1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Ecologia Aplicada - Mestrado (Dissertações)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/9359
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCoelho, Guilherme Leite Nunes-
dc.date.accessioned2015-05-07T18:03:57Z-
dc.date.available2015-05-07T18:03:57Z-
dc.date.issued2015-05-07-
dc.date.submitted2015-02-23-
dc.identifier.citationCOELHO, G. L. N. Modelagem preditiva de distribuição de espécies pioneiras no estado de Minas Gerais. 2015. 91 p. Dissertação (Mestrado em Ecologia Aplicada)-Universidade Federal de Lavras, Lavras, 2015.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/9359-
dc.descriptionDissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Ecologia Aplicada, área de concentração em Ecologia e Conservação de Recursos Naturais em Ecossistemas Fragmentados e Agrossistemas, para a obtenção do título de Mestre.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectPredição de habitatpt_BR
dc.subjectEspécies nativaspt_BR
dc.subjectMaxentpt_BR
dc.subjectGarppt_BR
dc.subjectPlanos de conservaçãopt_BR
dc.subjectHabitat predictionpt_BR
dc.subjectNative speciespt_BR
dc.subjectConservation planpt_BR
dc.titleModelagem preditiva de distribuição de espécies pioneiras no estado de Minas Geraispt_BR
dc.typedissertaçãopt_BR
dc.publisher.programDBI - Departamento de Biologiapt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEcologia e Conservação de Recursos Naturais em Ecossistemas Fragmentados e Agrossistemaspt_BR
dc.contributor.advisor1Carvalho, Luis Marcelo Tavares de-
dc.contributor.referee1Gomide, Lucas Rezende-
dc.contributor.referee1Silva, Daniel E-
dc.description.resumoConduziu-se este trabalho, com o objetivo de realizar uma predição de probabilidade de ocorrência de vinte e três espécies pioneiras no estado Minas Gerais. Essa predição será feita com uso do algoritmo de Máxima Entropia (Maxent) e o algoritmo genético (GARP). O estudo foi motivado pela demanda de informações para a escolha de espécies para programas de reflorestamento e recuperação de áreas perturbadas. Dessa forma, o trabalho foi conduzido para indicar a adequabilidade ambiental de cada região do estado de Minas Gerais para cada espécie estudada. Para cada pioneira, foi elaborado um mapa com o grau de similaridade ambiental com o local de ocorrência da mesma, assim podendo indicar espécies para serem introduzidas em todo o território mineiro com grandes chances de sucesso. Os mapas produzidos apresentaram distribuições similares ao que vem sendo descrito na literatura. Diferenças entre os métodos utilizados para a construção desses mapas foram encontradas. Em linhas gerais, o algoritmo genético apresentou resultados mais inclusivos, ou seja, uma área potencial de distribuição maior foi predita. Já, o algoritmo de máxima entropia apresentou uma área potencial menor, foi considerado um modelo mais restritivo. Isso permite dizer que o Maxent mapeou apenas áreas com alta similaridade ambiental, assim existe um menor risco de erro em casos de introdução de espécies ou em trabalhos de campo que pretendem encontrar novas populações.pt_BR
dc.description.resumoThe present work was conducted with the objective of performing a probability prediction of twenty-three pioneer species in the state of Minas Gerais, Brazil. This prediction will be done using the maximum entropy algorithm (Maxent) and genetic algorithm (GARP). The study was motivated by the demand for information to choose species for reforestation and recovery of disturbed areas programs. Therefore, the study was conducted to indicate the environmental suitability of each region of the state of Minas Gerais for each studied species. For each pioneer, we elaborated a map with the degree of environmental similarity to the location of its natural occurrence, thus indicating the species to be introduced in all study area with great chances of success. The produced maps presented similar distributions to that described in the literature. We found differences between the methods used for constructing these maps. In general, the genetic algorithm presented more inclusive results, that is, a larger area of potential distribution was predicted. The Maximum entropy algorithm showed a smaller area of potential distribution and was considered a more restrictive model. This allow us to determine that the Maxent mapped only areas with high environmental similarity, thus, there is less chance of error in the case of species introduction or field of work that intend to find new populations.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Ecologia Aplicada - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Modelagem preditiva de distribuição de espécies pioneiras no estado de Minas Gerais.pdf3,46 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.