Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/41120
metadata.artigo.dc.title: Zoning for edaphoclimatic aptitude of Bambusa vulgaris and Dendrocalamus giganteus in Brazil
metadata.artigo.dc.title.alternative: Zoneamento de aptidão edafoclimática de Bambusa vulgaris e Dendrocalamus giganteus para o Brasil
metadata.artigo.dc.creator: Santos, Karina Rodrigues
Pompeu, Patrícia Vieira
Melo, Lucas Amaral de
Macedo, Renato Luiz Grisi
Botelho, Soraya Alvarenga
metadata.artigo.dc.subject: Species distribution modeling
Bamboo
Georeferencing
Modelagem de distribuição de espécies
Bambu
Georreferenciamento
metadata.artigo.dc.publisher: Escola de Agronomia/UFG
metadata.artigo.dc.date.issued: 2019
metadata.artigo.dc.identifier.citation: SANTOS, K. R. et al. Zoning for edaphoclimatic aptitude of Bambusa vulgaris and Dendrocalamus giganteus in Brazil. Pesquisa Agropecuária Tropical, Goiânia, v. 49, 2019.
metadata.artigo.dc.description.resumo: O uso de materiais renováveis e processos mais sustentáveis são essenciais para minimizar os impactos negativos do crescimento populacional. O bambu é uma alternativa viável, porque é um produto com propriedades potenciais de substituição à madeira. No entanto, para obter um bom rendimento, é necessário identificar locais adequados para a silvicultura das espécies. Objetivou-se prever áreas favoráveis ao melhor estabelecimento e desenvolvimento de Bambusa vulgaris e Dendrocalamus giganteus, em território brasileiro, funcionando como um zoneamento de aptidão edafoclimática que pode subsidiar a tomada de decisões. Utilizaram-se pontos georreferenciados de ocorrência natural das espécies, coletados em herbário virtual. As variáveis ambientais foram extraídas das bases de dados WorldClim, MOD16 e SoilGrids. Para selecionar o conjunto de variáveis a ser utilizado na modelagem de cada espécie, foi realizado um teste de correlação. A partir deste resultado, dez variáveis ambientais foram utilizadas para cada espécie, e variáveis não correlacionadas foram escolhidas. Uma análise de componentes principais foi aplicada para selecionar as variáveis que mais explicam a variabilidade. Para o mapa de distribuição, foi utilizado o algoritmo Maxent, baseado no princípio da entropia máxima, avaliado por meio das métricas AUC e TSS. B. vulgaris apresentou uma grande área para adaptação no território brasileiro, ao contrá
metadata.artigo.dc.description.abstract: The use of renewable materials and more sustainable processes are essential to minimize the negative impacts of population growth. Bamboo is a viable alternative, because it is a product with potential properties for wood replacement. However, to achieve a good yield, it is necessary to identify suitable sites for the forestry of the species. This study aimed to forecast favorable areas for the best establishment and development of Bambusa vulgaris and Dendrocalamus giganteus in the Brazilian territory, functioning as a zoning for edaphoclimatic aptitude that can support decisionmaking. It was performed using georeferenced points of natural occurrence for the species, collected from a virtual herbarium. The environmental variables were extracted from the WorldClim, MOD16 and SoilGrids databases. In order to select the set of variables to be used for modeling each species, a correlation test was performed. From this result, ten environmental variables were used for each species, and non-correlated variables were chosen. A principal component analyses was applied to select the variables that better explained variability. For the distribution map, the Maxent algorithm was used, based on the principle of maximum entropy, evaluated by the AUC and TSS metrics. Bambusa vulgaris presents a large area for adaptation in the Brazilian territory, unlike the Dendrocalamus giganteus species, which showed a limited aptitude area.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/41120
metadata.artigo.dc.language: en_US
Appears in Collections:DCF - Artigos publicados em periódicos



This item is licensed under a Creative Commons License Creative Commons