MODELAGEM DA DISTRIBUIÇÃO POTENCIAL DE ESPÉCIES ARBÓREAS NA BACIA DO RIO GRANDE PARA PROGRAMAS DE REVITALIZAÇÃO
|
|
- Adriano Borja Vieira
- 7 Há anos
- Visualizações:
Transcrição
1 MODELAGEM DA DISTRIBUIÇÃO POTENCIAL DE ESPÉCIES ARBÓREAS NA BACIA DO RIO GRANDE PARA PROGRAMAS DE REVITALIZAÇÃO Mônica Canaan Carvalho Engenheira Florestal, Mestre em Engenharia Florestal, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. monicacanaan@yahoo.com.br Tayrine Vieira Martins Engenheira Florestal, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. tatavmartins@gmail.com Nathalia de Paiva Mendonça Engenheira Florestal,, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. nathalia.p.mendonca@hotmail.com Lucas Rezende Gomide Engenheiro Florestal, Doutor em Engenharia Florestal, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. lucasgomide@dcf.ufla.br Rubens Manoel dos Santos Biólogo, Doutor em Engenharia Florestal, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. rubensmanoel@dcf.ufla.br José Márcio de Mello Engenheiro Florestal, Doutor em Engenharia Florestal, UFLA, Universidade Federal de Lavras, Departamento de Ciências Florestais DCF / UFLA, Caixa Postal 3037, CEP , Lavras MG. josemarcio@dcf.ufla.br RESUMO O presente trabalho teve como objetivo aplicar o algoritmo Random Forest na modelagem da distribuição potencial de 4 espécies arbóreas abundantes na bacia do Rio Grande. Utilizou-se os dados coletados em 27 fragmentos dentro da bacia, nos quais foram computadas a presença/ausência de cada espécie. As variáveis ambientais utilizadas na modelagem foram relativas à temperatura, precipitação, altitude, solo e relevo, totalizando 25 variáveis abióticas. O treinamento e avaliação do algoritmo se deu por validação cruzada (3 folds), na qual foram avaliadas as métricas: área abaixo da curva (AUC), porcentagem de dados classificados corretamente e taxa de verdadeiros positivos para ambas as classes. Em termos de AUC, o algoritmo Random Forest apresentou desempenho moderado para a espécie Psychotria vellosiana e bom desempenho para as espécies Amaioua intermedia, Cabralea canjerana, Myrcia splendens e Psychotria vellosiana. Apesar dos bons resultados para todas as espécies, seu desempenho mostrou ser altamente influenciado pelo desbalanceamento das classes. PALAVRAS-CHAVE: Fitogeografia, Nicho Fundamental, Random Forest. Área principal: AG & MA PO na agricultura e meio ambiente ABSTRACT This study aimed to apply the algorithm Random Forest in potential distribution modeling of four abundant tree species in the Rio Grande watershed. We used data collected on 27 fragments within the watershed, which were computed in the presence / absence of each species. Environmental variables used in the modeling were derived from temperature, rainfall, altitude, soil and relief, totaling 25 abiotic variables. The training and evaluating the algorithm is given by cross-validation (3 folds), in which the metrics were evaluated: area under the curve (AUC), percentage of correctly classified data and true positive rate for both classes. In terms of AUC, the Random Forest algorithm presented moderate performance for Psychotria vellosiana and good performance for Amaioua intermedia, Cabralea canjerana and Myrcia splendens. Despite the good results for all species, their performance proved to be highly influenced by the imbalance of classes. KEYWORDS: Phytogeography, Fundamental Niche, Random Forest Main Area: AG & MA OR in agriculture and environment
2 1. Introdução A modelagem da distribuição de espécies é um método da biogeografia que estima a distribuição potencial de determinada espécie baseada em características ambientais. Sua fundamentação ecológica é baseada no conceito de nicho (Hutchinson, 1957), definido um espaço de n dimensões, limitado pelas condições bióticas e abióticas necessárias para sobrevivência e reprodução de cada espécie. Este método associa dados de ocorrência da espécie (coordenadas geográficas) com variáveis ambientais (obtidas através de imagens de Sensoriamento Remoto e dados de um SIG), predizendo ambientes potencialmente adequados, onde em teoria, uma população possa se manter viável (Anderson e Peterson, 2003). Devido à complexidade da natureza e na obtenção de condições bióticas (interações entre espécies, mecanismos de dispersão, barreiras históricas, recursos, entre outros), estes dados não são empregados de maneira representativa na modelagem. Resultando em um ambiente predito de ocorrência da espécie muito menos restrito que a distribuição real desta (potencial), visto que considera apenas algumas características abióticas e pressupõe que as condições bióticas são satisfatórias. Este ambiente na ecologia é denominado nicho fundamental, e compreende o espaço geográfico onde as variáveis utilizadas na modelagem sustentam a ocorrência da espécie. A estimativa do nicho fundamental através da modelagem, auxilia em estudos sobre ambientes potenciais para espécies invasoras (Peterson et al., 2006), conservação de espécies raras ou ameaçadas (Cluter et al., 2004; Marmion et al., 2009), estimativa de área prioritárias para conservação (Chen, 2009), reintrodução de espécies (Hirzel et al., 2002), impactos de mudanças climáticas (Araújo et al., 2008), entre outros. Em âmbito florestal, a modelagem da distribuição de espécies pode constituir uma ferramenta prática e precisa em planos de revitalização de áreas desflorestadas. A partir de levantamentos fitossociológicos e de variáveis ambientais importantes para a ocorrência da espécie, é possível indicar, com base nos dados modelados, qual espécie estará apta para re(ocupar) determinado local. Diversos são os métodos disponíveis para modelar a distribuição de espécies (Elith et al., 2006; Williams et al., 2009). Dentre os quais, destaca-se o algoritmo Random Forest (Breiman, 2001), método da área de aprendizagem de máquina, que consegue aprender a partir de exemplos e fazer predições para novos dados. É apontado como um dos métodos mais robustos para a modelagem da distribuição de espécies em estudos comparativos, superando inclusive outras técnicas de aprendizagem de máquina e métodos de regressão (Garzon et al., 2006; Cluter et al., 2007; Lorena et al., 2011; Fukuda et al., 2013). Diante das devastadoras ações antropogênicas sobre o ecossistema florestal e seus impactos negativos sobre os serviços ecológicos prestados, a utilização da modelagem da distribuição de espécies auxilia na proteção e conservação da biodiversidade, bem como na escolha das espécies na restauração de ecossistemas. Com o objetivo de auxiliar em planos de revegetação, o presente estudo irá desenvolver um modelo preditivo, utilizando o Random Forest, da distribuição de 4 espécies arbóreas nativas e abundantes para a bacia hidrográfica do Rio Grande, no estado de Minas Gerais, Brasil. 2. Material e Métodos 2.1 Área de estudo A região a ser modelada, bem como a localização dos fragmentos inventariados, situa-se na bacia hidrográfica do Rio Grande, no território mineiro. A bacia compreende a região Sul e
3 Triângulo Mineiro. Apresenta uma área de ,02 km², referente à 14,68% do território de Minas Gerais (Figura 1). Ocupa uma região com as maiores altitudes do estado, variando de 300 até m. A parte Sul da bacia está inserida em áreas de maiores cotas altimétricas, enquanto o Triângulo Mineiro é caracterizado por áreas mais baixas. De acordo com a classificação climática baseada no Índice de Umidade de Thornthwaite (Iu), a parte Leste da bacia do Rio Grande encontra-se na classe climática Úmido B2, onde o índice de umidade varia entre 40 e 60%. A temperatura média anual varia entre 19 e 20 C e a precipitação média anual acumulada entre a mm. A região Central da bacia é caracterizada como sendo do tipo Úmido B3, com índice de umidade variando entre 60 a 80%, precipitação anual superior a mm e temperatura média inferior a 18 C. Na região Sul da bacia encontra-se duas classes climáticas: Úmido B4 e Superúmido. O tipo de clima Úmido B4 apresenta umidade elevada associada a níveis de temperatura mais baixos, sofrendo influências de regiões serranas, com umidade variando entre 80 a 100%, índice pluviométrico superior a mm e temperaturas amenas. Já o clima Superúmido possui índice climático superiores a 100, com temperaturas médias anuais inferiores a 14 C e precipitação média acumulada superior a mm (Figura 1) (Carvalho et al., 2008). A bacia do Rio Grande encontra-se inserida em uma faixa de transição entre os biomas Mata Atlântica e Cerrado. A vegetação da bacia é bem representativa dos dois ambientes, variando entre espécies gramíneo-lenhosas do Cerrado e espécies lenhosas de grande porte das Florestas Estacionais e Florestas Ombrófilas. O tipo de solo predominante na Bacia do Rio Grande é latossolo, com manchas expressivas de neossolo litólico, argissolo e cambissolo (Carvalho et al., 2008). Figura 1Classes altimétricas e zoneamento climático da bacia hidrográfica do Rio Grande, respectivamente 2.2 Dados de ocorrência Os dados de ocorrência das espécies são provenientes de 27 fragmentos inventariados nos anos de 2013/2014 pelo projeto Modelo Fitogeográfico da Bacia do Rio Grande, realizado pela UFLA com o apoio da Companhia Enérgica de Minas Gerais (CEMIG) (Figura 2). A amostragem dos fragmentos dentro da bacia procurou compreender as diferentes variações nas classes de altitude e clima, além de priorizar a representatividade das matas ciliares. Em todos os fragmentos inventariados, foram considerados apenas os indivíduos com CAP (circunferência a altura do peito) maior que 15,7 cm. A seleção das espécies foi embasada nos dados obtidos do inventário. Procurou-se espécies nativas e de grande abundância, potenciais para restauração de matas ciliares dentro da bacia.
4 Foram selecionadas quatro espécies arbóreas: Amaioua intermedia, Cabralea canjerana, Myrcia splendens e Psychotria vellosiana. Figura 2 Distribuição dos fragmentos utilizados na modelagem na bacia do Rio Grande Os dados do inventário de cada fragmento foram trabalhados como sendo uma única unidade amostral, independentemente do número de parcelas empregadas e área do fragmento, sendo representado por seu ponto central. Neste ponto foram extraídas informações sobre as condições ambientais, e computada a presença (1) ou ausência (0) das quatro espécies selecionadas para cada fragmento. 2.3 Variáveis ambientais Foram compiladas 25 variáveis abióticas amplamente reconhecidas em estudos envolvendo modelagem preditiva da distribuição de espécies. Deste total, 20 provêm da base de dados do WorldClim (Hijmans et al., 2005), sendo dados numéricos e com resolução espacial de 1 km aproximadamente. Entre as variáveis estão altitude e 19 variáveis climáticas, derivadas basicamente da temperatura e precipitação mensal, modeladas geoespacialmente a partir de estações meteorológicas. As demais variáveis são categóricas e oriundas do Zoneamento Ecológico Econômico de Minas Gerais (Carvalho et al., 2008) e estão relacionadas com o solo (tipo, textura, teor de matéria orgânica e regime hídrico) e relevo. O conjunto de variáveis abióticas foi pré-processado de modo que a projeção geográfica, tamanho e alinhamento do pixel, e extensão geográfica (ao longo de toda a área de estudo) fossem comuns para todas as variáveis. Optou-se por trabalhar com o sistema de referência espacial South America Albers Equal Conic, Datum SAD69. Todas as variáveis abióticas foram reamostradas considerando uma resolução espacial de 1 km. 2.4 Random Forest O algoritmo Random Forest (RF), inicialmente proposto por Breiman (2001), é um método de combinação entre classificadores (ensemble), neste caso, as árvores de decisão. Estas árvores
5 construídas pelo Random Forest são desenvolvidas utilizando o algoritmo CART (Classification And Regression Trees). Árvores de decisão desenvolvem modelos através de exemplos (aprendizagem supervisionada) e simulam o processo de abstração humana por meio de uma categorização hierárquica, obtendo regras similares a uma chave de classificação. O algoritmo particiona um conjunto de dados heterogêneo (raiz) em classes homogêneas (folhas), gerando regras de classificação com base em atributos (nós). O critério para a partição dos dados é baseado no ganho de informação que, para classificação, é proveniente da diminuição entropia do conjunto de dados quando submetido à divisão de acordo com um atributo. O algoritmo Random Forest constrói as árvores de decisão sob diferentes conjuntos de treinamento (bootstrap), constituídos de n instâncias de treinamento escolhidas aleatoriamente na base de dados. Em cada divisão da árvore, m atributos são aleatoriamente selecionados para direcionar o crescimento da árvore baseado no ganho de entropia. De maneira geral, o valor de m deve ser menor do que o número total de atributos, para que possam ser geradas árvores distintas. Cada árvore de decisão terá sua classificação, sendo contabilizado o número de votos para cada classe. A classificação final do Random Forest será a classe que receber mais votos. O treinamento, avaliação e aplicação do algoritmo para cada espécie foi realizado no software Weka (Hall et al., 2009). Diante de alguns testes realizados, determinou-se o número de 40 árvores de decisão a serem geradas, sem restrição de comprimento e sem a realização de poda. O número de atributos utilizados em cada árvore foi definido pela fórmula (1), onde n equivale ao número total de variáveis disponíveis: NumFeatures log ( n) 1 (1) 2.5 Treinamento, avaliação e aplicação do algoritmo Na modelagem preditiva da distribuição de espécies, a base de dados formada pelos pontos de ocorrência e variáveis ambientais, é dividida em dois conjuntos de dados independentes: conjunto de treinamento e conjunto de teste. O conjunto de treinamento é utilizado no ajuste do algoritmo e o conjunto de teste é empregado na avaliação da capacidade preditiva do modelo com base em dados não utilizados para o ajuste (validação preditiva). Em geral esses conjuntos representam 70% e 30%, respectivamente, do conjunto total dos dados disponíveis (Phillips, Anderson e Schapire, 2006). Diante do número reduzido de observasões de ocorrência da espécie, optou-se por utilizar a validação cruzada. Desta forma, os dados constituídos pelos 27 pontos, serão divididos em três subconjuntos (folds) de tamanho aproximado. O treinamento e avaliação serão realizados com três iterações, em qual cada iteração um subconjunto é retirado do treinamento e utilizado para avaliar a capacidade de generalização do algoritmo. A avaliação geral do algoritmo é obtida pela média de cada métrica e iteração. Todas as métricas de avaliação são provenientes da matriz de confusão, sendo possível identificar o número de instâncias classificadas corretamente e erroneamente para cada classe (presença/ausência). A área abaixo da curva (Receiver Operating Characteristic), denominada AUC (Area Under the Curve) é uma métrica de avaliação vem sendo amplamente empregada em estudos comparativos na modelagem da distribuição de espécies (Elith et al., 2006; Williams et al., 2009; Lotena et al., 2010; Terribile, Diniz-Filho e Marco Jr., 2010; Pouteau et al., 2012) e mensura a habilidade do modelo em discriminar locais de presença e ausência, fornecendo uma medida da capacidade discriminativa do classificador. Além deste método, serão avaliados a porcentagem de dados classificados corretamente e taxa de verdadeiros positivos para cada classe. Após treinar e avaliar o Random Forest para cada espécie, um novo conjunto de dados foi apresentado ao algoritmo para gerar as predições de ocorrência da espécie em toda a bacia. Este 2
6 conjunto é constituído das mesmas variáveis ambientais utilizadas na modelagem, com extensão geográfica compreendendo toda a bacia. 3. Resultados e Discussão De acordo com os 27 fragmentos inventariados, três das quatro espécies não ocupam o Triângulo Mineiro, sendo elas Amaioua intermedia, Cabralea canjerana e Psychotria vellosiana. A espécie Myrcia splendens apresentou distribuição ao longo de toda a bacia, demonstrando maior generalidade de ambientes. Dentre os 27 pontos de ocorrência, Amaioua intermedia, Cabralea canjerana, Myrcia splendens e Psychotria vellosiana ocorreram, respectivamente, em 17, 19, 24 e 17 fragmentos (Figura 3). O conjunto total dos dados dividido em classes de presença e ausência, para cada espécie, pode ser visualizado na tabela 1. Figura 3 Ocorrência das espécies Amaioua intermedia, Cabralea canjerana, Myrcia splendens e Psychotria vellosiana de acordo com os fragmentos inventariados na bacia do Rio Grande Os resultados obtidos pela validação cruzada podem ser visualizados na Tabela 2. De acordo com a classificação de Metz (1986), o Random Forest demonstrou desempenho mediano (AUC entre 0,7 e 0,8) para Psychotria vellosiana, e bom desempenho (0,8<AUC<0,9) para as demais espécies. Os valores de AUC apresentados pelo Random Forest, apesar do pequeno número de dados, estão dentro da faixa de valores encontrados por outras pesquisas de modelagem da distribuição de plantas (Cutler et al., 2007; Dutra e Carvalho, 2008; Marmion et al., 2009). Tabela 1 Número de presenças e ausências, para cada espécie, de acordo com os 27 fragmentos inventariados Espécie Número de presenças Número de ausências Amaioua intermedia Cabralea canjerana 19 8
7 Myrcia splendens 24 3 Psychotria vellosiana A espécie que obteve melhor classificação pelo Random Forest foi Amaioua intermedia. Apresentou maior porcentagem dos dados classificados corretamente e maior área abaixo da curva (88,89% e 0,87, respectivamente). O algoritmo conseguiu classificar todas as presenças corretamente, porém errou em 30% na classificação de locais de ausência (3 em 10 ausências possíveis). A espécie Cabralea canjerana também foi bem classificada pelo algoritmo, com AUC de 0,85 e 85,18% dos dados classificados corretamente. Dos 19 pontos de presença, 18 foram classificados como tal; e dos 8 pontos de ausência, 5 foram classificados corretamente. Apesar do bom valor de AUC (0,81) e da porcentagem dos dados classificados corretamente (85,18%), a distribuição da espécie Myrcia splendens não foi corretamente aprendida pelo classificador. Das 24 presenças, o Random Forest acerta 23, porém, não consegue classificar nenhuma das 3 ausências corretamente. Esta dificuldade está diretamente relacionada com o grande desbalanceamento das classes de presença e ausência e da grande generalidade da espécie. O desbalanceamento entre as classes provoca uma superestimação da classe abundante em detrimento da classe desfavorecida, resultando em um resultado enviesado (Chen, Liaw e Breiman, 2004). Por se tratar de uma espécie generalista, com ampla distribuição, os dados de ausência apresentados ao algoritmo podem ter sido similares a alguns dados de presença, dificultando sua diferenciação. Em muitos casos a ausência da espécie não se deve às características ambientais, e sim fatores de dispersão e histórico de ocupação (Pulliam, 2000). Tabela 2 Métricas de avaliação obtidas através da validação cruzada sobre o conjunto total dos dados pelo Random Forest, apresentadas para as 4 espécies modeladas Espécie % classificados corretamente Taxa de verdadeiros positivos (ausência) Taxa de verdadeiros positivos (presença) AUC Amaioua intermedia 88,89 0,70 1,00 0,87 Cabralea canjerana 85,18 0,63 0,95 0,85 Myrcia splendens 85,18 0,00 0,96 0,81 Psychotria vellosiana 70,37 0,70 0,71 0,76 O menor valor de AUC (0,76) apresentado pelo Random Forest foi para a espécie Psychotria vellosiana. 70,37% dos dados foram classificados corretamente, sendo que 3, em 10 ausências, foram classificadas como presença e 5, em 17 presenças, classificadas como ausência. Estes erros podem estar relacionados às inconsistências na base de dados. Como dito anteriormente, locais de presença e de ausência podem apresentar características ambientais semelhantes, confundindo o algoritmo. Dados de ausência da espécie são de difícil interpretação, já que a ausência da espécie em determinado local pode estar relacionada à outros fatores, que não os do ambiente.
8 Os mapas de predição da distribuição potencial das espécies são apresentados na figura 4. Nota-se que as espécies Amaioua intermedia e Psychotria vellosiana, as quais apresentaram mesmo número de presenças (17) e ocorrência semelhante, apontam uma distribuição potencial similar. Ambas, potencialmente ocupam quase toda parte centro-sul da bacia (68,84% e 65,48%, respectivamente), com exceção, principalmente, do Triângulo Mineiro. A espécie Myrcia splendens obteve uma distribuição potencial ao longo de quase toda a bacia, ocupando 93,49% do seu território. Fato este que corrobora com sua generalidade na escolha de ambientes. A distribuição potencial da espécie Cabralea canjerana predita pelo Random Forest, vai de encontro com a ocorrência observada nos fragmentos. Sua ocupação potencial dentro da bacia corresponde a 70,63% do território, excluindo as regiões do noroeste da bacia. Figura 4 Distribuição potencial das 4 espécies arbóreas modeladas pelo algoritmo Random Forest Verifica-se, para todas as espécies, que a área potencial de ocupação destas corresponde a mais de 50% do território da bacia. Essa grande área predita demonstra o alto potencial de uso destas espécies em planos de revitalização dentro da bacia. Porém, representa um espaço superestimado, já que foi utilizado apenas variáveis ambientais (nicho fundamental) e os dados apresentam alto desbalanceamento em favor dos pontos de presença. 4. Conclusões Em termos de AUC, o algoritmo Random Forest apresentou desempenho moderado para a espécie Psychotria vellosiana e bom desempenho para as espécies Amaioua intermedia, Cabralea canjerana, Myrcia splendens e Psychotria vellosiana. O desbalanceamento entre as classes de ocorrência de cada espécie prejudicou o aprendizado do algoritmo, fazendo com que o método identifique locais de presença mais facilmente, em detrimento dos locais de ausência. Mesmo assim, na maioria dos casos, o algoritmo pode ser aplicado na modelagem da distribuição destas
9 espécies. A área predita pelo Random Forest é similar à ocorrência apresentada por estas espécies nos fragmentos inventariados. 5. Agradecimentos Os autores agradecem o apoio financeiro da Companhia Energética de Minas Gerais (CEMIG) e a Universidade Federal de Lavras na condução do projeto CEMIG GT Referências Bibliográficas ANDERSON, R.P.; LEW, D.;PETERSON, A. T. Evaluating predictive modeling of species distributions: Criteria for selecting optimal models. Ecological Modelling, n.162, p , ARAÚJO, M. B. et al. Exposure of European biodiversity to changes in human induced pressures. Environmental Science & Policy, n. 11, p , 2008 BREIMAN, L. Random Forest. Machine Learning,n. 45, p. 5-32, CARVALHO, L. G. et al. Clima. In: SCOLFORO, J. R. S.; CARVALHO, L. M. T.; OLIVEIRA, A. D. (Ed.). Zonemento ecológido-econômico do estado de Minas Gerais: Componentes geofísico e biótico. Lavras - Editora UFLA, 161 p., CHEN, C.; LIAW A.; BREIMAN, L. Using random forest to learn imbalanced data. Technical Report 666. Statistics Department, University of California, Berkeley, 2004 CHEN, Y.H.Conservation biogeography of the snake family Colubridae of China. North-Western Journal of Zoology, n. 5, p , 2009 CLUTER, R. D. et al. Random Forest for classification in ecology. Ecology, n. 11, p , DUTRA, G. C.; CARVALHO, L. M. T. Modelos de distribuição geográfica de Amaioua guianensis Aubl. Em Minas Gerais, Brasil. Ambiência, v.4, p , ELITH, J., et al. Novel methods improve prediction of species' distributions from occurrence data. Ecography, n. 29, p , FUKUDA, S. et al. Habitat prediction and knowledge extraction for spawning European grayling (Thymallus thymallus L.) using a broad range of species distribution models. Enviromental Modelling & Software, n. 47, p. 1-6, GARZÓN, M. B. et al. Predicting habitat suitability with machine learning models: The potential area of Pinus sylvestris L. in the Iberian Peninsula.. Ecological Modelling, n. 197, p , HIJMANS, R. J. et al. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, Chichester, v. 25, n. 15, p , Nov
10 HIRZEL, A.H.et al. Ecological-niche factor analysis: how to compute habitat-suitability maps without absence data? Ecology, n. 83, p , 2002 HUTCHINSON, G.E. Concluding remarks. In: Cold Spring Harbour Symposium on Quantitative Biology n. 22, p , LORENA, A. C. et al. Comparing machine learning classifiers in potential distribution modelling. Expert Systems with applications, n. 5, v.38, p , HALL, M. et al.the WEKA Data Mining Software: An Update; SIGKDD Explorations, Volume 11, Issue 1, 2009 MARMION, M. et al. Evaluation of consensus methods in predictive species distribution modelling. Diversity and Distributions, n. 15, p , 2009 PETERSON, A. T. et al.. Native-range ecology and invasive potential of Cricetomysin North America. Journal of Mammalogy, n. 87, p , 2006 PHILLIPS, S.J.; ANDERSON, R.P.; SCHAPIRE, R.E. Maximum entropy modeling of species geographic distributions. Ecological Modelling, n. 190, p , POUTEAU, R. et al. Support vctor machines to map rare and endangered native plants in Pacific islands forests. Ecological Informatics, v. 9, p , PULLIAM, H.R. On the relationship between niche and distribution. Ecology Letters, n. 3, p , TERRIBILE, LC.; DINIZ-FILHO, JAF; DE MARCO JR., P. How many studies are necessary to compare niche-based models for geographic distributions? Inductive reasoning may fail at the end. Brazilian Journal of Biology, n. 2, v. 70, p , WILLIAMS, J. N. et al. Using species distribution models to predict new ocurrences for rare plants. Diversity and Distributions, v.15, p , 2009.
Para que modelar a distribuição
Disciplina: Diversificação e Biogeografia da Biota Neotropical Ricardo Pinto da Rocha Novembro 2014 Imagem base de dados. Imagem obtida. Fonte: Cottrell - Maximum Entropy Modelling of Noisy and Incomplete
Modelagem de nicho ecológico de anuros da Mata Atlântica: estudo de caso com Hypsiboas bischoffi (Anura: Hylidae)
Modelagem de nicho ecológico de anuros da Mata Atlântica: estudo de caso com Hypsiboas bischoffi (Anura: Hylidae) João Giovanelli 1 *, Marinez Siqueira 2, Célio F. B. Haddad 1 & João Alexandrino 1 1 Laboratório
Sistema BioGeo: Biogeografia da Flora e Fungos do Brasil
Sistema BioGeo: Biogeografia da Flora e Fungos do Brasil Desenvolvido por Renato De Giovanni Contexto 2005 Daniel Beltrá / Greenpeace Uso de dados de herbários para gerar modelos de nicho ecológico. Biogeografia
Fundamentos de Entropia Máxima para Aplicação na Modelagem de Distribuição Geográfica de Espécies
Escola Politécnica da Universidade de São Paulo EPUSP Departamento de Engenharia de Computação e Sistemas Digitais PCS Laboratório de Linguagens e Técnicas Adaptativas LTA Laboratório de Automação Agrícola
Portaria CBRN 01/2015
SECRETARIA DO MEIO AMBIENTE COORDENADORIA DE BIODIVERSIDADE E RECURSOS NATURAIS Portaria CBRN 01/2015 Estabelece o Protocolo de Monitoramento de Projetos de Restauração Ecológica O Coordenador de Biodiversidade
Modelos de distribuição geográfica de Amaioua guianensis Aubl. em Minas Gerais, Brasil
Modelos de distribuição geográfica de Amaioua guianensis Aubl. em Minas Gerais, Brasil Geographic distribution models of Amaioua guianensis Aubl. in Minas Gerais, Brazil Resumo Abstract Gleyce Campos Dutra
DISTRIBUIÇÃO ESPACIAL E TEMPORAL DA PRECIPITAÇÃO PLUVIAL E EROSIVIDADE MENSAL E ANUAL NO ESTADO DO TOCANTINS
DISTRIBUIÇÃO ESPACIAL E TEMPORAL DA PRECIPITAÇÃO PLUVIAL E EROSIVIDADE MENSAL E ANUAL NO ESTADO DO TOCANTINS Denyclaimy de Souza Carneiro 1 ; Marcelo Ribeiro Viola 2 1 Aluno do Curso de Engenharia Florestal;
foram gerados com iterações e formato de saída cumulativo; a regularização foi igual a 1.
A eficiência de modelos de distribuição potencial de espécie para a determinação de áreas potências de ocorrência de desmatamento na Amazônia Brasileira Rodrigo Antônio de SOUZA, CIAMB, rasouzamail@gmail.com;
ANÁLISE TEMPORAL DAS ÁREAS DE EXPANSÃO DE REFLORESTAMENTO NA REGIÃO DO CAMPO DAS VERTENTES-MG
151 Introdução ANÁLISE TEMPORAL DAS ÁREAS DE EXPANSÃO DE REFLORESTAMENTO NA REGIÃO DO CAMPO DAS VERTENTES-MG Viviane Valéria Silva¹, Laura Rafaele S. Silva 1, Júlio Cezar Costa¹, Bruna Cardoso de Faria¹,
ANÁLISE DA ESTRUTURA DA PAISAGEM DA ESTAÇÃO ECOLÓGICA DE GUARAQUEÇABA, PARANÁ - BRASIL
ANÁLISE DA ESTRUTURA DA PAISAGEM DA ESTAÇÃO ECOLÓGICA DE GUARAQUEÇABA, PARANÁ - BRASIL MAYSSA MASCARENHAS GRISE Bióloga, Doutoranda em Engenharia Florestal, UFPR, Brasil. DANIELA BIONDI Engenheira Florestal,
Inteligência nos Negócios (Business Inteligente)
Inteligência nos Negócios (Business Inteligente) Sistemas de Informação Sistemas de Apoio a Decisão Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 6) Fundamentação da disciplina Analise de dados Decisões
Anais 5º Simpósio de Gestão Ambiental e Biodiversidade (21 a 23 de junho 2016)
MODELAGEM DA APTIDÃO CLIMÁTICA DE Eschweilera ovata (Cambess.) Miers (LECYTHIDACEAE) Luana Gaspar do Nascimento Lopes; Ary Gomes da Silva (Universidade de Vila Velha, Avenida Comissário José Dantas de
Aula 3: Random Forests
Aula 3: Random Forests Paulo C. Marques F. Aula ministrada no Insper 26 de Fevereiro de 2016 Insper Random Forests 26 de Fevereiro de 2016 1 / 18 Árvores de classificação Estamos no mesmo contexto de aprendizagem
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE CIEÊNCIAS FLORESTAIS E DA MADEIRA DEFESA DE MONOGRAFIA
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE CIEÊNCIAS FLORESTAIS E DA MADEIRA DEFESA DE MONOGRAFIA ANÁLISE ESPACIAL DOS REMANESCENTES FLORESTAIS DO BIOMA MATA ATLÂNTICA
UTILIZAÇÃO DO MODELO SWAT PARA VERIFICAÇÃO DA INFLUENCIA DO DESMATAMENTO NA EVAPOTRANSPIRAÇÃO
52 UTILIZAÇÃO DO MODELO SWAT PARA VERIFICAÇÃO DA INFLUENCIA DO DESMATAMENTO NA EVAPOTRANSPIRAÇÃO Tárcio Rocha Lopes 1, Cornélio Alberto Zolin 2, Ana Paula Sousa Rodrigues Zaiatz 3, Riene Filgueiras de
PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO
PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO Jairo Lima do Nascimento 1, George Leite Mamede 2, João Paulo do Vale Madeiro 3 Resumo: A aplicação de técnicas
EVOLUÇÃO DA FRAGMENTAÇÃO DE MATA NO MUNICÍPIO DE SANTA MARIA DE JETIBÁ - ES
UNIVERSIDADE FEDERAL DO PÍRTO SANTO UF CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFA DE MONOGRAFIA EVOLUÇÃO DA FRAGMENTAÇÃO DE MATA NO MUNICÍPIO DE SANTA MARIA DE JETIBÁ - Graduando
Empresa Brasileira de Pesquisa Agropecuária Embrapa Amazônia Oriental Ministério da Agricultura, Pecuária e Abastecimento
Empresa Brasileira de Pesquisa Agropecuária Embrapa Amazônia Oriental Ministério da Agricultura, Pecuária e Abastecimento Embrapa Belém, PA 2014 DIVERSIDADE DE ESPÉCIES E SUA ABUNDÂNCIA EM UMA FLORESTA
Boas Maneiras em Aprendizado de Máquinas
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Boas Maneiras em Aprendizado de Máquinas David Menotti www.inf.ufpr.br/menotti/ci171-182 Boas Maneiras Agenda Introdução Métricas
AVALIAÇÃO DE MÉTODOS DE SELEÇÃO DE ATRIBUTOS PARA CLASSIFICAÇÃO DE SOLOS
AVALIAÇÃO DE MÉTODOS DE SELEÇÃO DE ATRIBUTOS PARA CLASSIFICAÇÃO DE SOLOS Fernando Attique Maximo Embrapa Informática Agropecuária Stanley Robson de Medeiros Oliveira Embrapa Informática Agropecuária Maria
Alternativas para construção de classificadores de solos brasileiros
48 Resumos Expandidos: XII Mostra de Estagiários e Bolsistas... Alternativas para construção de classificadores de solos brasileiros Matheus Agostini Ferraciolli¹ Luiz Manoel Silva Cunha² Resumo: Este
Créditos. SCC0173 Mineração de Dados Biológicos. Aula de Hoje. Desempenho de Classificação. Classificação IV: Avaliação de Classificadores
SCC0173 Mineração de Dados Biológicos Classificação IV: Avaliação de Classificadores Créditos O material a seguir consiste de adaptações e extensões dos originais: gentilmente cedidos pelo rof. André C..
Descoberta de Conhecimento em Bancos de Dados - KDD
Descoberta de Conhecimento em Bancos de Dados - KDD Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Fases do processo 3. Exemplo do DMC 4. Avaliação
Agregação de Algoritmos de Aprendizado de Máquina (AM) Professor: Eduardo R. Hruschka Estagiário PAE: Luiz F. S. Coletta
Agregação de Algoritmos de Aprendizado de Máquina (AM) Professor: Eduardo R. Hruschka Estagiário PAE: Luiz F. S. Coletta (luizfsc@icmc.usp.br) Sumário 1. Motivação 2. Bagging 3. Random Forest 4. Boosting
Palavras-chave: Sensoriamento remoto, Levantamento fitossociológico.
Google Earth Como Ferramenta Para O Mapeamento Pré-Inventário Florestal Valdomiro Vicente Victor Junior ( ¹ ) ; Everton Luís Poelking ( ² ) ; Andrea Vita Reis Mendonça ( ³ ) ; Jamille Ferreira Graham de
Workshop de Inovação 25 e 26 de agosto de 2016
Workshop de Inovação 25 e 26 de agosto de 2016 CARACTERÍSTICAS INOVADORAS DO PROJETO 1. PROJETO DE P&D CARACTERIZADO COMO APRIMORAMENTO DE PRODUTOS/ SERVIÇOS OPERACIONAIS OFERECIDOS PELO INPE À SOCIEDADE.
Disciplina: Introdução ao Geoprocessamento Docentes Resposáveis: Dr. Antônio Miguel Vieira Monteiro Dr. Claudio Barbosa
Disciplina: Introdução ao Geoprocessamento Docentes Resposáveis: Dr. Antônio Miguel Vieira Monteiro Dr. Claudio Barbosa Discentes: Júlia Vaz Tostes Miluzzi de Oliveira (UEMS) Juliana Maria Ferreira de
I Workshop Internacional Sobre Água no Semiárido Brasileiro Campina Grande - PB
COMPARAÇÕES ENTRE MÉDIAS MENSAIS DE PRECIPITAÇÃO OBSERVADAS E OBTIDAS ATRAVÉS DA SÉRIE DE FOURIER PARA AS CIDADES DE PÃO DE AÇÚCAR E SANTANA DO IPANEMA Arthur Lucas Bernardo Melo 1, Rosiberto S. Silva
Aprendizagem de Máquina - 2. Prof. Júlio Cesar Nievola PPGIa - PUCPR
Aprendizagem de Máquina - 2 Prof. Júlio Cesar Nievola PPGIa - PUCPR Inteligência versus Aprendizado Aprendizado é a chave da superioridade da Inteligência Humana Para que uma máquina tenha Comportamento
Lucio Alberto Pereira 1 ; Roseli Freire de Melo 1 ; Luiza Teixeira de Lima Brito 1 ; Magna Soelma Beserra de Moura 1. Abstract
Influência do Clima no Balanço Hídrico de Dois Açudes de Petrolina, Pernambuco Climate Influence on Water Balance of Two Dams in Petrolina, Brazil Lucio Alberto Pereira 1 ; Roseli Freire de Melo 1 ; Luiza
Estrutura populacional e distribuição espacial de Qualea grandiflora Mart., em área de transição no Piauí
http://dx.doi.org/10.12702/viii.simposfloresta.2014.251-661-2 Estrutura populacional e distribuição espacial de Qualea grandiflora Mart., em área de transição no Piauí Najara M. Fontenele 1, Elifabia N.
APLICAÇÃO DO MÉTODO DIRETO VOLUMÉTRICO PARA MENSURAÇÃO E ACOMPANHAMENTO DA VAZÃO DE NASCENTE NA SERRA DA CAIÇARA, NO MUNICÍPIO DE MARAVILHA, ALAGOAS
APLICAÇÃO DO MÉTODO DIRETO VOLUMÉTRICO PARA MENSURAÇÃO E ACOMPANHAMENTO DA VAZÃO DE NASCENTE NA SERRA DA CAIÇARA, NO MUNICÍPIO DE MARAVILHA, ALAGOAS Álvaro dos Santos (1); Gabriel do Nascimento Alves (2);
TENDÊNCIAS DE VARIAÇÃO DA AMPLITUDE TÉRMICA NO BRASIL EM FUNÇÃO DAS MUDANÇAS CLIMÁTICAS
TENDÊNCIAS DE VARIAÇÃO DA AMPLITUDE TÉRMICA NO BRASIL EM FUNÇÃO DAS MUDANÇAS CLIMÁTICAS Elena Charlotte Landau 1, Rafaela Barbosa Teixeira Tavares 2, André Hirsch 3, Carina Assis Barros 4 1.Pesquisadora
Anais 5º Simpósio de Gestão Ambiental e Biodiversidade (21 a 23 de junho 2016) RISCO DE INCÊNDIOS FLORESTAIS NO PARQUE NACIONAL DA SERRA DOS ÓRGAOS
RISCO DE INCÊNDIOS FLORESTAIS NO PARQUE NACIONAL DA SERRA DOS ÓRGAOS João Flávio Costa dos Santos 1 ; Sidney Geraldo Silveira Velloso 1 ; Bruno Araújo Furtado de Mendonça 2 ( 1 Universidade Federal de
Diversidade e dispersão das espécies lenhosas em áreas de cerrado sensu stricto, no período de 1996 a 2011, após supressão da vegetação em 1988
http://dx.doi.org/10.12702/viii.simposfloresta.2014.145-654-1 Diversidade e dispersão das espécies lenhosas em áreas de cerrado sensu stricto, no período de 1996 a 2011, após supressão da vegetação em
Uso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG
Uso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG Ana Carolina Toledo Rocha (1) ; Sérgio Augusto Alves Rodrigues Barbosa (1) ; Jairo Rodrigues Silva (2) (1) Mestrandos
Padrões espaciais em riachosde. cabeceira. Raphael Ligeiro
Padrões espaciais em riachosde cabeceira Raphael Ligeiro 1) Escalas espaciais cm km 1) Escalas espaciais Dimensão espacial do estudo Cada escala espacial tem seus padrões regidos por processos específicos
Marilusa Pinto Coelho Lacerda 2 Inara Olveira barbosa 2 Patrícia Maurício Campos 2 Raíssa de Almeida Papa 2
Utilização de sensoriamento remoto para o estabelecimento de relações entre vegetação nativa e classes de solos em mapeamento pedológico, Distrito Federal 1. Marilusa Pinto Coelho Lacerda 2 Inara Olveira
Aprendizado de Máquina
Aprendizado de Máquina Aula #8.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Conhecimento: abstração (modelo) das relações existentes entre as informações contidas nos
Boletim de Pesquisa 181 e Desenvolvimento ISSN Outubro, 2007
Boletim de Pesquisa 181 e Desenvolvimento ISSN 1676-340 Outubro, 2007 Modelos de Distribuição de Espécies subsídios para a coleta e a conservação de Ocotea porosa (Nees) L. (Lauraceae) Empresa Brasileira
Distribuição e riqueza de espécies arbóreas no Estado de Santa Catarina: modelos atuais e futuros
Distribuição e riqueza de espécies arbóreas no Estado de Santa Catarina: modelos atuais e futuros Ernestino Guarino (Embrapa Acre) Fernando S. Rocha (UFRGS) João André Jarenkow (UFRGS) + Equipe do laboratório
PROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO
Semestre Letivo PROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO Duração em Semanas I ( X ) II 17 IDENTIFICAÇÃO Disciplina Código Simulação Hidrológica Departamento Sigla da Unidade Engenharia
Distribuição Da Precipitação Média Na Bacia Do Riacho Corrente E Aptidões Para Cultura Do Eucalipto
Distribuição Da Precipitação Média Na Bacia Do Riacho Corrente E Aptidões Para Cultura Do Eucalipto Jailson Silva Machado ( ¹ ) ; João Batista Lopes da Silva (2) ; Francisca Gislene Albano (3) ; Ilvan
Distribuição Potencial de Peixes em Bacias Hidrográficas
Boas Práticas em Conservação e Manejo da Ictiofauna em Minas Gerais Distribuição Potencial de Peixes em Bacias Hidrográficas Ricardo Oliveira Latini Belo Horizonte / 2011 Foto: Fernando Alves Nicho ecológico
Mediador para Servidores de Dados Geográficos Matriciais baseados em Identificadores Globais Únicos
Mediador para Servidores de Dados Geográficos Matriciais baseados em Identificadores Globais Únicos Alexandre C. Jardim 1, Lúbia Vinhas 1, Gilberto Câmara 1 1 Image Processing Division, National Institute
Estudo do efeito borda em fragmentos da vegetação nativa na bacia hidrográfica do Córrego do Jacu Queimado (SP)
Estudo do efeito borda em fragmentos da vegetação nativa na bacia hidrográfica do Córrego do Jacu Queimado (SP) Effect of study border fragments of native vegetation in the basin of Córrego do Jacu Queimado
Aprendizado de Máquina. Combinando Classificadores
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquina Combinando Classificadores David Menotti, Ph.D. web.inf.ufpr.br/menotti Introdução O uso de vários classificadores
As interações tróficas podem explicar a distribuição em grande escala de um predador?
As interações tróficas podem explicar a distribuição em grande escala de um predador? Thiago SANTOS 12, José Alexandre F. DINIZ-FILHO 1. 1 Programa de Pós Graduação em Ecologia e Evolução, Instituto de
INFLUÊNCIA DA DEFICIÊNCIA HÍDRICA ANUAL NO ZONEAMENTO CLIMÁTICO DE QUATRO CULTURAS NA BACIA DO RIO ITAPEMIRIM, ES. RESUMO
INFLUÊNCIA DA DEFICIÊNCIA HÍDRICA ANUAL NO ZONEAMENTO CLIMÁTICO DE QUATRO CULTURAS NA BACIA DO RIO ITAPEMIRIM, ES. José Eduardo M. PEZZOPANE 1, Alexandre R. dos SANTOS 2, Gilberto C. SEDIYAMA 3 RESUMO
UTILIZAÇÃO DE SIG COMO CONTRIBUIÇÃO PARA INCORPORAÇÃO DAS QUESTÕES ESPACIAIS NA ACV
UTILIZAÇÃO DE SIG COMO CONTRIBUIÇÃO PARA INCORPORAÇÃO DAS QUESTÕES ESPACIAIS NA ACV Eduarda Tarossi Locatelli* Marcelo Montaño *Programa de Pós-Graduação em Ciências da Engenharia Ambiental (PPG-SEA) EESC-USP,
Aprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 09 Árvores de Decisão Max Pereira Classificação É a tarefa de organizar objetos em uma entre diversas categorias pré-definidas. Exemplos
ZONEAMENTO EDAFOCLIMÁTICO PARA A CULTURA DO EUCALIPTO (Eucalyptus spp) NO ESTADO DO TOCANTINS
ZONEAMENTO EDAFOCLIMÁTICO PARA A CULTURA DO EUCALIPTO (Eucalyptus spp) NO ESTADO DO TOCANTINS Olíria Morgana Menezes Souza 1 ; Erich Collicchio 2 ; 1 Aluna do Curso de Engenharia Ambiental; Campus de Palmas;
INTRODUÇÃO
INTRODUÇÃO OBJETIVOS MATERIAL E MÉTODOS 42 0'0"W 41 30'0"W 41 0'0"W 20 30'0"S 20 30'0"S MG ES 21 0'0"S RJ Oceano Atlântico 21 0'0"S 42 0'0"W Sistema de Coordenadas Geográficas Datum SIRGAS2000
25 a 28 de novembro de 2014 Campus de Palmas
DINÂMICA DA COBERTURA FLORESTAL E QUANTIFICAÇÃO DE INCÊNDIOS NA MICRORREGIÃO DE GURUPI, SUL DO TOCANTINS, DE 2000 A 2011. Moreliana Nascimento Bastos¹; Marcos Giongo² Nome do Aluno¹; Nome do Orientador²
Vegetação Turismo Atividades Sócio-Econômicas e situação Ambiental Definição da Área de Estudo
SUMÁRIO LISTA DE FIGURAS...vi LISTA DE TABELAS E QUADROS...vii LISTA DE GRÁFICOS...viii RESUMO...ix ABSTRACT...x 1. INTRODUÇÃO...1 2. REVISÃO DE LITERATURA...3 2.1 CONCEITO DE PAISAGEM...3 2.2 PAISAGEM
Allan Arantes PEREIRA 1 ; Thomaz Alvisi de OLIVEIRA 1 ; Mireile Reis dos SANTOS 1 ; Jane Piton Serra SANCHES 1
5ª Jornada Científica e Tecnológica e 2º Simpósio de Pós-Graduação do IFSULDEMINAS 06 a 09 de novembro de 2013, Inconfidentes/MG APLICAÇÕES DE GEOTECNOLOGIAS NA ANÁLISE ESPAÇO-TEMPORAL DAS TENDÊNCIAS DE
Período de Referência:
Fundação Estadual do Meio Ambiente Estimativas de Emissões de Gases de Efeito Estufa do Estado de Minas Gerais: Setor de Mudança de Uso da Terra e Florestas Período de Referência: 2005-2014 Belo Horizonte,
GEOPROCESSAMENTO COMO FERRAMENTA DE ANÁLISE E DEFINIÇÃO DE ÁREAS PRIORITÁRIAS PARA CONSERVAÇÃO AMBIENTAL ESTUDO DE CASO:
GEOPROCESSAMENTO COMO FERRAMENTA DE ANÁLISE E DEFINIÇÃO DE ÁREAS PRIORITÁRIAS PARA CONSERVAÇÃO AMBIENTAL ESTUDO DE CASO: MAPEAMENTO DOS REMANESCENTES DO BIOMA MATA ATLÂNTICA NO MUNICÍPIO DE SÃO PAULO E
Diversidade de biomas = diversidade de desafios para a ciência e a prática da restauração
Diversidade de biomas = diversidade de desafios para a ciência e a prática da restauração Giselda Durigan Laboratório de Ecologia e Hidrologia Floresta Estadual de Assis, Instituto Florestal de SP http://labecologiahidrologia.weebly.com/
Planos de Manejo INSTITUTO FLORESTAL. Estação Ecológica de Itapeva
Planos de Manejo INSTITUTO FLORESTAL Estação Ecológica de Itapeva Localização da Estação Ecológica de Itapeva no município e no Estado de São Paulo. Estação Ecológica de Itapeva - ambientes Área (ha) 106,77
PREDIÇÃO À EVASÃO ESCOLAR: Estudo de caso aplicado no IFSULDEMINAS Campus Passos RESUMO
PREDIÇÃO À EVASÃO ESCOLAR: Estudo de caso aplicado no IFSULDEMINAS Campus Passos Carla Fernandes da SILVA 1 ; Clayton Silva MENDES 2. RESUMO A evasão escolar é um dos principais desafios a ser superado
FLORESTAS PARA PRODUÇÃO DE ÁGUA
IV SIMPÓSIO INTERNACIONAL EM BACIAS HIDROGRÁFICAS FLORESTAS PARA PRODUÇÃO DE ÁGUA Dr. Valdir de Cicco Engenheiro Florestal Pesquisador Científico BOTUCATU - SP. 2013 SUMÁRIO Laboratório de Hidrologia Florestal.
COMPORTAMENTO DO REGIME PLUVIOMÉTRICO MENSAL PARA CAPITAL ALAGOANA MACEIÓ
COMPORTAMENTO DO REGIME PLUVIOMÉTRICO MENSAL PARA CAPITAL ALAGOANA MACEIÓ MICEJANE S. COSTA 1, PAULO J. SANTOS 2, NATÁLIA T. CAMPOS³ HORÁCIO M. B. NETO³. 1 Mestranda em Meteorologia ICAT/ UFAL, Maceió
ANÁLISE DA COMPOSIÇÃO FLORÍSTICA E ESTRUTURA DE UM TRECHO FLORESTAL NA PORÇÃO SUL AMAZÔNICA, QUERÊNCIA MT
ANÁLISE DA COMPOSIÇÃO FLORÍSTICA E ESTRUTURA DE UM TRECHO FLORESTAL NA PORÇÃO SUL AMAZÔNICA, QUERÊNCIA MT Yhasmin Mendes de Moura, Lênio Soares Galvão, João Roberto dos Santos {yhasmin, lenio, jroberto}@dsr.inpe.br
Assim, no algoritmo BIOCLIM, qualquer ponto do espaço pode ser classificado como:
ANEXO A ALGORITMOS BIOCLIM E GARP A.1 Algoritmo BIOCLIM O algoritmo BIOCLIM implementa o conceito de envelope bioclimático (Nix, 1986). O algoritmo calcula a média e o desvio-padrão para cada variável
XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
USO DE DELINEAMENTOS AMOSTRAIS NA ANÁLISE FITOSSOCIOLÓGICA DE UM FRAGMENTO DE FLORESTA SEMIDECÍDUA EMANUEL JOSÉ GOMES DE ARAÚJO 1 ; ROSSI ALLAN SILVA 2 ; REGIANE APARECIDA VILAS BOAS FARIA 3 ; LUCIANA
GEOGRAFIA - 1 o ANO MÓDULO 17 CLIMOGRAMAS
GEOGRAFIA - 1 o ANO MÓDULO 17 CLIMOGRAMAS mm de chuva ºC 2 2 15 15 1 1 5 5 J F M A M J J A S O N D mm 35 3 2 15 1 3 ºC 4 3 2 1-1 -2 J F M A M J J A S O N D mm 35 3 2 15 1 3 ºC 4 3 2 1-1 -2 J F M A M J
Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015
https://eventos.utfpr.edu.br//sicite/sicite2017/index Desempenho de classificadores de SIG em imagens do Landsat-8 da Bacia Hidrográfica do Rio São Francisco Verdadeiro Oeste do PR, no ano de 2015 RESUMO
Estudo 4 - Oportunidades de Negócios em Segmentos Produtivos Nacionais
Centro de Gestão e Estudos Estratégicos Ciência, Tecnologia e Inovação Prospecção Tecnológica Mudança do Clima Estudo 4 - Oportunidades de Negócios em Segmentos Produtivos Nacionais Giselda Durigan Instituto
MODELAGEM DA DISTRIBUIÇÃO GEOGRÁFICA DE Eucalyptus tereticornis NA REGIÃO NORDESTE DO BRASIL 1
MODELAGEM DA DISTRIBUIÇÃO GEOGRÁFICA DE Eucalyptus tereticornis NA REGIÃO NORDESTE DO BRASIL 1 Marcos Silveira Wrege 2, Rosana Clara Victoria Higa 2 e Magna Soelma Beserra de Moura 2 1 Trabalho desenvolvido
PLANO DE ENSINO. 2018/1 Iane Barroncas Gomes. Classificação da Vegetação
PLANO DE ENSINO Ano/Semestre Professor (a) 2018/1 Iane Barroncas Gomes Período Optativa Disciplina Classificação da Vegetação Créditos Total de créditos Carga Horária Curso Teóricos Práticos 04 00 04 60h
Tutorial básico de classificação em RapidMiner
Tutorial básico de classificação em RapidMiner Mineração de dados biológicos Ciências físicas e biomoleculares Neste tutorial, aprenderemos a utilizar as funcionalidades básicas para classificação em Rapidminer.
DCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
3 Bolsista de iniciação cientifica Fapemig Ufla-MG. 4 Pesquisadora Doutora Epamig Lavras-MG. 5 Pesqiusadora Mestre Epamig Lavras-MG
UTILIZAÇÃO DE TÉCNICAS DE SENSORIAMENTO REMOTO E GEOPROCESSAMENTO COMO SUBSÍDIO PARA ANÁLISE DAS ÁREAS DE PRESERVAÇÃO PERMANENTE DO MUNICÍPIO DE OLÍMPIO NORONHA MG. LUCAS FERREIRA MODESTO DA SILVA 1, ROSÂNGELA
AVALIAÇÃO DOS DADOS DE PRECIPITAÇÃO SOBRE O BRASIL PROVENIENTES DE DIFERENTES FONTES DE DADOS RESUMO
AVALIAÇÃO DOS DADOS DE PRECIPITAÇÃO SOBRE O BRASIL PROVENIENTES DE DIFERENTES FONTES DE DADOS Ana Carolina Vasques 1, Sérgio Henrique Franchito 2, Vadlamudi Brahmananda Rao 3 e Clóvis Monteiro do Espírito
CLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO
CLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO RENNAN DE FREITAS BEZERRA MARUJO 1, TATIANA GROSSI CHQUILOFF VIEIRA 2, MARGARETE MARIN LORDELO VOLPATO 3, HELENA
Biomas / Ecossistemas brasileiros
GEOGRAFIA Biomas / Ecossistemas brasileiros PROF. ROGÉRIO LUIZ 3ºEM O que são biomas? Um bioma é um conjunto de tipos de vegetação que abrange grandes áreas contínuas, em escala regional, com flora e fauna
Observação da influência do uso de séries temporais no mapeamento de formações campestres nativas e pastagens cultivadas no Cerrado brasileiro
Observação da influência do uso de séries temporais no mapeamento de formações campestres nativas e pastagens cultivadas no Cerrado brasileiro Wanderson Santos Costa Trabalho do curso de Introdução ao
IMPACTO DAS MUDANÇAS CLIMÁTICAS NA CULTURA DO ALGODÃO (GOSSYPIUM SPP.) NO CENÁRIO BRASILEIRO
IMPACTO DAS MUDANÇAS CLIMÁTICAS NA CULTURA DO ALGODÃO (GOSSYPIUM SPP.) NO CENÁRIO BRASILEIRO Introdução Ródney Ferreira Couto 1 (UEG) João Maurício Fernandes Souza 1 (UEG) Lorena Alves de Oliveira 1 (UEG)
Alterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e DOMINIQUE PIRES SILVA
Alterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e 2010. DOMINIQUE PIRES SILVA Universidade Federal Rural do Rio de Janeiro E-mail: nique_rhcp@hotmail.com
TENDÊNCIAS DE VARIAÇÃO DA AMPLITUDE TÉRMICA NO BRASIL EM FUNÇÃO DAS MUDANÇAS CLIMÁTICAS. Elena Charlotte Landau', Rafaela Barbosa Teixeira Tavares',
TENDÊNCIAS DE VARIAÇÃO DA AMPLITUDE TÉRMICA NO BRASIL EM FUNÇÃO DAS MUDANÇAS CLIMÁTICAS Elena Charlotte Landau', Rafaela Barbosa Teixeira Tavares', ~A'-d'~H' nn re trsc h 3, C arma. A SSIS. Barras 4 I.Pesquisadora
BIO1 PLANO MUNICIPAL DE MATA ATLÂNTICA DE FERNANDÓPOLIS- SP
BIO1 RESPONSÁVEL TÉCNICO: Dr. Luiz Sérgio Vanzela SECRETARIA MUNICIPAL DE MEIO AMBIENTE ABRIL/2017 PLANO MUNICIPAL DE MATA ATLÂNTICA DE FERNANDÓPOLIS- SP SUMÁRIO 1. INTRODUÇÃO... 1 2. MUNICÍPIO DE FERNANDÓPOLIS...
XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
DISTRIBUIÇÃO ESPACIAL DA PRECIPITAÇÃO MÉDIA ANUAL PARA A REGIÃO NORTE DO BRASIL EWERTON FELIPE DO PRADO MACHADO 1, MARCELO CORRÊA PEREIRA 2, MARCELO RIBEIRO VIOLA 3, LEO FERNANDES AVILA 4, CARLOS ROGÉRIO
COMPARAÇÃO DE CLIMATOLOGIAS DE PRECIPITAÇÃO ACUMULADA MENSAL SOBRE O TERRITÓRIO BRASILEIRO.
COMPARAÇÃO DE CLIMATOLOGIAS DE PRECIPITAÇÃO ACUMULADA MENSAL SOBRE O TERRITÓRIO BRASILEIRO Caio Pereira de Souza 1,2, Gabriela Joly 1,2, Ricardo Marcelo da Silva 2 1 Universidade Federal do Rio de Janeiro
Roteiro. PCC142 / BCC444 - Mineração de Dados Avaliação de Classicadores. Estimativa da Acurácia. Introdução. Estimativa da Acurácia
Roteiro PCC142 / BCC444 - Mineração de Dados Avaliação de Classicadores Introdução Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br
Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7
http://dx.doi.org/10.12702/viii.simposfloresta.2014.8-528-1 Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 Pablo F. Lopes 1, Thaissa R. Teixeira
Comparação de Variáveis Meteorológicas Entre Duas Cidades Litorâneas
Comparação de Variáveis Meteorológicas Entre Duas Cidades Litorâneas F. D. A. Lima 1, C. H. C. da Silva 2, J. R. Bezerra³, I. J. M. Moura 4, D. F. dos Santos 4, F. G. M. Pinheiro 5, C. J. de Oliveira 5
INFLUÊNCIA DA TEXTURA DO SOLO SOBRE OS PARÂMETROS DOS MODELOS DE VAN GENUCHTEN E BROOCKS E COREY. Donizete dos Reis Pereira, Danilo Pereira Ribeiro
INFLUÊNCIA DA TEXTURA DO SOLO SOBRE OS PARÂMETROS DOS MODELOS DE VAN GENUCHTEN E BROOCKS E COREY Donizete dos Reis Pereira, Danilo Pereira Ribeiro Universidade Federal de Viçosa/DEA, Campus Universitário,
Empresa Brasileira de Pesquisa Agropecuária Embrapa Amazônia Oriental Ministério da Agricultura, Pecuária e Abastecimento
Empresa Brasileira de Pesquisa Agropecuária Embrapa Amazônia Oriental Ministério da Agricultura, Pecuária e Abastecimento Embrapa Amazônia Oriental Belém, PA 2015 ÍNDICE DE VEGETAÇÃO NORMALIZADA (NDVI)
Estimativa de escoamento superficial na bacia do rio Sapucaí por meio de modelagem hidrológica dinâmica
Estimativa de escoamento superficial na bacia do rio Sapucaí por meio de modelagem hidrológica dinâmica João Bosco Coura dos Reis Registro nº 130.362 SER-300 - Introdução ao Geoprocessamento São José dos
Temperatura do nordeste brasileiro via análise de lacunaridade. Leandro Ricardo R. Lucena, Tatijana Stosic
ISSN: 2317-0840 Temperatura do nordeste brasileiro via análise de lacunaridade Leandro Ricardo R. Lucena, Tatijana Stosic Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco
Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS
http://dx.doi.org/10.12702/viii.simposfloresta.2014.131-592-1 Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS Juliana Tramontina 1, Elisiane
Modelagem da Biodiversidade Utilizando Redes Neurais Artificiais
Modelagem da Biodiversidade Utilizando Redes Neurais Artificiais Fabrício Augusto Rodrigues 1, Elisângela Silva da Cunha Rodrigues 2, Pedro Luiz Pizzigatti Corrêa 1, Ricardo Luis de Azevedo da Rocha 2,
Elensandra Thaysie Pereira 2, Caroline De Oliveira Krahn 3, Juliana Maria Fachinetto 4
DISTRIBUIÇÃO GEOGRÁFICA POTENCIAL DE ESPÉCIES DE ERIOCAULON (ERIOCAULACEAE) 1 POTENTIAL GEOGRAPHICAL DISTRIBUTION OF ERIOCAULON SPECIES (ERIOCAULACEAE) Elensandra Thaysie Pereira 2, Caroline De Oliveira
UNIVERSIDADE DE SÃO PAULO PROGRAMA DE PÓS-GRADUAÇÃO EM ECOLOGIA EXAME DE CONHECIMENTOS EM ECOLOGIA DOUTORADO ECOLOGIA TERRESTRE
Instruções 1. Responda às questões de maneira clara, lógica e fundamentada na teoria ecológica. 2. Responda às questões a caneta, nas folhas de resposta fornecidas. 3. A prova está dividida em três partes.
ENVIRONMENTAL IMPACT ASSESSMENT IN THE PROCESS OF FOREST HARVEST
AVALIAÇÃO DE IMPACTOS AMBIENTAIS NO PROCESSO DE COLHEITA FLORESTAL 1 Mateus Mendes Caetano 2, Luís Carlos de Freitas 3 1 Apoio financeiro: UESB. 2 Discente do Curso de Engenharia Florestal/ UESB/ Vitória
ANÁLISE DO IMPACTO DA VEGETAÇÃO NO MICROCLIMA DE ÁREAS RESIDENCIAIS DE BAIXA DENSIDADE ATRAVÉS DE SIMULAÇÃO COMPUTACIONAL NO PROGRAMA ENVI-MET
ANÁLISE DO IMPACTO DA VEGETAÇÃO NO MICROCLIMA DE ÁREAS RESIDENCIAIS DE BAIXA DENSIDADE ATRAVÉS DE SIMULAÇÃO COMPUTACIONAL NO PROGRAMA ENVI-MET Fernanda Carpinetti Vieira Faculdade de Arquitetura e Urbanismo
Montagem de ambiente para classificação de solos usando ScikitLearn
104 Montagem de ambiente para classificação de solos usando ScikitLearn Setting up of an environment for soil classification using ScikitLearn Gabriel Teston Vasconcelos 1 Kleber Xavier Sampaio de Souza
Estudos de tendências de índices de precipitação sobre o estado da Bahia
Estudos de tendências de índices de precipitação sobre o estado da Bahia Rayana Santos Araújo 1, José Ivaldo Barbosa de Brito 2, 1 Aluna de Graduação em Meteorologia, Bolsista PIBIC/CNPq, Unidade Acadêmica