Abstract:
Atualmente, a Amazônia é foco de diversos estudos científicos que buscam analisar impactos da ocupação humana sobre a cobertura florestal. Os principais questionamentos relacionados a esta temática diz respeito à evolução do processo de desmatamento e a maneira de prevê-los. Por isso, este trabalho teve por objetivo simular e validar a dinâmica do desmatamento em uma região Amazônica. Para tanto, são ajustados dois modelos de simulação: (1) Cadeias de Markov, e, (2) Redes Neurais Artificiais, com dados de uso e cobertura da terra extraídos de imagens LANDSAT, nos períodos de 1997 e 2001. Para validação dos modelos, foram comparados os valores simulados e observados do ano de 2004. Dados de uso e cobertura da terra indicam que na área estudada as taxas absolutas de desflorestamento diminuíram de 4,71% para 1,43%, enquanto as taxas de regeneração florestal aumentaram de 0,14% para 2,53%, durante o estudo. A simulação por Cadeias de Markov apresentou menores variações (12,5%) quando compradas as redes neurais (23%) para áreas de não-florestas entre dados observados e simulados. Os modelos de simulação não mostraram-se eficientes uma vez que o processo de desmatamento não ocorreu de forma estacionária.
The Amazon rainforest today is the focus of a variety of scientific studies that seek to analyze the impact of human occupation on the forest cover. The main issues relating to this theme involve the evolution of the deforestation process and how to predict it. Therefore, the objective of this work was to simulate and validate the dynamics of deforestation in region of the Amazon. To this end, two simulation models: (1) Markov Chains, and (2) Artificial Neural Networks, were fitted with data on land use and cover extracted from LANDSAT images from the periods of 1997 and 2001. To validate the models, comparisons were made of the simulated values and the values observed in 2004. Data on land use and cover indicate that in the area of study the absolute deforestation rates declined from 4.71% to 1.43%, while the forest regeneration rates increased from 0.14% to 2.53% during this study. Markov Chain simulation showed small variations (12.5%) compared with neural network (23%) between observed and simulated data for non-forest areas. The simulation models proved to be inefficient, since the deforestation process did not occur in a stationary mode.
