A carregar...
Publicação
Otimização da gestão territorial das florestas mistas de sobreiro e pinheiro-manso: ocupação potencial e produtividade
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 3.81 MB | Adobe PDF |
Autores
Resumo(s)
Frente a los diferentes fenómenos ligados al cambio global se hace necesario explorar
alternativas de resiliencia y sostenibilidad para los bosques mediterráneos, como lo
pueden ser las masas mixtas de Pinus pinea y Quercus suber, una combinación con
posibilidad de ampliar los servicios del ecosistema en comparación con la tradicional
gestión forestal monoespecífica. Así pues, este trabajo consiste en la creación de
modelos de distribución potencial, basados en GLM y Random Forests, para el pino
piñonero y el alcornoque, lo que permitirá concretar qué áreas son aptas para este
tipo de bosques gestionados. La calibración de los modelos se ha realizado en la
mitad sur del país, para, una vez validados, ser aplicados al resto del país.
En este sentido, los modelos se centran solamente en la parte abiótica de la
distribución y constatan la gran perturbación antrópica de la ocupación actual, sobre
la que se basa la modelación de la distribución potencial. Los resultados muestran
que, de las variables edafoclimáticas, una de las más significativas para ambas
especies es la textura del suelo, concretamente el % de arena; mientras que la
temperatura máxima media y la continentalidad tienen más relevancia en los modelos
del pino piñonero, siendo la precipitación la que más tiene para el alcornoque. Existe
poco consenso científico sobre los determinantes de la distribución de estas dos
especies, lo que hace necesario conocer mejor el impacto de las variables sobre
ambas para aumentar el poder explicativo de los modelos en nuestra región.
As florestas mistas de Pinheiro-manso e Sobreiro têm vindo a ganhar o interesse de gestores e proprietários florestais porque permitem aliar uma maior rentabilização da exploração florestal, através da produção mista de cortiça e pinha. Uma floresta mista será, em teoria, mais resiliente a um clima em mudança, aos desafios de uma economia global e com um papel importante na melhoria das funções do ecossistema de regulação hídrica, sequestro de carbono e manutenção da biodiversidade. O investimento na floresta comporta algumas incertezas. O sucesso das plantações está estreitamente ligado à aptidão ecológica do local, o que é determinado pelas condições climáticas, edáficas e orográficas. Porém, no território, existem também constrangimentos económicos e políticos. Reconhecer estes locais é fundamental para garantir a manutenção das espécies e a sustentabilidade na produção. Este trabalho pretende responder a este desafio e apoiar o gestor florestal numa tomada de decisão consciente e informada. Para tal criaram-se modelos probabilísticos de distribuição de espécies (Species Distribition Model - SDM, em inglês) que têm como objetivo, por um lado, permitir: i) identificar a influência de cada variável explicativa na distribuição das espécies; e, por outro, ii) estimar a aptidão do território continental de Portugal para a eventual presença das duas espécies em conjunto. Os modelos de ocupação potencial têm uma resolução de 500m e basearam-se na distribuição geográfica de a) presenças / ausências atuais da variável dependente — a existência de povoamentos de Pinheiro-manso, Sobreiro ou mistos— e b) os valores das variáveis explicativas. Aplicaram-se dois algoritmos inovadores na literatura científica (Pechi et al., 2019; Santini et al. 2021), pertencentes a duas famílias diferentes, com a finalidade de explorar as suas potencialidades: Generalized Linear Model (GLM) e Random Forests (RF). A informação geográfica utilizada para conhecer a atual distribuição de ambas as espécies, como variável dependente, provém do 6º Inventário Florestal Nacional (ICNF, 2015), enquanto que as variáveis explicativas foram extraídas de diferentes fontes: • Os indicadores climáticos — alguns deles relativos à categorização BIOCLIM — foram calculados com dados de precipitação e temperaturas média, mínima e máxima dos últimos 30 anos provenientes da base de dados interpolada IBERIA01 para o período 1971-2015 (Herrera et al., 2019). As variáveis selecionadas foram: o número de dias de geada no ano (T. mín. < 0ºC), a temperatura máxima média m ºC, a continentalidade em ºC (BIO 07) e a média das precipitações acumuladas anuais em mm (BIO 12). • As propriedades físico-químicas dos solos, foram compiladas da base de dados INFOSOLO 1966-2014 (Ramos et al., 2017). As variáveis seleccionadas foram o pH e a textura dos solos, mais concretamente a percentagem de areia. • A Carta de Ocupação de Solos 2018 (DGT) foi usada como variável de perturbação antrópica utilizando camadas booleanas de exclusão associadas a determinados usos humanos do território: construção, agricultura e pastagens. Criou-se, adicionalmente, outra camada de exclusão associada a reservatórios de água temporários e permanentes: albufeiras, rios e sapais. Os modelos foram calibrados para a área de estudo, criada a partir das NUTS III da região sul do país, e incluem as regiões do Ribatejo, Alentejo e Algarve. Posteriormente, são validados com curvas ROC (Receiver Operating Characteristics), utilizando-se o valor AUC (Area Under the Curve) para comparar o rendimento de cada algoritmo. Contudo, apesar de RF obter melhores resultados do que GLM o processo de validação —ligeiramente para o pinheiro-manso e massas mixtas e bastante para o sobreiro—, decidiu-se a aplicação dos dois algoritmos para fora da área de estudo (resto área de Portugal continental), pelo facto dos modelos de aprendizagem automática poderem estar sobre-calibrados (Jiménez-Valverde et al., 2008). No que diz respeito aos resultados estatísticos, as variáveis que mais contribuem para a modelação da ocupação de Pinus pinea foram a textura arenosa dos solos e a temperatura máxima média; enquanto que para Quercus suber, as variáveis mais significativas foram a percentagem da areia e a precipitação anual. A relação nos três primeiros casos, respetivamente para cada espécie, é positiva, mas no último caso a relação é negativa, sendo o intervalo mais estável para precipitações entre os 600 e 700 mm. No que se refere à aplicação dos modelos fora da área de estudo e no caso do pinheiro-manso, a representação cartográfica para RF sugere áreas de expansão que o modelo GLM descarta totalmente: regiões do alto Mondego e o Pinhal de Leiria. Já no caso dos modelos para o sobreiro mostram resultados muito parecidos entre si, sugerindo a idoneidade da expansão desta espécie nas regiões da Beira Alta e Trásos-Montes. Finalmente, a aplicação dos modelos criados com as ocorrências de povoamentos mistos mostra probabilidades muito baixas de ocorrência utilizando ambos os algoritmos, não sendo possível definir áreas de distribuição potencial neste caso. Consideramos que a forte influência antropogénica na distribuição atual dos povoamentos de pinheiro-manso e sobreiro constitui um forte constrangimento à distribuição potencial modelada deste tipo de floresta mista. Destaca-se também o pouco consenso científico em relação às variáveis abióticas que determinam a distribuição do Pinus pinea e de Quercus suber. Existem grandes discrepâncias nos modelos criados para estas duas espécies na atualidade, o que mostra a necessidade de continuar a trabalhar interdisciplinarmente de forma melhorar o valor explicativo dos modelos de distribuição de espécies na região mediterrânica. Só assim será possível obter resultados de modelação com a aplicação prática necessária para os diferentes agentes territoriais trabalharem com o mínimo de incerteza possível.
As florestas mistas de Pinheiro-manso e Sobreiro têm vindo a ganhar o interesse de gestores e proprietários florestais porque permitem aliar uma maior rentabilização da exploração florestal, através da produção mista de cortiça e pinha. Uma floresta mista será, em teoria, mais resiliente a um clima em mudança, aos desafios de uma economia global e com um papel importante na melhoria das funções do ecossistema de regulação hídrica, sequestro de carbono e manutenção da biodiversidade. O investimento na floresta comporta algumas incertezas. O sucesso das plantações está estreitamente ligado à aptidão ecológica do local, o que é determinado pelas condições climáticas, edáficas e orográficas. Porém, no território, existem também constrangimentos económicos e políticos. Reconhecer estes locais é fundamental para garantir a manutenção das espécies e a sustentabilidade na produção. Este trabalho pretende responder a este desafio e apoiar o gestor florestal numa tomada de decisão consciente e informada. Para tal criaram-se modelos probabilísticos de distribuição de espécies (Species Distribition Model - SDM, em inglês) que têm como objetivo, por um lado, permitir: i) identificar a influência de cada variável explicativa na distribuição das espécies; e, por outro, ii) estimar a aptidão do território continental de Portugal para a eventual presença das duas espécies em conjunto. Os modelos de ocupação potencial têm uma resolução de 500m e basearam-se na distribuição geográfica de a) presenças / ausências atuais da variável dependente — a existência de povoamentos de Pinheiro-manso, Sobreiro ou mistos— e b) os valores das variáveis explicativas. Aplicaram-se dois algoritmos inovadores na literatura científica (Pechi et al., 2019; Santini et al. 2021), pertencentes a duas famílias diferentes, com a finalidade de explorar as suas potencialidades: Generalized Linear Model (GLM) e Random Forests (RF). A informação geográfica utilizada para conhecer a atual distribuição de ambas as espécies, como variável dependente, provém do 6º Inventário Florestal Nacional (ICNF, 2015), enquanto que as variáveis explicativas foram extraídas de diferentes fontes: • Os indicadores climáticos — alguns deles relativos à categorização BIOCLIM — foram calculados com dados de precipitação e temperaturas média, mínima e máxima dos últimos 30 anos provenientes da base de dados interpolada IBERIA01 para o período 1971-2015 (Herrera et al., 2019). As variáveis selecionadas foram: o número de dias de geada no ano (T. mín. < 0ºC), a temperatura máxima média m ºC, a continentalidade em ºC (BIO 07) e a média das precipitações acumuladas anuais em mm (BIO 12). • As propriedades físico-químicas dos solos, foram compiladas da base de dados INFOSOLO 1966-2014 (Ramos et al., 2017). As variáveis seleccionadas foram o pH e a textura dos solos, mais concretamente a percentagem de areia. • A Carta de Ocupação de Solos 2018 (DGT) foi usada como variável de perturbação antrópica utilizando camadas booleanas de exclusão associadas a determinados usos humanos do território: construção, agricultura e pastagens. Criou-se, adicionalmente, outra camada de exclusão associada a reservatórios de água temporários e permanentes: albufeiras, rios e sapais. Os modelos foram calibrados para a área de estudo, criada a partir das NUTS III da região sul do país, e incluem as regiões do Ribatejo, Alentejo e Algarve. Posteriormente, são validados com curvas ROC (Receiver Operating Characteristics), utilizando-se o valor AUC (Area Under the Curve) para comparar o rendimento de cada algoritmo. Contudo, apesar de RF obter melhores resultados do que GLM o processo de validação —ligeiramente para o pinheiro-manso e massas mixtas e bastante para o sobreiro—, decidiu-se a aplicação dos dois algoritmos para fora da área de estudo (resto área de Portugal continental), pelo facto dos modelos de aprendizagem automática poderem estar sobre-calibrados (Jiménez-Valverde et al., 2008). No que diz respeito aos resultados estatísticos, as variáveis que mais contribuem para a modelação da ocupação de Pinus pinea foram a textura arenosa dos solos e a temperatura máxima média; enquanto que para Quercus suber, as variáveis mais significativas foram a percentagem da areia e a precipitação anual. A relação nos três primeiros casos, respetivamente para cada espécie, é positiva, mas no último caso a relação é negativa, sendo o intervalo mais estável para precipitações entre os 600 e 700 mm. No que se refere à aplicação dos modelos fora da área de estudo e no caso do pinheiro-manso, a representação cartográfica para RF sugere áreas de expansão que o modelo GLM descarta totalmente: regiões do alto Mondego e o Pinhal de Leiria. Já no caso dos modelos para o sobreiro mostram resultados muito parecidos entre si, sugerindo a idoneidade da expansão desta espécie nas regiões da Beira Alta e Trásos-Montes. Finalmente, a aplicação dos modelos criados com as ocorrências de povoamentos mistos mostra probabilidades muito baixas de ocorrência utilizando ambos os algoritmos, não sendo possível definir áreas de distribuição potencial neste caso. Consideramos que a forte influência antropogénica na distribuição atual dos povoamentos de pinheiro-manso e sobreiro constitui um forte constrangimento à distribuição potencial modelada deste tipo de floresta mista. Destaca-se também o pouco consenso científico em relação às variáveis abióticas que determinam a distribuição do Pinus pinea e de Quercus suber. Existem grandes discrepâncias nos modelos criados para estas duas espécies na atualidade, o que mostra a necessidade de continuar a trabalhar interdisciplinarmente de forma melhorar o valor explicativo dos modelos de distribuição de espécies na região mediterrânica. Só assim será possível obter resultados de modelação com a aplicação prática necessária para os diferentes agentes territoriais trabalharem com o mínimo de incerteza possível.
Descrição
Palavras-chave
Modelação da distribuição de espécies (SDM) Variáveis edafo-climáticas Antropização Generalized Linear Model (GLM) Random Forests