Modelação Preditiva Da Vegetação Natural Potencial Do Concelho De Loures.

Abstract

Resumo -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 as séries de vegetação de um território e os factores ambientais, este artigo visa o desenvolvimento de modelação predictiva da VnP para o concelho de Loures (aML). atendendo à possibilidad e de integração de um vasto conhecimento empírico, utilizou-se uma abordagem de modelação precedida de classificação de séries de vegetação (classification-then-modelling). Para averiguar a relação entre 6 séries de vegetação e um conjunto de 8 variáveis ambientais recorr eu-se a Modelos de Distribuição de espécies (sDM) aplicados ao nível da comunidade, suportados em sistemas de informação geográfica (sig) e em modelos de regressão, machine learning e rule-based. Os resultados obtidos permitiram aferir o modo como os gradientes ecológicos determinam a ocorrência das séries de vegetação. a cartografia predictiva da VnP resultante do modelo da Máxima entropia, foi ainda validada com a cartografia oficial da VnP do concelho de Loures (precisão global de 88%). Dado que a gestão e conservação da biodiversidade é frequentemente desenvolvida a escalas de grand e detalhe, o sDM possibilita a integração de observações directas de comunidades vegetais, e uma interpretação da distribuição local da VnP ao longo de gradientes ambientais. (lisbon MetroPolitan area). the concept of Potential natural Vegetation (PnV) and its mapping have become extremely important within the scope of habitat restoration in almost every european country. the aim of this study is to predict the PnV in Loures based on the vegetation series and the main environmental variables. the modelling approach is based on the distribution of communities referred to as classification-thenmodelling. subsequently, several statistical model-fitting techniques, such as regression models, machine learning and rule-based, were successfully applied to the survey data (vegetation series; and 8 environmental/predictor variables). the spatial database was organized as a geo graphic information system (gis) and was also used to perform the species Distribution Models (sDM) at community level. the results show a high corres pondence between the vegetation series and the environmental gradients. the predicted PnV maps based on the Maximum entropy Model were validated with the official map of the PnV of Loures, and presented an overall accuracy of 88%. Often, conservation planning and biodiver sity resource management is carried out at more detailed scales, where sDM allows integration of community direct observations and improve our interpretation of PnV local distributions along environmental gradients. PalavrasKey words: Potential natural Vegetation, vegetation series, spatial modeling and land use planning, Loures (Portugal).Résumé -uM Modèle Prédictif de la végétation naturelle du concelho de loures. Le concept de Végétation naturelle Pote...

A novel similar habitat potential model based on sliding‐window technique for vegetation restoration potential mapping

“…The key of the application of MFCE in VRPM is thus to build an indicator system and determine the weight for each indicator. With regards to the construction of an indicator system, Bisson et al (2008) (Gutierres, 2014;Gutierres et al, 2015Gutierres et al, , 2018. In terms of methods to determine index weights, Chen and Li (2008) first used the scale ratio table to score the influencing factors, and then they used an improved analytical hierarchy process (AHP) method to determine the weight of each indicator; Arianoutsou et al (2011) used the ratio estimation method for weight determination on the basis of a decision matrix; Yan et al (2014) used the AHP and the coefficient of variation methods to determine the index weights; and Li et al (2015) constructed the judgment matrixes for the target layer, the criterion layer, and the indicator layer through determination of weights via expert ranking.…”