Navigation – Plan du site

AccueilNuméros26Espacialização dos serviços ecoss...

Espacialização dos serviços ecossistêmicos na escala local em um contexto de desmatamento: que abordagens estatísticas e quais dados?

La spatialisation de Services Ecosystémiques à l'échelle locale dans un contexte de déforestation : quelles approches statistiques et quelles données ?
Spatialization of ecosystem services at local space in a context of deforestation: what statistical approaches and what data?
Solen Le Clec'h, Johan Oszwald, Simon Dufour, Thierry Desjardins, Nicolas Jegou et Michel Grimaldi
Traduction de Karoline Gonçalves Lima (Ufrgs).
Cet article est une traduction de :
La spatialisation de Services Ecosystémiques à l'échelle locale dans un contexte de déforestation : quelles approches statistiques et quelles données ? []

Résumé

O Millenium Ecosystem Assessment (MEA) e os REDD (Reducing Emissions from Deforestation and Forest Degradation) defendem o desenvolvimento de novas abordagens para quantificar e espacializar os serviços ecossistêmicos (SEs). Essas abordagens podem permitir a implementação de práticas e políticas mais adequadas para a gestão ambiental. A cartografia dos SEs aparece como uma das principais ferramentas para a gestão dos espaços com importantes desafios ambientais. O estudo foi feito em três localidades impactadas pela frente de desmatamento da Amazônia brasileira. Dois processos físicos que fornecem SE, a infiltrabilidade da água no solo e o estoque de carbono na vegetação, foram mapeados com uma resolução espacial de 30x30m. Para isso, medições in situ de biomassa vegetal e de velocidade de infiltração da água no solo dentro de 135 pontos in situ e dados de sensoriamento remoto foram correlacionadas com modelos estatísticos. Esses modelos fornecem uma estimativa desses processos para todos os locais e permitem identificar os fatores que os influenciam. As cartografias resultantes facilitam a compreensão da distribuição espacial desses processos e podem servir de base para a cartografia dos trade-offs e sinergias entre os SEs.

Haut de page

Texte intégral

1A Amazônia brasileira, como todas as áreas florestais, produz um grande número de SEs. No entanto, desde a década de 1970, tem experimentado taxas extremamente altas de desmatamento (Evans et al., 2001, Fearnside 2005, INPE-Prodes 2014). Nas frentes pioneiras da Amazônia, a questão de degradação de SE é particularmente saliente. Consideradas como hotspots ecológicos pela comunidade internacional, algumas áreas da Amazônia estão experimentando mudanças de paisagem abruptas e recentes cujas consequências são consideradas muito importantes (Myers et al., 2000, Fearnside, 2005, Oszwald et al., 2011). Cartografar os SEs associados a espaços de frentes pioneiras oferece a possibilidade de garantir um monitoramento do impacto das atividades de desmatamento, seja em escala regional para a implementação das políticas públicas, seja em escala internacional para melhorar os monitoramentos efetuados no âmbito dos programas REDD e REDD+ (Redução de Emissões por Desmatamento e Degradação Florestal).

  • 1 Este trabalho foi realizado no âmbito do Programa da Agência Nacional para a Pesquisa (AMAZ-ES e AM (...)

2A cartografia dos SEs apresenta, portanto, questões fundamentais para a comunidade internacional (Baralet al., 2009, Hein, 2006, Kemkes et al., 2010). Porém, a espacialização dos SEs permanece muito pouco desenvolvida na literatura científica (Nemec e Raudsepp-Hearne, 2013). De fato, a espacialização dos processos físicos que caracterizam SEs é complexa de se colocar em prática, mesmo sendo apenas para passar de um processo local para um serviço cujo escopo espacial é maior (Dominatiet al., 2010; al., 2012). Nesse contexto, este estudo1 tem como objetivo quantificar e espacializar SEs em um dos estados brasileiros mais afetados pela frente de desmatamento da Amazônia, o Pará. Mais especificamente, este estudo procura desenhar uma metodologia de cartografia de indicadores de SE, baseando-se em uma abordagem estatística.

3O objetivo dessa metodologia é possibilitar o estudo e a espacialização das inter-relações entre serviços (trade-offs e sinergias). Para fazer isso, usaremos um conjunto de dados medidos in situ (uso de solos, sócio-economia, pedologia, hidrologia, ecologia...) no âmbito dos programas da Agência Nacional de Pesquisa (ANR) AMAZ para caracterizar os processos físicos que induzem o SE. Em seguida, buscaremos espacializar esses processos físicos, usando dados de sensoriamento remoto e Sistemas de Informação Geográfica para cartografar o armazenamento de carbono da vegetação e a infiltrabilidade da água no solo em três locais de estudo (Maçaranduba, Palmares II e Pacajá).

Materiais e Métodos

Sítios de estudo

4Para atender a esse objetivo, foi realizado um mapeamento individual dos indicadores de SE para cada um dos três sítios, Maçaranduba, Pacajá e Palmares II (Figura 1). Os desafios em termos de proteção dos recursos naturais são bem conhecidos e muitas vezes causam conflitos.

5Figura 1: Localização do estado do Pará e de três áreas de estudo. Esses três locais estão apresentados no contexto de sua utilização do solo. PC: Pacajá; MC: Maçaranduba e PR: Palmares II.

6Cada uma dessas áreas apresenta contextos institucionais variados e situações contrastantes (Albaladejo et al., 1996). Maçaranduba, localizada no município de Nova Ipixuna, à beira do rio, cobre uma área de aproximadamente 220 km². O desmatamento do local começou na década de 1970 concomitantemente à queda mundial dos preços do látex e da castanha do Pará, produtos que faziam a riqueza do local e provocaram uma nova orientação das práticas agrícolas. No início dos anos 2000, o local foi invadido por seus antigos ocupantes que tomaram para si lotes destinados à agricultura. Um tipo de organização social comparável às reservas extrativistas foi estabelecido, em particular com a propriedade coletiva da terra, a alocação de direitos de usos sobre as parcelas e a limitação das autorizações de desmatamento para a criação de pastagens. De fato, embora situado em uma área amplamente desmatada, esse local tem uma cobertura florestal relativamente bem preservada, com algumas áreas de floresta conservadas, ao contrário de algumas áreas circunvizinhas. O segundo local estudado, Pacajá, situa-se em uma das estradas secundárias perpendiculares à rodovia Transamazônica, denominadas "espinha de peixe", no Travessão sul do km 338; cobre uma área de 175 km² e se encontra no município de Pacajá, a cerca de 60 km do centro urbano. Desde 1990, esse local sofre de forma natural uma intensa colonização. Em 2007, a cobertura florestal ainda era importante e as taxas de desmatamento nada tinham de comparável com as dos outros dois locais. Palmares II – emblemático da Reforma agrária – é um assentamento de 158 km² do município de Parauapebas. Localiza-se próximo da mina de ferro de Carajás e sua criação foi decidida após as lutas entre os trabalhadores do Movimento Sem Terra (MST), o Governo Federal e a Vale, proprietária da exploração de Carajás (Bringel, 2006). No início de 1996, o governo finalmente concede a terra de uma fazenda aos trabalhadores do MST, ocupada por vários meses. O fazendeiro foi expulso e a terra dividida em lotes de mesmo tamanho, causando uma fragmentação da área em uma infinidade de parcelas e favorecendo o uso da terra para pastagem.

Abordagem geral

7A metodologia ocorre em três etapas principais (Figura 2). Primeiro, para cada indicador de serviços, modelos estatísticos são construídos usando duas metodologias diferentes. Esses modelos correlacionam indicadores de serviços ecossistêmicos e dados de sensoriamento remoto relativos à topografia ou vegetação. Eles identificam os dados ambientais que influenciam a prestação de serviços e preveem valores para cada um dos dois indicadores. Segundo, para cada indicador, os dois modelos são comparados e o modelo de melhor desempenho é selecionado para fazer as cartografias. E, por fim, a partir dos modelos estatísticos escolhidos, propomos uma espacialização de cada indicador de serviços para cada um dos locais de estudo.

Figura 2: Abordagem geral da cartografia dos dois indicadores de serviços ecossistêmicos

Figura 2: Abordagem geral da cartografia dos dois indicadores de serviços ecossistêmicos

Os processos biofísicos estudados

8Os SEs são avaliados através de indicadores simples de processos biofísicos. A cartografia resultante é, portanto, baseada em indicadores quantificáveis espacializáveis, acessíveis por sensoriamento remoto.

9Nesse contexto de desmatamento, o estudo de dois indicadores de SEs foi considerado pertinente. Esses indicadores estão ligados a diversos serviços ecossistêmicos que se revelaram interessantes de estudar no contexto de frente pioneira: a regulação do clima, através dos indicadores de estoque de carbono da biomassa vegetal e a regulação do ciclo da água e o controle da erosão do solo, via capacidade do solo para permitir a infiltração da água (Grimaldi et al., 2014).

10Esses dois indicadores foram escolhidos por sua pertinência específica no contexto das frentes pioneiras da Amazônia e por sua complementaridade em termos de processos biofísicos associados. Além disso, o serviço de regulação do clima, comumente estudado ou apreendido em políticas específicas como os REDD+, é emblemático e seus desafios são conhecidos tanto pela comunidade científica quanto pelo público em geral. Para mais detalhes sobre a natureza e protocolos para aquisição de dados de campo incorporados nos modelos, ver Silva Costa et AL., 2012 e Grimaldi ET AL, 2014.

11O armazenamento de carbono na vegetação é classicamente considerado como um serviço de regulação (no sentido MEA) do clima. Através de sua atividade fotossintética, a vegetação clorofílica absorve parte do CO2 da atmosfera e então desempenha um papel importante na regulação do clima (Brown, 1997), especialmente nas florestas tropicais (Silver et al., 2000).

12A infiltrabilidade é definida pela capacidade do solo de absorver água das precipitações. É caracterizada pela altura da água que penetra no solo por um dado intervalo de tempo; por sua capacidade de infiltração da água, o solo é considerado um regulador. De fato, uma baixa ou nenhuma infiltração implica um escoamento de água, resultando em uma erosão acentuada do solo, uma ausência de recuperação dos estoques de água do solo e uma acumulação nos terrenos baixos (Grimaldi et al., 2014).Essa questão é crucial nas frentes pioneiras, uma vez que a erosão do solo provoca o aparecimento de fissuras, mas também uma diminuição significativa dos nutrientes contidos na camada superior do solo, o que leva a uma diminuição gradual de sua produtividade (Markewitzet al., 2004; Zimmermann et al., 2006 ; Muderhwa Mutabesha, 2009).

13As informações sobre os SEs foram coletadas em 45 pontos localizados em 9 explorações (5 por exploração) presentes em cada localidade durante pesquisas de campo realizadas no âmbito dos programas de pesquisa AMAZ-BD e AMAZ-ES (coordenação de Patrick Lavelle) entre 2007 e 2010, dos programas de pesquisa financiados pela ANR.

Dados explicativos

14As informações espaciais utilizadas nos modelos estatísticos permitiram cartografar dois tipos de dados: 1) o estoque de carbono na vegetação e 2) a infiltração da água no solo. Os primeiros são dados de uso do solo (atual - OSt, uma trajetória histórica a partir de uma análise diacrônica – Oszwald et al., 2011 – e dois índices de vegetação, o NDVI –Normalized Difference Vegetation Index – e o NDWI – Normalized Difference Water Index). Essas informações foram obtidas pelo processamento de imagens Landsat TM. Os demais dados são relativos à topografia (altitude em metros, declividade em porcentagem, síntese da topografia e distância da rede hidrográfica) e são provenientes do tratamento do MDT ASTER (Modelo Digital de Terreno).

15Os modelos estatísticos implementados permitem testar a influência dessas informações sobre as variações dos dois indicadores de serviços e selecionar apenas as variáveis influentes para realizar a previsão dos valores de serviços ecossistêmicos.

Resolução espacial

16Os serviços produzidos pelos ecossistemas vêm de processos físicos que se operam em nível local ou mesmo microlocal. Portanto, é importante processar a informação da maneira mais detalhada possível (Burkhardet al., 2009). Além disso, o fornecimento dos SEs é potencialmente dependente do uso do solo e as variações das paisagens podem ser localmente muito importantes. Com efeito, pareceu necessário tratar os dados da forma mais precisa possível. A unidade espacial básica escolhida (30x30m) corresponde à resolução espacial das imagens de satélites utilizadas, o que permite uma classificação detalhada do uso do solo, considerando a variedade da paisagem, particularmente onde há frentes pioneiras.

Metodologia estatística

17Os dados detectados sensoriamente e in situ, ambos conhecidos em escala de pontos, foram correlacionados, com o auxílio de um modelo estatístico. Este apresenta duas vantagens: por um lado, permite explicar as variações de cada um dos indicadores de SE a partir dos dados selecionados. O procedimento de seleção de variáveis ajuda a entender os fatores que influenciam os processos ecológicos envolvidos. Por outro, ao prever valores para toda a localidade, o modelo permite obter uma cartografia de um setor inteiro a partir de alguns pontos de amostragem. Como se trata de modelar uma variável quantitativa (indicador de SE) a partir de variáveis qualitativas (uso do solo, por exemplo) e variáveis quantitativas (altitude), dois métodos foram utilizados: a árvore de regressão (Algorithme Classification And Regression Trees – CART) e a regressão linear múltipla (Cornillonet al., 2010). As capacidades de previsões desses dois métodos estatísticos foram comparadas por validação cruzada.

Resultados

Resultados estatísticos

Resultados gerais

18A comparação por meio de validação cruzada dos dois modelos estatísticos destaca a qualidade superior do modelo de regressão linear em termos de previsão; de fato, esse método tem sistematicamente maiores valores de R² e menores valores de validação cruzada (Tabelas 1 e 2). Como resultado, as cartografias foram criadas com base nos valores previstos por esse modelo. No entanto, o método por árvore de decisão é mantido para fins heurísticos e pedagógicos. Certamente, a representação gráfica desse modelo possibilita entender a hierarquia das variáveis selecionadas e, assim, apreender melhor os processos físicos subjacentes, mas também permite popularizá-lo ao grande público.

O carbono armazenado na vegetação

19Os modelos estatísticos resultantes dessas análises oferecem R² que variam entre 62% e 85%, conforme o local para a regressão linear, e entre 50% e 73% para a árvore de decisão. Em geral, esses modelos são baseados na variável "uso do solo" (Tabela 1). As outras variáveis explicativas utilizadas na construção do modelo – altitude, declividade, NDWI e trajetória histórica de uso do solo – não influenciam significativamente no estoque de carbono da vegetação.

20

Tabela 1: Resultados dos modelos estatísticos que buscam prever valores de carbono para cada um dos três locais.

Tabela 1: Resultados dos modelos estatísticos que buscam prever valores de carbono para cada um dos três locais.

21

Figura 3: Árvores de decisão do modelo que explicam a quantidade de carbono armazenada na vegetação dos três sítios

Figura 3: Árvores de decisão do modelo que explicam a quantidade de carbono armazenada na vegetação dos três sítios

Em megagram por hectare (Mg/ha). US: Uso do Solo, F: Floresta, FB: Floresta Queimada, JC: Juquira-Capoeira (Pousio ou vegetações florestais secundárias), PL: Pastagem com Lenhosa, P: Pastagem, SN: Solo Nu).

A infiltrabilidade da água nos solos

22Os modelos estatísticos resultantes da análise dos dados de infiltrabilidade apresentam R² que variam entre 30% e 73%, dependendo do local para regressão linear, e entre 35% e 71% para a árvore de decisão (Tabela 2). Os resultados são globalmente menos satisfatórios do que os obtidos durante o estudo do carbono armazenado pela vegetação.

Tabela 2: Resultados de modelos estatísticos que buscam prever valores de infiltração de água no solo para cada um dos três locais.

Tabela 2: Resultados de modelos estatísticos que buscam prever valores de infiltração de água no solo para cada um dos três locais.

A validação cruzada permite observar as mesmas tendências que o R²; consequentemente os valores apresentados são os do R², pois esse indicador é mais universal.

23O número de variáveis selecionadas nos modelos ilustra a complexidade do fenômeno. Esses modelos também destacam a importância dos dados relativos ao sistema operacional (SO), incluindo a trajetória histórica do uso do solo no fornecimento deste serviço (Tabela 2 - Figura 4). A vegetação se comporta como uma camada protetora para o solo, mas as mudanças do seu uso não afetam instantaneamente o processo. Assim, esse tipo de serviço é influenciado de forma mais ampla por propriedades inerentes dos solos, isto é, específicos do solo, inobserváveis por enquanto por sensoriamento remoto.

24Figura 4: Árvores de decisão do modelo que explicam a infiltração de água no solo para os três sítios (mm / h).

25US: Uso do Solo, F: Floresta, FB: Floresta Queimada, JC: Juquira-Capoeira (Pousio ou Vegetação Secundária), PL: Pastagem com Lenhosa, P: Pastagem, SN: Solo Nu).

Resultados Cartográficos

26A cartografia local possibilita estimar com uma precisão variável, de acordo com o indicador SE e o sítio, a distribuição espacial de cada um dos dois indicadores de SE dentro de uma exploração agrícola ou dentro de um sítio (Figura 5). A variação espacial do processo biofísico é, portanto, representada por variáveis derivadas do sensoriamento remoto. O interesse dessas cartografias é facilitar o rastreamento espacial do fornecimento de um SE. Em uma perspectiva de acompanhamento, pode ser possível realizar esse tipo de análise diacronicamente, a fim de acompanhar a evolução espaço-temporal. Além disso, por meio da distribuição do indicador do SE dentro das explorações, essas cartografias oferecem a possibilidade de compreender o impacto das atividades agrícolas no fornecimento desse SE.

27

Figura 5: Mapas do carbono armazenados (Mg/ha) na vegetação e da infiltrabilidade de água no solo (mm / h) em Maçaranduba e Palmares II

Figura 5: Mapas do carbono armazenados (Mg/ha) na vegetação e da infiltrabilidade de água no solo (mm / h) em Maçaranduba e Palmares II

28

Zoom em três fazendas (como um exemplo) inferidas a partir do modelo de regressão linear. A cartografia não foi realizada para Pacajá, dada a baixa capacidade preditiva do modelo estatístico. Embora haja uma variação gradual das cores, elas não representam quantitativamente a mesma intensidade de um sítio para outro.

Discussão

29A cartografia dos indicadores de SE permite simplesmente transcrever processos físicos muitas vezes complexos, mesmo que a transição do processo para o mapa de SE implique necessariamente uma simplificação. Assim, torna-se possível distinguir as áreas onde o fornecimento de SE é ótimo daquelas em que ele está degradado ou em processo de degradação, particularmente em um contexto de frente de desmatamento. A espacialização do estado de um SE dentro de um território poderia facilitar a tomada de decisão política, seja para a implementação de políticas públicas voltadas para a restauração dos meios, ou para a proteção de certos SE, mas também em nível internacional, para identificar os territórios premidos hoje pelas ações humanas e sobre os quais políticas de proteção estão em andamento por meio de programas internacionais como o REDD (Burkhardet al., 2009; Burkhard et al., 2012; Nemec et al., 2013).Essa abordagem cartográfica facilita, assim, as ações ou poderia beneficiar o surgimento de novas legislações territorializadas a fim de favorecer a proteção de SE (Hervé-Fournereau, 2012).

30O estudo destacou a importância da precisão dos dados de entrada, especialmente em termos de uso do solo. No entanto, em escalas finas é possível uma classificação mais precisa do uso do solo. (Domaç, 2004). Esse argumento também é válido para as informações de topografia resultantes do MNT. As análises em escala local permitem, assim, levar em consideração a especificidade dos territórios, através de um procedimento de escolha de variáveis. A importância do local foi, então, evidenciada. De acordo com o tempo de apropriação da área, a diversidade da paisagem é relativamente importante. Como os modelos estatísticos são baseados principalmente no sistema operacional, uma alta diversidade de paisagens provoca uma grande quantidade de variabilidade estatística, por isso o desempenho heterogêneo dos diferentes modelos estatísticos. Assim, o modelo da área menos desmatada, Pacajá, apresenta uma taxa de confiabilidade pior do que as outras duas zonas. Além disso, como os dados de topografia são derivados de um Modelo Digital de Elevação (MDE) e não de um MNT, os estudos em Pacajá mostram um segundo viés (Tachikawa et al., 2009). Com efeito, contrariamente ao MNT, o MNE leva em consideração a altura da cobertura florestal, o que não permite ter uma abordagem satisfatória da topografia e da rede hidrográfica, especialmente nas áreas mais florestadas (Pacajá). A qualidade dos resultados obtidos é, portanto, diferente de acordo com o local, mas também segundo o SE estudado.

31Os modelos estatísticos realizados sobre os dados de carbono armazenado pela vegetação fornecem bons resultados. Estes são considerados satisfatórios em relação à bibliografia internacional (Baral, 2009; Bolfe et Battistella, 2011). A confiabilidade desses modelos se deve à escolha de dados de entrada, à resolução espacial e à escolha da metodologia que visa explicar melhor um fenômeno para prever seus valores. Por outro lado, as metodologias mais comuns (inventários florestais, estimativa da biomassa, etc.) baseiam-se unicamente no uso do solo, sem buscar a integração de outros fatores que impactariam potencialmente o armazenamento de carbono (Dong et al., 2003; Ponce-Hernandez, 2007; Salimon et al., 2011).Essas metodologias tendem a simplificar o bioprocesso físico envolvido, mas servem como base para a criação de esquemas de remuneração para os serviços ecossistêmicos em níveis internacionais (RSE). Como os resultados anteriores ilustram, a aproximação relacionada à modelagem é mais ou menos prejudicial, dependendo do SE estudado. De fato, se a modelação de carbono da vegetação parece relativamente confiável, os resultados da modelação de infiltrabilidade da água são problemáticos. Além disso, essa questão da incerteza dos modelos torna-se particularmente delicada quando se foca no estudo dos trade-offs e das sinergias entre SEs.

32Em geral, os resultados estatísticos dos modelos sobre os dados de infiltrabilidade da água no solo são piores do que os resultados para os dados de carbono da vegetação, especialmente porque esse processo físico se deve mais às propriedades inerentes ao meio ambiente do que às propriedades modificáveis (Dominati et al., 2010).Esses resultados expõem, portanto, uma limitação à possibilidade de modelagem de um SE a partir de informações obtidas por sensoriamento remoto. No entanto, ela destaca a importância do uso do solo, bem como as dinâmicas de seu uso através de um indicador histórico, com maior capacidade para sintetizar a complexidade temporal do avanço da frente de desmatamento em relação às condições específicas aos diferentes terrenos. Porém, esses dois aspectos são muitas vezes negligenciados. Assim, na bibliografia, os estudos que tratam da questão da infiltrabilidade concentram-se apenas em dados pedológicos e/ou climatológicos (Cam et al., 1996; Demarcin et al., 2011; Maes et al., 2011). Estimando o grau de informação explicado pelas variáveis, os modelos oferecem a possibilidade de consultá-los para completar o registro de dados, caso for necessário. Esse elemento apresenta um potencial pedagógico, uma vez que é essencial para melhorar nosso conhecimento ainda incompleto sobre os fatores que influenciam os processos físicos e o elo entre eles e os SEs. Além disso, ele apresenta um potencial heurístico, já que esse retorno aos dados pode levantar novas questões científicas e um potencial político, pois poderia permitir que os gestores tivessem um feedback crítico sobre a ferramenta utilizada. Um modelo explicativo da infiltrabilidade da água nos solos sem previsão em áreas maiores foi criado na escala de pontos, com o objetivo de explicar melhor o processo a partir de dados relativos à fauna e à natureza do solo e informações relacionadas ao domínio histórico dos homens sobre a paisagem. Embora esses modelos não possam levar à realização de cartografias, eles possibilitam a compreensão do fenômeno. Assim, podem ser utilizados e encontrar uma aplicação em recomendações dos gestores desses territórios.

Perspectivas

33Espacializar os SEs individualmente permite uma melhor compreensão dos fatores que influenciam os serviços estudados e, especialmente, sua distribuição espacial. No entanto, como os SEs são relativamente interdependentes (Heal et al., 2001), é necessário entender as inter-relações entre eles, a fim de fazer da cartografia dos SEs uma ferramenta para os gestores territoriais. Com efeito, o fornecimento de um serviço pode vir em detrimento de outro. A medição dessas inter-relações é chamada de trade-off. A análise dos trade-offs também é frequentemente apresentada como essencial em inúmeros estudos (Wallace, 2007; Potschin et Haines-Young, 2011; Trabucchi et al., 2012). A maioria deles está concentrada em um SE. Porém, proteger um SE sem considerar o conjunto de um ecossistema pode ter consequências significativas.

34Dada a qualidade de previsão dos diferentes modelos estatísticos obtidos, deve-se realizar um estudo dos trade-offs. Este se baseará, em particular, nos dois SEs aqui apresentados, bem como nos SEs ligados à biodiversidade (polinização, fertilização dos solos, etc.). A análise dos trade-offs consiste em entender as relações entre os SEs e estimar tendências da oferta total dos SEs presentes em cada um dos pixels da zona. Logo, essa análise não pretende quantificar esses trade-offs, pois é difícil basear uma análise quantitativa em valores previamente estimados por modelos estatísticos e, portanto, com um grau de erro relativamente alto.

35Uma das ambições deste estudo era estabelecer um método reproduzível. Nesse sentido, as imagens LANDSAT TM ou MNT ASTER são fáceis de adquirir, de acesso livre, cobrem grandes áreas geográficas e têm a vantagem final de fornecer imagens em várias datas. Por outro lado, alguns dados usados na bibliografia são muito caros e/ou difíceis de obter, como o LiDAR (Asner, et al., 2012). Ao permitir certa reprodutibilidade, essa abordagem atende às expectativas do MEA ou dos REDD, ou seja, viabiliza uma ferramenta de espacialização dos SEs aos dirigentes, a fim de adaptar as políticas públicas a esse novo contexto da economia ambiental.

Haut de page

Bibliographie

Albaladejo C, Duvernoy I, Dominguez C, Veiga I, (1996). La construction du territoire sur les fronts pionniers. Les fronts pionniers de l'Amazonie Brésilienne, la formation de nouveaux territoires. L'Harmattan, Paris, p. 247-278.

Alix-Garcia, J., de Janvry, A., Sadoulet, E., Torres, J.M. (2005). An Assessment of Mexico's Payment for Environmental Services Program. UN Food and Agriculture Organization, Rome.

ARESEP (Asner P.G., Mascaro J, Muller-Landau C. H., Vieilledent G. and Vaudry R, (2012). A universal airborneLiDAR approach for tropical forestcarbonmapping, Oecologia, vol 168, n° 4, p. 1147-1160

Baral H., Kasel S., Keenan R., Fox J. and Stork N., (2009). GIS-based classification, mapping and valuation of ecosystem services in production landscapes: A case study of the Green Triangle region of south-eastern Australia. Actes de la "Biennial Conference", Australie.

Bolfe et Battistella, (2011). Carbon mapping of agroforestery systems in the Brazilian Amazon through satellite images. Actes de la 25ème International Cartographic Conference, France.

Bringel Fabiano de Oliveira. Rumos (2006). Trechos e Borocas: Trajetórias e
Identidades Camponesas de Assentados Rurais no Sudeste do Pará, – Belém. 
Mémoire de Matser à l’Université Fédérale du Pará (UFPA) et au Centro de Ciências Agrária à l’Embrapa Amazônia Oriental.

Brown S., (1997). Estimating biomass and biomass change of tropical forests: A primer. FAO ForestryPaper: n°34.

Burkhard B., Kroll F., Müller F. and Windhorst W., (2009).Landscapes’ Capacities to Provide Ecosystem Services – a Concept for Land-Cover Based Assessments. Landscape online, n°15, p. 1-22.

Burkhard B., Kroll F., Nedkov S. et Müller F. (2012). Mapping ecosystem service supply, demand and budgets. Ecological Indicators,21, 17–29.

Cam C, Froger D, Moulin J., Rassineux J. et Servan J, (1996). Représentation cartographique de la sensibilité des sols à l'infiltration hydrique verticale - Carte thématique à l'infiltration verticale, Etude et Gestion des Sols, Volume 3, n°2, p. 97:112.

Cornillon P.A., Guyader A., Husson F., Jégou N., Josse J., Kloareg M., Matzner-Lober E. et Rouvière L., (2010). Statistiques avec R, 2ème édition augmentée, Presses Universitaires de Rennes.

Daily G., (1997). Nature’s Services: Societal Dependence on Natural Ecosystems. Island Press, Washington.

Daily GC., Matson PA. (2008). Ecosystem services: From theory to implementation, Proceedings of the National Academy of Sciences, 105 (28), p. 9455-9456.

Demarcin P, Sohier C, Mokadem A. I., Dautrebande S, Degré A, (2011). Essai de cartographie des classes d’infiltrabilité des sols de Wallonie (Belgique). Biotechnologie, Agronomie, Société et Environnement. n°15, p.119-128

Domaç Aysegül, (2004). Increasing the Accuracy of Vegetation Classification Using Geology and DEM. Mémoire de Master, Middle east technical University, Ankara, Turquie.

Dominati E., M. Patterso M., A. Mackay A., (2010). A framework for classifying and quantifying the natural capital and ecosystem services of soils. Ecological Economics, n°69, p. 1858–1868
DOI : 
10.1016/j.ecolecon.2010.05.002

Dong J., Kaufmann K., Myneni R., Tucker C., Kauppip., Liski J., Buermann W., Alexeyev V., Hughes M., (2003). Remote sensing estimates of boreal and temperate forest woody biomass : carbon pools, sources, and sinks. Remote SensingofEnvironment, Vol.84, p. 393-410.
DOI : 
10.1016/S0034-4257(02)00130-X

Eckert, S., Ratsimba, H. R., Rakotondrasoa, L. O., Rajoelison, L. G. and Ehrensperger, A. (2011). Deforestation and forest degradation monitoring and assessment of biomass and carbon stock of lowland rainforest in the Analanjirofo region, Madagascar. Forest Ecologyand Management n°262, p.1996–2007. 
DOI : 
10.1016/j.foreco.2011.08.041

Evans, T.P., Manire, A., De Castro, F., Brondizio, E., McCracken, S., (2001). A dynamic model of household decision making and parcel level land cover change in the eastern Amazon. EcologicalModelling n°143, p. 95–113.

Fearnside P.M., (2005). Deforestation in Brazilian Amazonia: History, Rates, and Consequences. Conservation biology, 19(3), pp. 680-688.
DOI : 
10.1111/j.1523-1739.2005.00697.x

Grimaldi, M., Oszwald, J., Dolédec, S., Hurtado, M. del P., de Souza Miranda, I., Arnauld de Sartre, X., Assis, W.S. de, Castañeda, E., Desjardins, T., Dubs, F., Guevara, E., Gond, V., Lima, T.T.S., Marichal, R., Michelotti, F., Mitja, D., Noronha, N.C., Delgado Oliveira, M.N., Ramirez, B., Rodriguez, G., Sarrazin, M., Silva, M.L. da, Costa, L.G.S., Souza, S.L. de, Veiga, I., Velasquez, E., Lavelle, P., (2014). Ecosystem services of regulation and support in Amazonian pioneer fronts: searching for landscape drivers. Landscape Ecology 29, 311–328.

Heal, G., Daily, G.C., Ehrlich, P.R., Salzman, J., Boggs, C., Hellmann, J. et al. (2001). Protecting natural capital: ecosystem service districts. Stanford Environ. Law Journal, n°20, p.333–364.

Hein L., Van Koppen K, De Groot R, Van Ierland E, (2006). Spatial scales, stakeholders and the valuation of ecosystem services. Ecological Economicsn°57, p. 209– 228
DOI : 
10.1016/j.ecolecon.2005.04.005

Hervé-Fournereau N. (2012). Les PSE à la rencontre des territoires forestiers : un outil de préservation environnemental opportun dans les pays en développement ? Actes du colloque L’agriculture et les paiements pour services environnementaux : quels questionnements juridiques?, France.

INPE-Prodes, 2014. Projeto PRODES Monitoramento da floresta Amazônica Brasileira por satélite. http://www.obt.inpe.br/prodes/prodes_1988_2014.htm

Kemkes RJ, Farley J, Koliba CJ (2010) Determining when payments are an effective policy approach to ecosystem service provision. EcologicalEconomics69:2069–2074
DOI : 
10.1016/j.ecolecon.2009.11.032

Maes, J.,Parácchini, M.L., Zulian, G., (2011). A European Assessment of the Provision of Ecosystem Services: Towards an Atlas of Ecosystem Services. Publications Office of the European Union, Luxembourg.

Markewitz D, Davidson E, Moutinho P, Nepstad D (2004) Nutrient loss and redistribution after forest clearing on a highly weathered soil in Amazonia. Ecological Applications 14(4):S177-S199
DOI : 
10.1890/01-6016

MEA, (2005). Ecosystems and Human Well-being.A report of the Millennium Ecosystem Assessment, Island Press, Washington D.C.

Muderhwa Mutabesha P., (2009). Importance de la couverture au sol dans la restauration des écosystèmes forestiers : cas de la réserve de biosphère de Luki au bas Congo. mémoire de fin d’étude en sciences agronomique, Université de Kinshasa RDC.

Myers, N., R.A. Mittermeier, C.G. Mittermeier, G.A.B. da Fonseca et J. Kent, (2000). Biodiversity hotspots for conservation priorities, Nature, vol.403 n° 24, p. 853-858.
DOI : 
10.1038/35002501

Nemec, K.T.,et C. Raudsepp-Hearne. (2013). The use of GIS to map and assess ecosystem services. Biodiversity and Conservation n°22, p.1-15.

Oszwald J., Gond V., Doledec S., Lavelle P., (2011). Identification d’indicateurs de changement d’occupation du sol pour le suivi des mosaïques paysagères. Bois et Forêts des Tropiques, 307 : 7-21

Ponce-Hernandez R., (2007). A Modelling Framework for Addressing the Synergies between Global Conventions through Land Use Changes: Carbon Sequestration, Biodiversity Conservation, Prevention of Land Degradation and Food Security in Agricultural and Forested Lands in Developing Countries. FEEM Working Paper n°30.
DOI : 
10.2139/ssrn.976600

Potschin, M., Haines-Young, R.H., (2011). Ecosystem services: exploring a geographical perspective. Progress in Physical Geography n°35, p. 575–594.
DOI : 10.1177/0309133311423172

Salimon I.C., Putz E.F., Menezes-Filho L., Anderson A, Silveira M., Brown F, Oliveira L.C., (2011). Estimating state-wide biomass carbon stocks for a REDD plan in Acre, Brazil. Forest Ecologyand Management, n° 262, p. 555–560.

Sherrouse BC, Clement JM, Semmens DJ, (2011). A GIS application for ass essing, mapping, and quantifying the social values of ecosystem services. Applied Geography, n°31, p. 8-760.

Silva Costa LG, Miranda IS, Grimaldi M, Silva Jr ML, Mitja D, Lima TTS (2012) Biomass in different types of land use in the Brazil’s ‘arc of deforestation’. Forest Ecologyand Management 278(0):101-109

Silver W.L., Ostertag R. and Lugo A.E., (2000). The potential for Carbon Sequestration Through Reforestation of Abandoned Tropical Agricultural and Pasture Lands. RestorationEcology, n° 8 p. 394-407.
DOI : 
10.1046/j.1526-100x.2000.80054.x

Tachikawa, T., M. Kaku, and A. Iwasaki (2009).ASTER GDEM validation. Presentation at the 35th ASTER Science Team Meeting, Japan.

Trabucchi M, Ntshotsho P et al (2012). Ecosystem service trends in basin-scale restoration initiatives: A 717 review. Journal of Environmental Management, n°111 p.18–23 
DOI : 
10.1016/j.jenvman.2012.06.040

Wallace KJ. (2007). Classification of ecosystem services: problems and solutions. Biological Conservation, n°139: p. 235–246.
DOI : 
10.1016/j.biocon.2007.07.015

Wunder, S. (2005). Payments for environmental services: some nuts and bolts. Center for International Forestry Research Occasional Paper, n°42. http://www.cifor.cgiar.org/publications/pdf_files/OccPapers/OP-42.pdf.
DOI : 10.17528/cifor/001760

Zimmermann B, Elsenbeer H, De Moraes JM (2006) The influence of land-use changes on soil hydraulic properties: Implications for runoff generation. Forest Ecology and Management 222(1-3):29-38
DOI : 
10.1016/j.foreco.2005.10.070

Haut de page

Notes

1 Este trabalho foi realizado no âmbito do Programa da Agência Nacional para a Pesquisa (AMAZ-ES e AMAZ-BD): "Serviços ecossistêmicos de paisagens agrossilvipastoris da Amazônia – análise dos determinantes socioeconômicos e simulação de cenários", que permitiram coleta de informações de campo essenciais para a realização desses trabalhos e da Agência Nacional da Pesquisa (ANR, França) e da Análise Geográfica dos Serviços Ecossistêmicos (AGSE), que é a estrutura atual na qual este trabalho é realizado

Haut de page

Table des illustrations

URL http://journals.openedition.org/confins/docannexe/image/25448/img-1.jpg
Fichier image/jpeg, 169k
URL http://journals.openedition.org/confins/docannexe/image/25448/img-2.jpg
Fichier image/jpeg, 172k
Titre Figura 2: Abordagem geral da cartografia dos dois indicadores de serviços ecossistêmicos
URL http://journals.openedition.org/confins/docannexe/image/25448/img-3.jpg
Fichier image/jpeg, 88k
Titre Tabela 1: Resultados dos modelos estatísticos que buscam prever valores de carbono para cada um dos três locais.
URL http://journals.openedition.org/confins/docannexe/image/25448/img-4.jpg
Fichier image/jpeg, 112k
Titre Figura 3: Árvores de decisão do modelo que explicam a quantidade de carbono armazenada na vegetação dos três sítios
Crédits Em megagram por hectare (Mg/ha). US: Uso do Solo, F: Floresta, FB: Floresta Queimada, JC: Juquira-Capoeira (Pousio ou vegetações florestais secundárias), PL: Pastagem com Lenhosa, P: Pastagem, SN: Solo Nu).
URL http://journals.openedition.org/confins/docannexe/image/25448/img-5.jpg
Fichier image/jpeg, 108k
Titre Tabela 2: Resultados de modelos estatísticos que buscam prever valores de infiltração de água no solo para cada um dos três locais.
Légende A validação cruzada permite observar as mesmas tendências que o R²; consequentemente os valores apresentados são os do R², pois esse indicador é mais universal.
URL http://journals.openedition.org/confins/docannexe/image/25448/img-6.jpg
Fichier image/jpeg, 108k
URL http://journals.openedition.org/confins/docannexe/image/25448/img-7.jpg
Fichier image/jpeg, 104k
Titre Figura 5: Mapas do carbono armazenados (Mg/ha) na vegetação e da infiltrabilidade de água no solo (mm / h) em Maçaranduba e Palmares II
URL http://journals.openedition.org/confins/docannexe/image/25448/img-8.jpg
Fichier image/jpeg, 296k
Légende Zoom em três fazendas (como um exemplo) inferidas a partir do modelo de regressão linear. A cartografia não foi realizada para Pacajá, dada a baixa capacidade preditiva do modelo estatístico. Embora haja uma variação gradual das cores, elas não representam quantitativamente a mesma intensidade de um sítio para outro.
URL http://journals.openedition.org/confins/docannexe/image/25448/img-9.jpg
Fichier image/jpeg, 166k
Haut de page

Pour citer cet article

Référence électronique

Solen Le Clec'h, Johan Oszwald, Simon Dufour, Thierry Desjardins, Nicolas Jegou et Michel Grimaldi, « Espacialização dos serviços ecossistêmicos na escala local em um contexto de desmatamento: que abordagens estatísticas e quais dados? »Confins [En ligne], 26 | 2016, mis en ligne le 18 décembre 2019, consulté le 03 juin 2023. URL : http://journals.openedition.org/confins/25448 ; DOI : https://doi.org/10.4000/confins.25448

Haut de page

Auteurs

Solen Le Clec'h

Laboratoire LETG Rennes COSTEL, Université Rennes 2, http://perso.univ-rennes2.fr/solen.leclech, solen.leclech@uhb.fr

Articles du même auteur

Johan Oszwald

Laboratoire LETG Rennes – COSTEL (UMR CNRS 6554), Université Européenne de Bretagne - Rennes et Laboratoire ECODIV (UPRES-EA 1293) , Université de Rouen, http://perso.univ-rennes2.fr/johan.oszwald

Simon Dufour

Laboratoire LETG Rennes – COSTEL (UMR CNRS 6554), Université Européenne de Bretagne - Rennes 2, http://perso.univ-rennes2.fr/simon.dufour

Thierry Desjardins

UMR IRD iEES Paris, Centre IRD Ile de France, http://iees-paris.ufr918.upmc.fr/index.php?page=fiche&id=19

Nicolas Jegou

Département de Mathématiques Appliquées au Sciences Sociales, Université Européenne de Bretagne - Rennes 2, http://perso.univ-rennes2.fr/nicolas.jegou

Michel Grimaldi

UMR IRD iEES Paris, Centre IRD Ile de France, http://iees-paris.ufr918.upmc.fr/indexphp?page=fiche&id=30

Haut de page

Droits d’auteur

CC-BY-NC-SA-4.0

Creative Commons - Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International - CC BY-NC-SA 4.0

https://creativecommons.org/licenses/by-nc-sa/4.0/

Haut de page
  • Logo IHEAL (Institut des Hautes Études de l'Amérique Latine)
  • Logo CREDA (Centre de recherche et de Documentation sur les Amériques)
  • Logo USP (Universidade de São Paulo)
  • DOAJ - Directory of Open Access Journals
  • Latindex - Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal
  • Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
    CNRS - Institut national des sciences humaines et sociales
  • OpenEdition Journals
Search OpenEdition Search

You will be redirected to OpenEdition Search