e Fernandes, 2004).
O processamento digital de imagens disponibiliza várias possibilidades de transformação de dados, destacando-se as composições coloridas a falsa cor e o cálculo de índices de vegetação nomeadamente o Índice de Vegetação por Diferença Normalizada (Equação 1 – NDVI ) uma vez que estas imagens nos permitem conhecer e analisar a distribuição espacial da densidade de vegetação pela área de estudo, uma vez que as carta de uso e ocupação de solo fazem apenas referencia ao tipo de cobertura dominante e não à quantidade ( densidade) dessa mesma vegetação
𝑁𝐷𝑉𝐼 = IVMp − V IVMp + V
Satélite e Sensor
O satélite artificial que se denotou com resolução adequada a este trabalho foi o satélite LandSat5 com o sensor TM (Thematic Mapper). Como é possivel constatar através da
tabela 1 os únicos satélites LandSat activos no momentos são o 5 e o 7. A opção de
utilizar o LandSat 5, foi porque o LandSat 7 tem um erro no sensor o que faz com que as imagens que forneça se encontrem bandeadas, contendo erros, esses erros demorariam muito tempo e dariam muito trabalho a retificar. O satélite LandSat 5 fornece imagens
Sendo:
NDVI – Índice de Vegetação por Diferença Normalizada IVMp – Infravermelho próximo
V - Vermelho
13
multiespectrais, tornando-se um complemento à informação já existente, facilitando a identificação de elementos presentes na paisagem, a sua localização e a percepção da sua alteração que vai ocorrendo ao longo dos anos.
O primeiro satélite de Detecção Remota de observação de recursos terrestres foi o Earth Resouces Tecnology Satellite 1 (ERTS-1), foi lançado em 1972 pelos norte-americanos, na órbita Circular, quase Polar, heliossíncrona, permitindo a recolha de imagens de alta qualidade e com uma razoável resolução espacial. Após o seu lançamento o programa foi rebatizado para LandSat, a partir desse momento mais 6 satélites foram colocados em órbitas da Terra, ao longo de todos os lançamentos foram surguindo modificações e uma evolução.
Em 1982 foi lançado o LandSat 4, com este entrou em funcionamento o sensor multiespectral TM (Thematic Mapper) tecnicamente mais avançado, proporcionando uma maior resolução espacial, espectral e radiométrica, desenhado para a cartografia temática. O LandSat 7 foi lançado em 1999 com o sensor ETM+ , este possui mais uma banda pancromática, constituindo uma melhoria ao sensor TM. O ETM+ é um radiómetro de varredura multiespectral de 8 bandas que fornece imagem de alta resolução da superfície da Terra.
Na tabela 1 encontra-se descrito algumas das características dos satélites LandSat.
Tabela 1: Caracteristicas dos satélites LandSat
Satélite Lançamento Status Sensor Resolução Espacial (m×m) Resolução Temporal (dias) LandSat1 (ERTS-1) Julho de 1972 Inativo MSS e RVB 80 18 LandSat 2 Janeiro de 1975 Inativo MSS e RVB 80 18
LandSat 3 Março de 1978 Inativo MSS 80 e 240 18
LandSat 4 Julho de 1982 Inativo MSS e TM 80 e 30 16
LandSat 5 Março de 1984 Ativo MSS e TM 120 e 30 16
LandSat 6 Outubro de 1993
Inativo Não Chegou a operar
LandSat 7 Abril de 1999 Ativo ETM+ 60
30 e 15
14
2.1.7 Procedimentos e Ferramentas em Ambiente SIG
Análise Espacial
Neste tema pretende-se abordar o tipo de relações que se pode estabelecer entre a ocorrência ou a localização de um determinado fenómeno, a sua eventual variação qualitativa ou quantitativa e a posição espacial e geográfica que os pontos da amostra ocupam no terreno. Da geografia do terreno resultam:
Características morfológicas do terreno: altitude, declive, exposição e conformação e relações de proximidade e distância e localização relativa
Características climatéricas: temperatura media, precipitação anual (numero de dias de ocorrencia e valor acumulado), extremos climatéricos, ocorrência de geadas etc..
Características edáficas
Características do uso e ocupação do solo
Análise de Modelos Raster e Álgebra Cartográfica
Em ambiente SIG quando há necessidade de fazer análise multivariável e estudar relações entre estas variáveis ou desenvolver modelos de predição é necessário recorrer a informação matricial. Esta informação matricial designa-se por informação raster. Quando se trabalha mais do que uma variável tem que se recorrer a processos de Álgebra Cartográfica e á criação de Modelos Raster. A Álgebra Cartográfica não é mais do que um conjunto de procedimentos matemáticos sobre mapas temáticos.
Análise Geoestatística (IDW)
Neste trabalho foi efetuada uma análise geoestatística de um conjunto de dados de abundância e presença da biodiversidade existente na Serra do Marão. Esta análise tem como objetivos a caracterização do fenómeno de dispersão e da estimativa da biodiversidade. O método utilizado foi o Inverso do Quadrado da Distância (IDW) ou seja, com uma potência de grau 2. A expressão (equação 2) é a que abaixo se apresenta, sendo que o cálculo é efectuado com base em todos os pontos que rodeiam o ponto para o qual se quer efectuar esse cálculo (Soares, 2006).
15
equação 2
onde:
Z – valor do argumento a calcular para o ponto objecto
n – número de pontos amostra a incluir no processo de cálculo (número de pontos que
rodeiam o ponto para o qual se quer efectuar o cálculo)
di – distâncias entre o ponto objecto e os pontos amostra que o rodeiam p – grau da potência
Zi – valor do argumento em cada um dos pontos amostra que o rodeiam o ponto objecto.
Análise Multidimensional (GWR)
Nesta dissertação houve necessidade de realizar análise multidimensional, para tal em ambiente SIG recorreu-se à ferramenta Geographically Weighted Regression – GWR. Esta ferramenta é um exemplo de técnica de análise exploratória que permite ajustar um modelo de regressão a cada ponto observado, ponderando todas as demais observações com função da distância a esse ponto. Este método é bastante utilizado em estudos ecologicos relativos à flora, como por exemplo em características do solo e da vegetação para melhoria produtiva de uma pastagem. No que diz respeito a estudos ecologicos abordando a fauna, não se conhece que esta ferramenta tenha sido muito utilizada, correndo-se maioritariamente ao programa SAM (Spatial Analysis in Macroecology - Análise espacial em Macroecologia).
A regressão linear geograficamente ponderada (RGP) apresentada por Brunsdon et al (1996) consiste num método de ajustamento matemático entre uma varável observada/medida e as características espaciais do meio envolvente (conjuntos de variáveis definidas numa região geográfica) Carvalho et al. (2006).
equação 3
xk,i: k-ésima variável explicativa na localização i ; a0: ordenada na origem (valor constante);
16
ak: k-ésimo coeficiente angular global referente a xk (valor constante); εi: erros independentes
O modelo de regressão linear multivariável não-espacial permite ajustar uma equação de regressão entre uma variável dependente y de modo a que esta possa ser estimada com base numa combinação linear de variáveis independentes k x , pode-se obter uma estimativa de y para um ponto i a partir da equação de regressão.
A regressão geograficamente ponderada consiste na adaptação da regressão linear simples em função de locais em vez de globais (equação 4) (Fotheringham et al., 1997). Assim, as estimativas passam a ser específicas para cada localização i , e o modelo pode então ser reescrito como:
equação 4 0,i a : ordenada na origem em função da localização específica i;
k,i a : valor do k -ésimo coeficiente de regressão ajustado para a localização específica i
O manual de apoio disponibilizado pela ESRI, empresa que criou e que desenvolve o ArcGis, apresenta um esquema ilustrativo deste tipo de regressão com se apresenta na
figura 5.
Para estimativa dos parâmetros de regressão e da ordenada na origem (constante), normalmente utiliza-se o método dos quadrados mínimos simples, o manual de apoio disponibilizado pela ESRI recomenda que se use numa fase intermédia ao ajustamento da regressão linear geograficamente ponderada.
O Método dos Mínimos Quadrados (MMQ), no original em inglês OLS (Ordinary Least Squares) ou Quadrados Mínimos Ordinários (MQO) é um procedimento estatístico que visa encontrar o melhor ajuste matemático (regressão) entre um conjunto de dados, onde
17
uma das variáveis em estudo depende de um conjunto de outras. Este procedimento baseia-se na minimização da soma dos quadrados das diferenças entre o valor estimado e os dados observados.
2.2 Aplicações SIG
A utilização dos SIG tem aumentado cada vez mais. Estes podem atuar e contribuir em diversas áreas. As aplicações SIG variam conforme as características dos seus utilizadores.
Matos(2008) divide os SIG em dois tipos:
Os SIG de Projeto:tem com objetivo principal a resolução de um problema concreto e isolado, geralmente de curta duração. A utilização de um SIG exclusivamente para suporte e recolha de informação. São exemplos: a produção de mapas temáticos; a resolução de problemas de localização; o cálculo de áreas de aptidão; problemas de modelação ou cálculo de índices.
Os SIG de Gestão: devem ser um elemento integrador de vários utilizadores que utilizam
uma base comum de georreferenciação para distintos fins. As preocupações com a segurança, integridade, distribuição e manutenção dos dados são primordiais para o correto funcionamento do sistema. São exemplos: os SIG municipais; os SIG no ordenamento do território; os SIG nas florestas e os SIG na agricultura.
OLIVEIRA (1997) apresenta uma relação das diversas áreas de aplicação de SIG, divididas em cinco grupos principais:
Ocupação Humana - redes de infra-estrutura, planeamento e supervisão de limpeza
urbana, cadastro territorial urbano, mapeamento eleitoral, rede hospitalar, rede de ensino, controle epidemiológico, rota de veículos, planeamento urbano, sistema de informações turísticas, controle de tráfego aéreo, sistemas de cartografia náutica e serviços de atendimento de emergência.
Uso da Terra - planeamento agro-pecuário, armazenamento e escoamento da produção
agrícola, classificação de solos, gestão de bacias hidrográficas, planeamento de barragens, cadastro de propriedades rurais, levantamento topográfico e mapeamento do uso da terra.
Uso de Recursos Naturais - controle da exploração vegetal e mineral, classificação de
poços petrolíferos, planeamento de gasodutos e oleodutos, distribuição de energia eléctrica, identificação de mananciais, gestão costeiro e marítimo.
18
Meio Ambiente - controle de queimadas, estudos de modificações climáticas, gestão
florestal, acompanhamento de emissão e acção de poluentes.
Actividades Económicas - planeamento de marketing, pesquisa socioeconómica,
distribuição de produtos e serviços bem como transporte de matéria-prima.
2.2.1 SIG Aplicado à Ecologia
Os SIG tornaram-se numa ferramenta indispensável para vários estudos de ecologia. A construção de um SIG é recorrente em estudos que envolvam inputs e/ou outputs de natureza cartográfica, pois as suas capacidades gráficas e potencialidades analíticas são fundamentais. Os SIG são a ferramenta perfeita para isolar, descrever relações espaciais e elaborar modelos estatisticamente testáveis (Walker, 1990; Haslett, 1990).
Em ecologia as aplicações dos SIG são diversas, relativamente em modelos preditivos da distribuição de espécies da fauna e flora, caraterização e cartografia de habitats e em estudos aplicados mais diretamente à conservação e gestão de recursos naturais.
Esta indispensabilidade justifica-se não só pelas suas grandes capacidades gráficas mas, principalmente, pelas enormes potencialidades analíticas de que são dotados (Segurado et al.,1999). Os SIG representam o meio mais apropriado para analisar questões de natureza espacial, em que se estudam aspectos de interacção entre espécies, ou aspectos da influência do habitat sobre uma espécie, entre muitas outras questões ecológicas (Johnston, 1998).
2.3 Ecologia
Desde sempre o homem demonstrou interesse pela ecologia de uma forma prática, desde os primeiros tempos da história. Para sobreviver o homem da sociedade primitiva, precisou conhecer a natureza, isto é das forças da natureza, das plantas e dos animais que o rodeavam.
As várias definições de Ecologia foram surgindo e modelando-se com o decorrer da história da humanidade.
Nas obras de inúmeros filósofos da cultura grega, como Hipócrates e Aristóteles contêm referências a temas ecológicos, porém os gregos não possuíam uma palavra específica para designar ecologia.
Cientistas do Renascimento biológico dos séculos dezoito e dezanove realizaram diversos trabalhos no campo da Ecologia, mesmo que nunca tenham empregado esta palavra para
19
definir o seu campo de estudo. Desde essa época, os trabalhos realizados pelos naturalistas dividiam-se em Ecologia Vegetal e Animal, sendo unificados em Ecologia Geral, por volta da década de 20 do século XX.
A palavra Ecologia tem origem no grego “oikos”, que significa casa, e “logos”, que significa estudo. Esta foi proposta pela primeira vez pelo cientista alemão Ernst Haeckel, em 1869, foi o primeiro a utilizar este termo para designar o estudo das relações entre os seres vivos e o ambiente em que vivem, além da distribuição e abundância dos seres vivos no planeta (Odum (sd)).
Por volta de 1900, a Ecologia converte-se numa Ciência e torna-se um termo geral no vocabulário do cotidiano.
A definição atribuída por Ernst Haeckel foi sendo aperfeiçoada à medida que novos conhecimentos eram incorporados ao meio científico.
Krebs (1972) sugeriu uma definição para descrever ecologia: "Ecologia é o estudo científico das interações que determinam a distribuição e abundância dos organismos". Para Dajoz (1983) Ecologia é “a ciência que estuda as condições de existência dos seres vivos e as interações, de qualquer natureza, existentes entre esses seres vivos e o seu meio”.
De uma forma geral a Ecologia engloba várias áreas, uma vez que as situações do mundo real maioritariamente incluem uma componente natural e uma socioeconómica-politica.
2.3.1 Diversidade de Vertebrados
O aumento no conhecimento da diversidade dos vertebrados começou com a expansão das explorações europeias que tiveram início nos séculos XV e XVI. Na primeira metade do XVIII, o naturalista sueco Carolus Linnaeusio desenvolveu uma classificação binominal visando a catalogar as variedades de animais e plantas.
Um século mais tarde, Charles Darwin e Alfred Russell Wallace explicaram a diversidade de plantas e animais como um produto da seleção natural e evolução. No início do século XX, o trabalho deles foi complementado com as informações nascentes sobre os mecanismos de herança genética. Esta combinação de genética e biologia evolutiva é conhecida como a Nova Síntese, ou Neo-Darwinismo, e continua a ser a base para a compreensão dos mecanismos de evolução. Métodos de classificação dos animais também mudaram sua ênfase ao longo do século XX, e a classificação, que começou
20
como uma maneira de se tentar organizar a diversidade dos organismos, tem se tomado uma ferramenta poderosa para gerar hipóteses evolutivas testáveis.
Atualmente, estão catalogadas mais de 56000 espécies de vertebrados em todo o mundo. Estas espécies de vertebrados habitam em diversos habitats da Terra, que vão desde o fundo dos oceanos ao topo das montanhas. Esta extraordinária diversidade de habitats e espécies existentes deve-se á constante evolução e adaptação deste seres, podemos encontrar vertebrados a pesar somente 0,1 grama, até cerca de 100000 quilogramas. Linnaeus e outros naturalistas de sua época desenvolveram o que denominaram um sistema natural de classificação e de nomenclatura dos seres vivos que é empregada/utilizada até aos dias de hoje com algumas modificações (Pough et al.,sd) . Este sistema agrupa os seres vivos em categorias hierárquicas, Linnaeus organizou da seguinte forma: Espécie, Género, Ordem, Classe e Reino. Atualmente o sistema de classificação ampliou as categorias taxonómicas em sete categorias, sendo elas, Reino, Filo, Classe, Ordem, Família, Género e Espécie.
Os vertebrados estão classificados no subfilo Vertebrata do filo Chordata, tendo cinco Classes (mamíferos, repteis, anfíbios, aves e peixes).
Na área de estudo da Serra do Marão a diversidade de vertebrados observada durante os anos de monitorização é de 111 vertebrados. Ao consultarmos o Livro vermelho de Vertebrados de Portugal podemos constatar que algumas das espécies se encontram sinalizadas. Na Tabela 2 podemos observar o número de vertebrados por classes e as espécies catalogadas no Livro Vermelho de Vertebrados de Portugal como quase ameaçadas e ameaçadas.
Tabela 2: Diversidade de Vertebrados
Diversidade de Vertebrados Classes Diversidade Mamíferos 20 espécies Repteis 12 espécies Anfíbios 6 espécies Aves 71 espécies
Espécies Catalogadas no Livro Vermelho de Vertebrados de Portugal
Canis lupus signatus Chioglossa lusitanica Circaetus gallicus Circus cyaneus Circus pygargus Falco subbuteo Anthus trivialis Locustella luscinioides
21
2.3.1.1 Livro Vermelho de Vertebrados de Portugal
Os Livros Vermelhos têm sido reconhecidos, pelas entidades responsáveis pela conservação da natureza, as organizações não-governamentais, a comunidade científica e os decisores de projectos com incidência no ordenamento e gestão do território, como elementos de consulta e instrumento de apoio à tomada de decisão de inegável utilidade. Neles se indica o estatuto de ameaça das espécies selvagens, de acordo com critérios quantitativos para avaliar níveis de risco de extinção e, ainda, informação sobre as populações, causas de ameaça e medidas de conservação. Estes são documentos em permanente actualização, reflectindo cada edição o melhor conhecimento científico disponível, e a sua elaboração deve ser considerada como uma tarefa de interesse público e mobilizadora de todos os que disponham de informação relevante e actualizada para a avaliação do estatuto das diferentes espécies. Um Livro Vermelho é ainda uma chamada de atenção e uma tomada de consciência perante a diminuição da diversidade biológica à escala global (Cabral et al.,2005)
O Livro Vermelho de Vertebrados de Portugal classifica as espécies de vertebrados que existem e migram pelo território nacional, em função da sua probabilidade de extinção, num dado período de tempo. O primeiro Livro Vermelho de Vertebrados de Portugal foi publicado em 1990, este foi sendo atualizado, atualmente o livro em vigor foi publicado em 2005.
22
Capítulo: III – Material e Métodos
Os dados utilizados no desenvolvimentos deste trabalho consistiram num conjunto de observações realizadas pelo LEA (Laboratório de Ecologia Aplicada) para o PGM (Plano de Gestão e Monitorização) da Serra do Marão. Esta metodologia consistiu em dividir a área de estudo em 13 quadrículas UTM, de 1 km × 1 km (1km2), as quadrículas foram agrupadas em 3 conjuntos de 4 quadrículas UTM e 1 conjunto de 1 quadrícula, estas quadrículas representam a área de instalação dos parques eólicos de Penedo Ruivo, Seixinhos, Teixeiró e apenas uma quadrícula que integra o parque eólico de Mafomedes. Cada quadrícula foi, por sua vez, dividida em 16 sub-unidades de amostragem e uma quadrícula dividida em 6 sub-unidades de 0,25km × 0,25km tendo a área monitorizada 12,37km2, cujo centro coincidiu com o ponto de monitorização sistemática com uma distância linear de 250m em relação aos pontos vizinhos (Figura.5)
23
3.2. Material
Este trabalho requereu diverso material, uma vez que se desenvolveu seguindo metodologias distintas e complementares. O material utilizado para a criação de um projeto em ambiente SIG, é caraterizado por dados em formato raster ou matricial, em formato vetorial, shapefiles e em formato texto sob a forma de ficheiro Excel.
Os dados necessários para a construção deste projeto em ambiente SIG, foram obtidos através do Instituto Geográfico do Exercito (IGeoE), da Direção Geral do Território (IGT) e do site da Agência Espacial Norte Americana (NASA).
A visualização e o processamento de dados foi feita com recurso ao programa ArcGis na sua versão 10.1 da ESRI e ao Excel da Microsoft. Parte do processamento de dados matriciais, recorreu a rotinas que integram o ArcGis 10.2, nomeadamente as: Geostatistical Analyst; Spatial Analyst; Statistical Analyst. Na Tabela 3 apresenta-se a formação da base de dados necessária para a construção deste projeto.
Tabela 3:Formação da Base de Dados
Conteúdo Objetivo Fonte
Cartograma Identificar a localização cartográfica IGeoE Folhas 25K (nº114 e 126)
Caraterizar a área de estudo, em termos morfológicos conformação do terreno e toponimia
IGeoE
Altimetria
Caraterização das variáveis independentes altitude, declive e exposição
IGeoE
Hidrografia Identificar a rede hidrográfica
principal IGeoE
COS (Carta de Ocupação do Solo) Caraterização da ocupação do solo
(escala 1:25 000) IGT CLC (Corine Land Cover) Caraterização da ocupação do solo
(escala 1:100 000) IGT Imagem de Satélite (Landsat 5 TM)
(anos:2006,2007,2009 e 2010)
Calcular o índice de vegetação, permitindo analisar a variação do solo, usando uma variável continua e pormenorizada
24
3.3. Métodos
Este tipo de trabalho envolve várias fases com metodologias distintas: Base de dados:
• Dados de campo utilizados foram recolhidos pelo LEA entre 2004 e 2011. Descriminação de espécies e de número de indivíduos por espécies;
• Criação de uma base de dados para uniformização da informação recolhida no campo, e obtenção dos dados dos indicadores abundância e riqueza. Contagem de espécies por classes e de número de indivíduos por espécie/classe. Elaboração de uma tabela georreferenciada com estes resultados
Criação de um projeto em ambiente SIG:
• recolha de toda a informação necessária e disponível:contagem do número de espécies e do número de indivíduos por espécie
o folhas da carta militar; o ortofotomapas;
o carta de uso e ocupação do solo (COS06);
o altimetria, declive, exposição e rede hidrográfica; o imagens de satélite
• identificação e localização cartográfica da área de estudo;
• identificação do sistema de coordenadas
(WGS_1984_Complex_UTM_Zone_29N);
• Adicionou-se a shapefile com o limite do território português, criaram-se novas shapefiles como os pontos de amostragem (tabela de atributos com os indicadores abundância e riqueza) e quadriculas UTM,
• Atualização do projeto SIG, com mais informação: folhas da Carta Militar série M888; altimetria; hidrografia; COS; CLC
• A partir dos pontos cotados e das curvas de nível obtivemos uma TIN, através desta calculámos uma TINGRID, que permitiu, posteriormente, calcular o declive e a exposição da área de estudo;
• A atualização do projeto com a shapefile da rede hidrográfica permitiu calcular as equidistâncias às margens da rede;
25
• Recorrendo a ferramenta Extract Multi Values to Point atualizou-se a tabela de atributos da shapefile pontos de amostragem com os raters concebidos ( TINGRID, declive, exposição, distância á rede hidrográfica e NDVI);
• Assim através da ferramenta GWR efetuou-se uma análise multidimensional. o Para correr o método GWR foi necessário:
criar um ficheiro de pontos com as vaiáveis dependentes e com as independentes correr a rotina OLS (Ordinary Least Squares) sobre o ficheiro de pontos e gerar um
novo ficheiro de pontos
correr a rotina GWR sobre esse novo ficheiro de pontos: seleccionar as variáveis, configurar o modelo Kernel adaptative, Aditional parameters: Coefficient raster workspace: criar uma pasta nova,Environment: extent e cell size
correr a rotina Map Algebra usando os rasters com os parâmetros estatísticos e os rasters originais
• Sobre o ficheiro Excel realizou-se um tratamento estatístico convencional. análise e modelação dos dados
26
Capítulo: IV – Apresentação da Área de Estudo
A região da Serra do Marão, na qual se insere este estudo, localiza-se no ponto culminante do complexo montanhoso da Península Ibérica, denominado Maciço Hespérico e nas províncias de Trás-os-Montes e Alto Douro, Alto Douro e Douro Litoral, entre os distritos de Vila Real e Porto. A Serra do Marão possui uma orientação dominante SO-NE, limitada a Este e a Oeste pelos rios Corgo e Tâmega, apresenta-se sinuosa, constituída por vertentes abruptas, grandiosas encostas e cumes estreitos acima dos 900 e 1000 metros de altitude, com uma linha de cumeada com cerca de 13km, e com declives entre os 25 e os 50%. Nas áreas sub-montanhosas, entre os 600 e 900 metros de atitude, apresenta declives entre os 12 e os 45% (Silva,1992).
A Serra do Marão pode ser dividida em três zonas climáticas distintas: Terra Fria de Alta Montanha; Terra Fria de Montanha e Terra Fria de Planalto. O clima da Serra caracteriza-se por Invernos longos, frios e húmidos, e Verões curtos, quentes e caracteriza-secos, aprecaracteriza-sentando uma precipitação média anual superior a 1400mm e uma temperatura média de 10 a 12,5ºC.
Altitude, declive, exposição e distância à rede hidrográfica
Na figura 7 apresenta-se a caracterização morfológica da área de estudo.
Em termos de altitude, atendendo a que os parques eólicos se localizam no cimo das serras, esta varia entre os 1413 e os 404 metros, as amostras só foram recolhidas entre os 594 – 1031metros. Relativamente ás outras variáveis morfológicas, calculou-se a carta de declives a carta de exposições e a distância à rede hidrográfica. Os resultados obtidos mostram que os declives variam entre 0 e 223% que as exposições abrangem todos os quadrantes, havendo zonas planas sem exposição predominante e que a distância à rede hidrográfica varia entre os 500.899 e os 0 metros.
27
Relativamente à carta de uso e ocupação do solo, começou-se por analisar a COS06 e a CLC07. Estas peças foram úteis para fazer a caracterização em si, mas não puderam ser utilizadas nos processos estatísticos de análise de relação para com as variáveis abundância e riqueza, uma vez que o tipo de ocupação do solo estava codificado e não constituía, por isso, uma variável contínua. Contudo, esta informação permite caracterizar o tipo de ocupação do solo, sendo que a floresta mista, a vegetação esparsa e o mato dominam a paisagem, como se mostra na Figura 8 e se apresenta na Tabela 4.
Figura 7: Caracterização morfológica da área de estudo
28
Tabela 4: Uso e Ocupação do solo (adaptado da COS 07)
De sign aç ão Nº de m an ch as Ár ea to tal (ha) Ár ea m éd ia p or m an ch a (ha) Ár ea (% )
Agricultura com espaços naturais e semi-naturais 8 23. 2.9 0.60 Áreas ardidas 1 1.9 1.9 0.05 Culturas temporárias de regadio 13 33.2 2.6 0.87 Culturas temporárias de sequeiro 6 18.8 3.1 0.49
Florestas abertas, cortes e novas plantações 22 162.9 7.4 4.28 Florestas de folhosas 19 118.5 6.2 3.11 Florestas de resinosas 27 125.3 4.6 3.29 Florestas mistas 31 189.0 6.1 4.96 Matos 25 2426.5 97.1 63.75 Olivais 6 6.7 1.1 0.17 Rocha nua 1 8.4 8.4 0.22 Sistemas agro-florestais 2 4.9 2.5 0.13 Sistemas culturais e parcelares complexos 21 111.8 5.3 2.94
Tecido urbano contínuo 1 1.7 1.7 0.04
Tecido urbano descontínuo 10 21.0 2.1 0.55 Vegetação esclerófila 23 159.8 6.9 4.20 Vegetação esparsa 4 274.3 68.6 7.21 Vegetação herbácea natural 1 100.1 100.1 2.63 Vinhas 10 18.4 1.8 0.48 Total 231 3806.2 330 100
29
4.1. Parques Eólicos na Serra do Marão
A área de estudo compreende quatro parques eólicos localizados na Serra do Marão, com se apresenta na figura 9.
O Parque eólico de Penedo Ruivo localiza-se em cumeadas a norte da povoação de Mafômedes, nas freguesias de Teixeira e Ansiães, na vizinhança do Marco Geodésico de Penedo Ruivo. O parque tem uma extensão de 2,7km de comprimento, e o seu principal eixo desenvolve-se de sudoeste para nordeste, situado entre as cotas de 1120m e 1220m de altitude.
O Parque eólico de Mafómedes surge da ampliação do parque eólico de Penedo Ruivo. O Parque eólico de Mafômedes localiza-se em cumeada a oeste da povoação de Mafômedes, na freguesia de Teixeira, concelho de Baião, na vizinhança do Marco Geodésico de Penedo Ruivo.O parque tem uma extensão de 280 m de comprimento, e o seu principal eixo desenvolve-se de sudoeste para nordeste, situado entre as cotas de 1075 m e 1110 m de altitude.
O Parque eólico de Seixinhos localiza-se numa linha de cumeada na Serra do Marão, incluída na freguesia de Teixeira, a Noroeste do Marco Geodésico de Seixinhos. O parque ocupa cerca de 1,52km de comprimento, situado entre as cotas de aproximadamente 1197m e 1260m de altitude.
30
O Parque eólico de Teixeiró-Sedielos localiza-se numa linha de cumeada a sudoeste (SW) do Marco Geodésico de Seixinhos, freguesias de Teixeiró e Sedielos. O parque tem uma extensão de 1,2km de comprimento, entre as cotas de 1070m e 1220m.
Falta fazer a descrição morfológica (altitude, declive e exposição), referir que é uma zona com uma forte incidência de ventos e apresentar a carta de uso e ocupação do solo.
31
Capítulo V – Apresentação, Análise e Discussão dos Resultados
Este capítulo é dedicado quer à apresentação dos resultados relativos aos aspectos ecológicos quer relativos aos procedimentos em ambiente SIG para modelação dos dados de origem e criação dos mapas contínuos referentes à abundância e à riqueza dos vários grupos de vertebrados.
Foram usadas várias ferramentas de processamento de informação georrefenciada: análise processamento de imagens de satélite,
geoestatística,
regressão geográfica, cálculo de distâncias e
apresentação pontual proporcional.
Atendendo a que estas técnicas foram aplicadas a todas as variáveis dependentes, começa-se este capítulo pela aprecomeça-sentação e discussão dos resultados referentes ao processamento da informação e, posteriormente, passa-se à apresentação e discussão dos resultados por grupo de vertebrados e por parâmetro analisado, nomeadamente abundância e riqueza. Como um dos objectivos deste trabalho era o de analisar a influência de variáveis morfológicas e ambientais (uso e ocupação do solo, presença e densidade da rede hidrográfica), começou-se precisamente por tratar estas variáveis.
Por outro lado, a recolha de dados de campo foi feita para várias datas (2004 a 2011) e as cartas COS06 e CLC07 só representam o ano de 2006, por ser a data da cobertura aérofotográfica que serviu de base a estes trabalhos. Desta forma, recorreu-se ao processamento de imagens de satélite por forma a calcular um índice de vegetação para o mês mais quente e mais seco. Recorreu-se ao cálculo do NDVI (Normalized Difference Vegetation Index – Índice de Vegetação por Diferença Normalizada) para o mês de Agosto ou de Setembro, conforme a disponibilidade de imagens livres de núvens.. Estas imagens foram comparadas e calculada a diferença entre anos consecutivos, sendo estas imagens quantificadas. Este índice mostrou-se adequado à classificação da quantidade/intencidade de vegetação, permitindo analisar a distribuição espacial da vegetação pela área de estudo, como se apresenta na Figura 10.
32
Figura 10:Índice de vegetação NDVI para 4 datas e para a área de estudo
Como se pode ver, comparando as 4 datas, é facto que na maioria dos anos são visíveis alterações. As maiores perturbações acontecem de 2006 para 2007 e de 2009 para 2010, sendo que de 2007 para 2009 não surgem mudanças.As modificações ocorrentes em 2010 são as mais evidentes e drásticas.
Por último, e uma vez que se pretende analisar a influência de variáveis ambientais na abundância e na riqueza de espécies animais, procedeu-se a atualização do projeto SIG com informação relativa à rede hidrográfica e calculou-se uma carta de equidistâncias a essa rede. Como se mostra na Figura 7, tratando-se do cimo das serras, a rede hidrográfica mostra o início (nascente) de várias linhas de água que, por sua vez, dão origem a vários rios e ribeiras. Por este motivo, as maiores distâncias localizam-se precisamente no cimo das serras.
Posteriormente ao processamento da informação anteriormente apresentada, recorreu-se a uma rotina de cálculo, integrada no software SIG, que permite associar a cada ponto amostra o valor das variáveis que se pretende estudar, neste caso: altitude, o declive, a exposição, o índice de vegetação e a distância à rede hidrográfica.A título de exemplo, apresenta-se na Tabela 5 um extrato da base de dados ou seja da tabela de atributos associada ao vetor (shapefile) de pontos amostra.
33
Tabela 5: Extrato da Tabela de atributos
Abd_ M a mif Riq_ M a mif Abd_ Rep Riq_ Rep Abd_ Anf Riq_ Anf Abd_ Av es Riq_ Av es ting rid slo pe a spect dis t_ r_ hid nd v i_ 0 6 1 1 0 0 0 0 30 8 1021.6 50.5 180.5 141.4 0.547 0 0 0 0 0 0 12 4 997.0 45.3 261.4 40.0 0.634 0 0 0 0 0 0 3 2 1091.9 40.1 308.4 110.0 0.397 1 1 0 0 0 0 1 1 1168.5 33.2 1.5 103.0 0.438 2 2 1 1 0 0 22 7 954.8 47.1 239.8 58.3 0.493 0 0 0 0 0 0 8 4 1062.2 32.1 290.5 180.3 0.421 2 2 0 0 0 0 2 2 1126.4 41.4 355.2 82.5 0.354 1 1 0 0 1 1 6 3 1183.0 39.8 286.0 80.6 0.382 0 0 1 1 0 0 15 7 950.0 10.1 255.5 14.1 0.406
De modo a passar de uma situação pontual, resultante do processo de amostragem, a uma situação contínua, mapa de distribuição espacial para toda a área de estudo, recorreu-se a processos de interpolação e a processos de regresão geográfica.
Em termos de interpolação espacial, recorreu ao método do Inverso do Quadrado das Distâncias (IDW – Inverse Distance Weighted). Para efectuar estas cartas, usou-se o valor da riqueza e o valor da abundância como variável de cálculo, cujos resultados se apresentam nas Figuras 12; 13; 15 e 16 identificadas com a sigla IWD.
Em termos de regressão geográfica, recorreu-se ao método da Regressão Geográfica Ponderada (GWR – Geographic Weighetd Regression). Contudo, antes de passar ao processo de ajustamento das regressões, foi necessário analisar o tipo de relação que se pode estabelecer entre as variáveis valor da riqueza e o valor da abundância e as caractarísticas morfológicas do terreno: altitude, declive, exposição, índice de vegetação e distância à rede hidrográfica. Esta análise foi feita com recurso ao cálculo dos valores da Correlação de Pearson, cujos resultados se apresentam na Tabela 6
