MODELAÇÃO PREDITIVA DA VEGETAÇÃO NATURAL POTENCIAL DO CONCELHO DE LOURES.
DOI:
https://doi.org/10.18055/Finis3146Abstract
O conceito de Vegetação Natural Potencial (VNP) e a sua representação cartográfica assume uma importância primordial para a maioria dos países europeus nas questões relacionadas com o restauro de habitats. Dada a relação existente entre a localização das diversas séries de vegetação de um território e os principais fatores ambientais, este artigo visa o desenvolvimento de modelação preditiva da VNP para o Concelho de Loures. Atendendo, à estratégia geral de análise e possibilidade de integração de um vasto conhecimento empírico (expert knowledge), aplicou-se a estratégia de modelação classification-then-modelling. Para averiguar a relação entre 6 séries de vegetação e um conjunto de oito variáveis ambientais (Altitude, Declive, Exposição, Índice Topográfico de Humidade, Sky View Factor, Solos, Geologia e Distância ao Tejo) recorreu-se a Modelos de Distribuição de Espécies (SDM) aplicados ao nível da comunidade, suportados em Sistemas de Informação Geográfica (SIG) e em diferentes princípios estatísticos (modelos de regressão, machine learning e rule based). Os resultados obtidos permitiram aferir o modo como os gradientes ecológicos (principalmente o tipo de Solo e a Geologia) determinam a ocorrência das séries de vegetação. A cartografia preditiva da VNP resultante do melhor modelo (modelo da Máxima Entropia com 8 variáveis preditivas), foi ainda validada com a cartografia oficial da VNP do Concelho de Loures (precisão global de 88%). Por último, a sua aplicação na reconstituição da vegetação natural, especialmente após ação antrópica, pelo seu carácter preditivo representará um importante mecanismo de apoio para o planeamento e ordenamento do território.
Downloads
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Copyright (c) 2017 Finisterra
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
-
Authors are responsible for the opinions expressed in the texts submitted to Finisterra.
-
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
-
Authors must commit to complying with the “Guidelines for article submission”, on the RCAAP platform.
-
Whenever a text may require amendments based on suggestions made by the Scientific Reviewers and/or the Executive Committee, authors must agree to accept these suggestions and implement the requested changes. If authors disagree with any of the amendments suggested, they will need to provide justifications for each individual case.
-
Reproduction of materials liable to copyright laws has been granted permission in advance.
-
Texts are original, unpublished and have not been submitted to other journals.
License URL CC Attribution-NonCommercial-NoDerivatives (BY-NC-ND)