Machine Translated by Google

Mudança Ambiental Regional (2020) 20:8 https://doi.org/

10.1007/s10113-020-01603-y

ARTIGO ORIGINAL

Vinte anos de mudança na cobertura da terra no sudeste peruano

Amazônia: implicações para a conservação da biodiversidade

Ana María Sánchez-Cuervo1 & Letícia Santos de Lima2 & Francisco Dallmeier1 & Paola Garate3 & Adriana Bravo4,5 &
Adriano Vanthomme3

Recebido: 22 de janeiro de 2019 / Aceito: 2 de janeiro de 2020

# Springer-Verlag GmbH Alemanha, parte da Springer Nature 2020

Resumo
Os ecossistemas amazônicos da região de Madre de Dios (MDD), considerada a “capital da biodiversidade” do Peru devido à sua impressionante
riqueza de espécies, estão ameaçados pela rápida expansão da infraestrutura. A pavimentação da Rodovia Interoceânica em 2010 trouxe rápido
crescimento populacional e degradação ambiental, ameaçando os esforços de conservação em grande escala, como o Corredor de Conservação
Vilcabamba-Amboro (VACC). Para quantificar os impactos dos processos de desenvolvimento e identificar áreas críticas onde mais esforços de
conservação devem ser concentrados, analisamos 20 anos de uso da terra e cobertura da terra (LULC) dinâmica, drivers e padrões de fragmentação
em MDD. Mapeamos LULC em 1993, 2003 e 2013 usando imagens Landsat e modelamos os motores próximos de mudança relacionados ao
desmatamento, regeneração florestal, mineração de ouro, agricultura e expansão urbana em dois períodos de tempo (1993–2003 e 2003–2013).
Caracterizamos padrões de fragmentação de habitat em quatro áreas-alvo regionais. Nossos resultados mostram o desmatamento acelerado
desencadeado pela expansão da rede rodoviária, expansão da mineração e da agricultura e crescimento populacional.
As mudanças LULC produziram dois padrões de paisagem espacial contrastantes: numerosos pequenos fragmentos florestais no norte devido à
expansão agrícola ao longo da Rodovia Interoceânica e grandes perdas florestais contínuas causadas pela expansão da mineração de ouro no sul.
O atual desenvolvimento não planejado nesta região está ameaçando sua notável biodiversidade. Sugerimos que esforços adicionais de conservação
se concentrem no fortalecimento da estrutura legal do VACC, implementando um plano de manejo sustentável para MDD, promovendo estratégias
agroflorestais ao longo da Rodovia Interoceânica e preservando corredores menores para o movimento de animais.

Palavras-chave Agricultura . Desmatamento . Drivers próximos de mudança. Mineração de ouro . Padrões de paisagem. Madre de Dios

Comunicado por Jasper van Vliet Introdução

Material eletrônico complementar A versão online deste artigo (https://doi.org/10.1007/
s10113-020-01603-y) contém material suplementar, que está disponível para usuários As florestas tropicais sustentam uma biodiversidade extraordinária e
autorizados.
desempenham um papel fundamental nos processos ecológicos,
biofísicos, biogeoquímicos e climáticos, fornecendo serviços
* Ana María Sánchez-Cuervo
sanchezam@si.edu ecossistêmicos essenciais que beneficiam o bem-estar humano em
escalas locais e globais (Foley et al. 2007; Laurance et al. 2009). Entre
as florestas tropicais, a Amazônia ocidental tem notável valor de
1
Centro de Conservação e Sustentabilidade, Smithsonian Conservation Biology
conservação devido à sua extraordinária diversidade biológica (Ceballos
Institute, PO Box 37012, MRC 705, Washington, DC 20013-7012, EUA
e Ehrlich 2006; Young et al. 2005) e cultural (Killen 2007) e seus níveis
2 mais baixos de conversão de terras quando comparada com a Amazônia
Department of Hydraulic Engineering and Water Resources, Universidade
Federal de Minas Gerais, Av. Antônio Carlos 6627, CEP, Belo Horizonte, MG, oriental (Finer e outros 2008; Killen 2007). No entanto, a conversão de
Brazil terras, rede rodoviária e projetos de exploração de hidrocarbonetos
3
Smithsonian Conservation Biology Institute, Centro de Conservação estão atualmente se expandindo e ameaçando os recursos naturais e
& Sustentabilidade, Calle Almirante Lord Cochrane 111, 15073 San culturais da região (Asner et al. 2013; Finer et al.
Isidoro, Lima, Peru 2008; Oliveira et ai. 2007).
4
Departamento de História Natural, Royal Ontario Museum, 100 Queen's A região de Madre de Dios (MDD) no Peru, localizada na Amazônia
Park Crescent, Toronto, ON M5S 2C6, Canadá ocidental, é uma área de particular preocupação por causa de seus
5
Departamento de Ecologia e Biologia Evolutiva, Universidade de altos níveis de riqueza de espécies, esforços de proteção da paisagem
Toronto, Toronto, ON M5S 3B2, Canadá e localização estratégica para preservar a biodiversidade da floresta tropical
Machine Translated by Google
8 Página 2 de 14
(Huertas 2007). O MDD faz parte do hotspot de biodiversidade dos Andes
Tropicais e tem sido considerado “o epicentro global da
biodiversidade” (CEPF 2005, p5) e uma ecorregião prioritária
(Floresta Úmida do Sudoeste da Amazônia) para conservação global no
Global 200 do WWF (Olson e Dinerstein 2002). Desde
Na década de 1970, o governo peruano criou e reconheceu várias áreas
protegidas (UCs) e unidades de conservação privadas
áreas, cobrindo quase 50% de seu território (SERNANP 2017).
As principais APs incluem o Parque Nacional Manu, o Market
Reserva Comunal, Reserva Nacional de Tambopata e
O Parque Nacional Bahuaja-Sonene está localizado no coração do
Corredor de Conservação Vilcabamba-Amboro
(VACC; Fig. 1). Este corredor foi estabelecido no final
década de 1990 para preservar a biodiversidade, os ecossistemas e as
terras de vários grupos étnicos nos Andes tropicais e no oeste
Amazônia (Bennett e Mulongoy 2006; CEPF 2005). Conecta 30 milhões
de hectares, abrangendo 18 UCs, áreas de uso múltiplo,
e reservas indígenas das montanhas Vilcabamba em
Peru até o Parque Nacional Amboró na Bolívia (Bennett e
Mulongoy 2006; CEPF 2005). O VACC visa salvaguardar
a continuidade dos processos, funções e serviços do ecossistema
e permite movimentos de vida selvagem através das fronteiras nacionais.
No entanto, áreas protegidas e desprotegidas do corredor
estão ameaçados pelo desenvolvimento não planejado e consequente
mudanças de uso e cobertura da terra (LULC) em MDD.
FIG. 1 Região Madre de Deus, Peru. A inserção à esquerda mostra a localização de Madre de Dios no Peru e o Corredor de Conservação Vilcabamba-Amboro.
A inserção à direita mostra as quatro áreas-alvo onde as métricas de paisagem foram calculadas (consulte a seção Métodos para obter descrições)
Alteração do ambiente de registro (2020) 20:8
Nas últimas décadas, MDD experimentou significativa LULC
mudanças facilitadas por uma combinação de políticas públicas, como
incentivos, austeridade neoliberal e integração regional
através de grande infraestrutura (Alvarez e Naughton-Treves
2003; Chávez 2014). Um importante fator de mudança no
região tem sido a Rodovia Interoceânica, um projeto binacional
assinado em 1979 (Dourojeanni 2006), pavimentado em toda a
década de 2000 e concluída em 2010. A Rodovia Interoceânica conecta
os portos do Pacífico do Peru com o Brasil (Killen 2007) e tem
imigração induzida para MDD e o crescimento do ensino secundário
estradas (Asner et al. 2013; Killen 2007; Scullion et al. 2014).
Consequentemente, a região experimentou um rápido crescimento econômico
e populacional, passando do setor extrativo principalmente de base florestal para
indústrias (por exemplo, castanha do Brasil) para agricultura de pequena escala, pecuária
pecuária, mineração de ouro de pequena e média escala e
desenvolvimento (Alvarez e Naughton-Treves 2003; Delgado
2008; Anos Dourojeanos 2006; Juiz e outros 2012). Infelizmente,
A MDD ainda não adotou o seu plano de ordenamento do território e
continua a desenvolver-se sem coordenação, resultando na sobreposição
concessões de uso da terra causando perdas econômicas, conflitos sociais,
pobreza e degradação do ecossistema (CEPF 2005; Chavez et al.
2013; Dourojeanni 2006; De acordo com Scullion et al. 2014).
As mudanças atuais de LULC no MDD estão reduzindo cada vez mais
conectividade da paisagem no VACC (Rosenthal et al. 2012).
A expansão da malha viária e os terrenos que a acompanham
Machine Translated by Google
Alteração do ambiente de registro (2020) 20:8
a conversão abriu o acesso a áreas de alta biodiversidade, promovendo a
fragmentação do habitat, principalmente em áreas desprotegidas entre o
Parque Nacional do Manu e a Reserva Nacional de Tambopata
(Rosenthal et al. 2012). O desmatamento normalmente afeta a estrutura da
paisagem terrestre (Southworth et al. 2004) reduzindo o total
área florestal e dividindo grandes extensões de floresta em áreas menores
manchas (Haddad et al. 2015). Diferentes padrões de fragmentação da
paisagem podem reduzir o tamanho da população animal, causar declínios
na riqueza e persistência de espécies, aumentam os riscos de mortalidade,
e, finalmente, causar extinções locais (Fischer e
Lindenmayer 2007; Haddad et ai. 2015; Rutledge 2003).
Embora alguns estudos tenham analisado as alterações do LULC e
fragmentação da paisagem em MDD em escalas locais (Alvarez e
Naughton-Treves 2003; Chávez e outros. 2013; Chávez 2014;
Scullion et ai. 2014), nenhum analisou as mudanças na estrutura da
paisagem ao longo do tempo nem avaliou a
impulsionadores da mudança em escala regional. Para entender como
quanto, onde e como a mudança LULC está afetando os MDDs
recursos naturais, abordamos as seguintes questões: (i)
“Quanta mudança LULC houve no MDD para o
1993–2003 e 2003–2013?”, (ii) “Quais são os principais
drivers próximos dessas mudanças LULC?”, (iii) Quais são os
ligações entre desmatamento e padrões de fragmentação de habitat?”, e
(iv) “Em que áreas críticas os esforços de conservação devem se concentrar
no MDD?”. Para responder a essas perguntas, nós
quantificar informações cruciais sobre a mudança LULC, identificar
drivers próximos e avaliar os padrões de fragmentação resultantes
na escala regional. Nosso objetivo é contribuir com informações críticas
para o desenvolvimento de políticas informadas que irão melhorar a
biodiversidade e a conservação do habitat em MDD.
Métodos
Área de estudo
O MDD está localizado na fronteira sudeste da Amazônia peruana
Brasil e Bolívia (Fig. 1). Essa região de 85.000 km2 abriga
uma população de cerca de 135.000 habitantes (média de 1,57
pessoa por km2 ; INEI 2015). MDD é também o lar de alguns dos
os últimos grupos indígenas isolados no mundo vivendo em
isolamento voluntário (Huertas 2007). A temperatura média anual da região
é de 26,4 °C, com umidade relativa média anual de 84,2%. A estação
chuvosa MDD é tipicamente entre
novembro e abril (INEI 2010), e a precipitação total anual entre 1995 e 2015
foi de 2214 mm (INEI 2012).
MDD foi designada por lei a “capital da biodiversidade” do Peru
(Lei peruana N° 26.311). A região possui dois biofísicos
unidades: a cordilheira subandina (500–3.967 m) dominada por uma
paisagem de floresta tropical úmida pré-montanha e a
Vale do rio Madre de Dios (176-500 m) dominado por um suave
relevo com várzeas e colinas baixas (Mateo e Cornejo
2006). MDD contém várias zonas de vida de tropical e
Página 3 de 14 8
florestas subtropicais úmidas, muito úmidas e pluviais a pré-montanhas,
páramos montanhosos e subalpinos juntamente com quatro províncias
biogeográficas: Amazônia Tropical, Amazônia Subtropical,
Yungas Subtropicais e Puna Subtropical (Mateus e
Cornejo 2006). MDD abriga biodiversidade extraordinária: 6809
espécies registradas de plantas, 1212 aves, 272 peixes de água doce, 256
mamíferos, 183 am fíbios e 143 répteis (GBIF 2018).
Apesar da importância biológica do MDD, a conversão de terras
persiste dentro e fora das UCs (Finer e Novoa 2015; Finer
et ai. 2016a, b; Novoa et ai. 2016). Crescimento econômico nacional,
sobreposições de concessões de uso da terra e o aumento de
os preços do ouro são importantes impulsionadores documentados do desmatamento
na região (Chavez et al. 2013; Southworth et al. 2011;
Swenson et ai. 2011). Grandes projetos de infraestrutura (por exemplo,
rodovias, ferrovias, linhas de energia e gás, projetos de hidrocarbonetos)
planejado para a Amazônia Ocidental (Finer e Novoa 2015;
Laurance et ai. 2009) deverão acelerar o futuro
Mudanças LULC impactando MDD e VACC.
Mapeamento de Uso e Cobertura da Terra
Para quantificar quanta mudança LULC houve no MDD,
usamos imagens de satélite multiespectrais Landsat de 1993,
estações secas de 2003 e 2013 (julho a setembro; Asner et al.
2013). Usamos as imagens do Landsat 5 Thematic Mapper para
mapas de 1993; Landsat 7 Mapeador Temático Aprimorado (ETM)
imagens anteriores a 31 de maio de 2003 (para evitar erros de linha de varredura) para
mapa de 2003; e Landsat 8 Operational Land Imager para 2013
mapas. Desenvolvemos máscaras de cobertura de nuvens sem dados para o
pixel rotulado como nuvem ou sombra de nuvem para cada ano usando
as bandas de avaliação de qualidade (QA). Este processo eliminou
maioria das nuvens nas cenas. Abordamos a degradação transversal da
resposta radiométrica (Hansen e Loveland 2012;
Potapov et ai. 2012) padronizando cada cena Landsat e
cada banda usando o método de imagem de resolução moderada
Espectroradiômetro (MODIS) função de distribuição bidirecional (BRDF)
produto MCD43A4 (Graesser e Ramankutty
2017). Em seguida, mosaicamos imagens adjacentes sem nuvens (linhas
de caminho 20–68, 20–69, 30–67, 30–68, 30–69, 40–67, 40–68 e
40–69) para cada ano.
A partir dos valores de reflectância de cada pixel dos três meses,
calculamos seis variáveis: Índice de vegetação aprimorado
(EVI), índice de vegetação de diferença normalizada (NDVI),
Brilho do gorro com borlas (Tass1), tom verde do gorro com borlas
(Tass2) e umidade do gorro com borlas (Tass3) e principal
análise de componentes (PCA). Geramos o treinamento e
dados de validação para cada classe de cobertura da terra em cada ano
(12.914 pixels para os 3 anos) usando o Land Mapper
(2015) aplicativo desenvolvido pela Universidade de Puerto
Rico (Alvarez-Berríos e Aide 2015). Este aplicativo permite que os usuários
desenhem polígonos manualmente em torno de grupos de
Pixels Landsat de um determinado tipo de cobertura da terra com base no visual
interpretação de resolução muito alta (resolução > 3 m)
Machine Translated by Google
8 Página 4 de 14
Imagens do Google Earth sobrepostas à grade de paisagem. Nós nos
concentramos apenas nas classes de cobertura da terra mais
proeminentes e inequívocas na área de estudo: solo descoberto, água,
floresta (árvores), pastagem (vegetação herbácea natural, agricultura e
pastagens combinadas), zona úmida (pântanos florestais e não
florestados ou aguajales) , e mineração de ouro (solos descobertos,
rejeitos e lagoas associadas à mineração). Vegetação herbácea,
agricultura e pastagens foram combinadas em uma única classe para
garantir os melhores resultados do algoritmo de classificação e
posteriormente poderiam ser classificadas em classes úteis durante o
processo de edição manual (veja abaixo). Muitas imagens de altíssima
em cobertura
resolução estavam disponíveis para a região em 2013, menos em 2003 e nenhuma
Portanto, os dados de treinamento e validação para as cenas de 2003
e 1993 foram parcial e totalmente coletados a partir da interpretação
visual do mosaico Landsat, como foi feito em outros estudos (por
exemplo, Potapov et al. 2017).
Para criar um modelo de classificação, primeiro associamos cada
pixel de treinamento e validação (ao qual foi atribuído um ano e uma
classe de cobertura) com os valores variáveis para o pixel do mesmo
ano. Este conjunto de dados foi usado como entrada em um classificador
baseado em árvore de floresta aleatória (RF) (Liaw e Wiener 2002).
Para a análise de RF, usamos 25 nós terminais, 500 árvores e um
mínimo de 5 nós terminais por árvore. Um modelo foi criado para cada
ano (1993, 2003 e 2013) usando 50% dos dados, sendo os outros 50%
usados para validação. Atribuímos classes de cobertura do solo aos
pixels com base na maioria dos votos (probabilidade > 60%). O modelo
final de RF teve uma precisão geral > 90% nos três modelos.
Para corrigir erros de classificação de algumas classes de terra (por
exemplo, solo nu versus mineração de ouro) nos mapas de resolução
de 30 m, fizemos extensa edição manual e aplicamos um filtro
majoritário (janela 3 × 3) para reduzir o ruído. Como estávamos
avaliando a dinâmica dos usos da terra naturais (ou seja, floresta) e
humanos (ou seja, pastagens, mineração), modificamos os mapas LULC de três maneiras.
Primeiro, como bancos de areia naturais em rios e solo descoberto
relacionados à agricultura de corte e queima (extensivamente
verificados usando imagens de alta resolução e localizados ao longo
da Rodovia Interoceânica) foram inicialmente classificados como solo
descoberto, consideramos todos os pixels de solo descoberto dentro
de 300 m de rios navegáveis como “bancos de areia”. Esta distância foi
o comprimento médio dos bancos de areia nos principais rios navegáveis
em MDD observados em imagens de altíssima resolução no Google
Earth. Em segundo lugar, fundimos os pixels remanescentes do solo
nu (relacionados à agricultura de corte e queima) e as classes de
pastagem em uma única classe chamada “Agricultura”. A classe
“Agricultura” continha manchas de pastagens naturais, como Pampas
del Heath e algumas pastagens andinas altas que representam uma
área de superfície limitada e, com base nas imagens de satélite que
coletamos, são estáveis ao longo do tempo. A maioria, se não todas as
mudanças nesta classe, portanto, mostram mudanças em terras
agrícolas (corte e queima e pastagem). Terceiro, inserimos áreas
urbanas digitalizando manualmente cada assentamento (n = 37) usando
Semelhante ao
imagens de altíssima resolução no Google Earth (para 2003 e 2013) e no Landsat
Alteração do ambiente de registro (2020) 20:8
mosaicos (para 1993 e 2003). Selecionamos apenas cidades e vilas
que eram visualmente identificáveis, e sua extensão cobria a área
principal do núcleo urbano, bem como outros usos dispersos do solo
suburbano. Realizamos uma avaliação da precisão dos mapas finais
seguindo as recomendações da FAO (2016), Rossiter (2004) e Olofsson
et al. (2014) metodologia. Geramos amostras aleatórias de tamanho
igual para cada classe de cobertura da terra para garantir que todas as
classes de cobertura da terra fossem representadas (Congalton e
Green 2008). Avaliamos visualmente o LULC dos pixels aleatórios com
as imagens correspondentes de alta resolução e mosaicos Landsat.
Para o processo de interpretação, descartamos amostras localizadas
de nuvens. AMSC verificou novamente todos os pixels
em 1993.
contendo uma mistura de classes e atribuiu o pixel com a classe
majoritária (> 60%). Seguindo Congalton e Green (2008), avaliamos
entre 77 e 80 amostras por classe de cobertura da terra (floresta, solo
descoberto, agricultura, mineração de ouro, urbana e água) resultando
em 1432 pixels aleatórios estratificados avaliados nos 3 anos.
Calculamos as estimativas de precisão do produtor e do usuário por
classe e a área de mudança por transição com seus respectivos
intervalos de confiança de 95%.
Dados biofísicos e socioeconômicos
Nós incorporamos 23 variáveis antropogênicas e biofísicas para
determinar seu papel potencial como propulsores próximos da mudança
LULC em MDD (Tabela 1). As variáveis de uso da terra incluíram títulos
agrícolas, concessões de terra e áreas protegidas.
As variáveis ambientais incluíram geologia, elevação, declive,
temperatura e precipitação. As variáveis de acessibilidade incluíram
distância para estradas pavimentadas e não pavimentadas, densidade
de estradas, rios navegáveis, rios não navegáveis e cidades. A variável
demográfica utilizada foi a densidade populacional total. Todas as
entradas foram reamostradas (interpolação bilinear) para resolução de 90 m.
Motoristas de mudança
Focamos em seis principais transições LULC identificadas e relacionadas
ao desmatamento (floresta para agricultura, mineração e urbana),
rebrota florestal (agricultura para floresta), expansão da mineração
(floresta e agricultura para mineração) e expansão urbana (floresta e
agricultura para cidade). Para identificar os propulsores de mudança
próximos das seis transições nos dois períodos de tempo (1993–2003
e 2003–2013), usamos o método de pesos de evidência (WoE; Bonham-
Carter et al. 1989; Goodacre et al. 1993) implementado no Dinamica
EGO, uma plataforma de modelagem ambiental (Soares-Filho et al.
2013; Soares-Filho et al. 2009). Escolhemos o Dinamica EGO devido
ao seu alto desempenho, flexibilidade, acesso aberto e interface
amigável (Ferreira et al. 2019). O método WoE foi extensivamente
descrito na literatura sobre estudos de mudança LULC, e tem sido
usado para caracterizar e quantificar transições LULC, bem como para
identificar a influência de múltiplas características espaciais nas
transições observadas (Molin et al. 2017; Soares -Filho et al. 2014).
Machine Translated by Google

Alteração do ambiente de registro (2020) 20:8 Página 5 de 14 8

Tabela 1 Descrição e fontes de dados das variáveis independentes na região de Madre de Dios para os períodos 1993–2003 e 2003–2013. Um x indica
dados de entrada considerados para cada período de análise. O período 1993-2003 teve menos tipos de concessões, pois foram concedidas após 2003

Categoria descrição da variável Código Fonte Período Período

1993–2003 2003–2013

Uso da terra Títulos agrícolas: os proprietários podem exercer Agri_Title MINAGRI1 x x

Atividades
Concessões de Castanha do Brasil: área cedida para colheita Cast_Con OSINFOR2 x
castanha-do-pará

Concessões de Shiringa: área concedida para extrair Shiringa Shiringa_Con OSINFOR x

Concessões madeireiras: área concedida à exploração madeireira Log_Con OSINFOR x

Concessões de reflorestação: área cedida para reflorestação Refo_Con OSINFOR x

Concessões de ecoturismo/conservação: área concedida Eco/Cons_Con OSINFOR x

ao ecoturismo e conservação
Concessões de mineração de ouro: área concedida à mineração de ouro Mining_Con INGEMMET3 x x

Terras indígenas: área de comunidades indígenas NatComm_Con IBC4 x x

Áreas protegidas: áreas naturais protegidas Não SERNANP5 x x

Geologia Ambiental Geologia INGEMMET x x

Elevação Elevação Lehner et ai. 20086 x x

Declive Declive Processado a partir da ref. 6x x

Temperatura Temperatura Hijmans et al., 20057 x Hijmans x

Precipitação Precipitação et al., 2005 x x

8
Acessibilidade Distância euclidiana para estradas pavimentadas em m Dist_PavRoad Provías Nacionais x

Distância euclidiana para estradas não pavimentadas em m Dist_UnPavRoad Provías Nacionais x x

Distância euclidiana para rios navegáveis em m Dist_NavRiver MINEDU9 x x

Distância euclidiana a rios não navegáveis em m Dist_NonNavRiver MINEDU x x

Distância euclidiana às cidades em m Dist_Towns INEI10 x x

Distância euclidiana para áreas de mineração em 1993-2003 Dist_Mining INGEMMET x x
Distância euclidiana para áreas agrícolas em 1993-2003 Dist_Agri Minagri x x
Densidade da estrada: comprimento da estrada primária-secundária por km2 Road_Density Provías Nacionais x x

Demografia Densidade populacional total: calculada usando Kernel Pop_Density INEI11 e Kernel x x
densidade (km2 ) densidade12,13

1
MINAGRI: Ministério da Agricultura. Base Cartográfica do Projeto Especial de Titularidade e Cadastro Rural (PETT)
2
OSINFOR: Agência de supervisão dos recursos florestais e faunísticos
3
INGEMMET: Instituto Geológico, Mineiro e Metalúrgico. Sistema de Informação Cadastral Geológica e Mineira (GEOCATMIN). http://geocatmin.
ingemmet.gob.pe
4
IBC: Instituto do Bem Comum Sistema de Informação sobre Comunidades Indígenas da Amazônia Peruana (SICNA)
5
SERNANP: Serviço Nacional de Áreas Naturais Protegidas
6
Lehner et al., 2008: HydroSheds. https://hydrosheds.cr.usgs.gov
7
Hijmans et al., 2005: WorldClim-Global Climate Data. http://www.worldclim.org/
8
Provías Nacionais: Sistema Nacional de Informação Geográfica das Provías. http://giserver.proviasnac.gob.pe/flexviewers/provias/
9
MINEDU: Ministério da Educação. Sistema de Informação Geográfica do Ministério da Educação (SIGMED). http://sigmed.minedu.gob.pe/
descargas/
10
INEI: Instituto Nacional de Estatística e Informática. Base de Dados Espacial do IV Censo Agropecuário Nacional 2012. http://series.inei.gob.pe/
sonho espacial
11
INEI: Instituto Nacional de Estatística e Informática. Banco de dados dos Censos Nacionais de População e Habitação do Peru

12Bailey T, Gatrell, A (1995) Interactive Spatial Data Analysis. Longman, Harlow

13
Silverman, W (1986) Estimativa de densidade. Chapman e Hall, Londres

métodos de regressão múltipla, o WoE é uma geoestatística
método que mede a associação de cada potencial variável explicativa à
probabilidade espacial de uma transição para criar
múltiplos mapas de probabilidade de transição (no nosso caso, n = 6 para o
dois períodos de tempo; Soares-Filho et al. 2009). Baseado em bayesiano
probabilidade, o método calcula o peso de cada intervalo de
valores de cada variável espacial, contrastando-os com os
transições observadas em um par de mapas LULC, contabilizando
o número e a localização dos pixels que tiveram uma transição ou permaneceram
na mesma classe LULC (Osis et al. 2019).
Machine Translated by Google
8 Página 6 de 14
Para reduzir o tempo computacional no processo de modelagem
e corresponder à resolução original das entradas relevantes,
reamostramos (interpolação bilinear) todos os mapas para resolução de 90pastagens)
Antes da análise WoE, categorizamos variáveis contínuas em
intervalos discretos seguindo Soares-Filho et al.
(2009). O método atribuiu valores WoE (+/ÿ) a cada intervalo de
valores (ou categoria) de cada variável que pode influenciar cada
transição. Valores de peso positivos (WoE+) são atribuídos aos pixels
onde ocorreu a transição em análise e valores de peso negativo
(WoEÿ) aos pixels onde a transição não ocorreu. Verificamos a
independência das variáveis e o grau de associação para todas as
variáveis em todas as transições, realizando uma análise de
correlação espacial usando o coeficiente de Cramer (V) com base no
qui-quadrado para ambos os períodos (Almeida et al.
2003). V varia entre 0 e 1, onde valores mais próximos de 1 mostram
uma relação mais forte entre duas variáveis.
Portanto, removemos as variáveis autocorrelacionadas que tinham
valores de V superiores a 0,6 (Soares-Filho et al. 2009). Como
resultado, na análise do primeiro período (1993 a 2003), retiramos os
títulos agrícolas de cinco transições (floresta para agricultura,
mineração e urbano e agricultura para urbano e floresta). No segundo
período (2003 a 2013), removemos títulos agrícolas de quatro
transições (floresta para agricultura e urbana e agricultura para
urbana e mineração), áreas protegidas de duas transições (floresta
para agricultura e mineração), concessões de mineração de uma
transição (floresta para agricultura) e elevação de uma transição
(floresta para mineração). Para avaliar a força total e a utilidade de
todas as variáveis restantes, usamos o valor da informação (IV;
Siddiqi 2006). IV é um índice desenvolvido a partir da teoria da
informação (Kullback 1978), é calculado usando os coeficientes WoE
(+/ÿ) para cada intervalo de variável e seu valor absoluto é somado
entre intervalos para obter o valor IV final da variável. Valores IV
inferiores a 0,02 indicam que a variável não é útil para modelagem,
0,02–0,1 indicam uma relação fraca, 0,1–0,3 indicam uma relação de
força média e acima de 0,3 indicam uma relação forte com a razão
de chances WoE (Siddiqi 2006).
Métricas de fragmentação de paisagem
Para estimar como o desmatamento levou a diferentes padrões de
fragmentação de habitat e para identificar áreas críticas para a
conservação da biodiversidade, calculamos quatro métricas de
paisagem nos mapas LULC de 1993, 2003 e 2013: (1) cobertura
florestal (FC); (2) número de patches (NP); (3) maior índice de
mancha (LPI; área da maior mancha, expressa como uma
porcentagem da área total da paisagem); e (4) tamanho médio da
mancha (MPS). Realizamos essas análises em quatro áreas-alvo
(Fig. 1): Área 1 (MDD), toda a região, para ter uma visão completa
do processo de fragmentação; Área 2 (tampão), uma zona tampão
de 50 km ao longo da Rodovia Interoceânica e todas as estradas
secundárias onde ocorreram os maiores LULC nos últimos 20 anos
(Chavez et al. 2013; Delgado 2008); Área 3 (Norte), interseção entre 50 km
Alteração do ambiente de registro (2020) 20:8
zona tampão e a porção norte da região (fora do VACC) onde as
áreas não florestais (ou seja, áreas urbanas, estradas, plantações e
m. dobraram de tamanho em apenas um ano (2010–2011;
Chavez et al. 2013) ; e Área 4 (Sul), interseção entre a zona tampão
de 50 km e o VACC ao sul, onde a extensão geral da mineração de
ouro se expandiu muito nos últimos 8 anos (Asner et al. 2013; Scullion
et al. 2014). Demos atenção especial ao VACC, pois qualquer
mudança na cobertura da terra e fragmentação neste corredor teria
sérias implicações negativas para a biodiversidade, serviços
ecossistêmicos e função ecológica. Este estudo fornece uma
descrição geral do habitat na escala da paisagem e identifica padrões
gerais de fragmentação nas áreas mais impactadas pela mudança da
terra na escala local.
Resultados
Dinâmica de uso da terra
Os mapas LULC das seis classes finais tiveram precisão geral de
97,9% em 1993 (95% CI: 95,5–100%), 98,2% em 2003 (95,8–100%)
e 97,9% em 2013 (95,6–100%; Tabela de material suplementar S1).
As precisões do produtor variaram de 27,6 (solo nu em 1993; IC 95%:
18,6–36,5%) a 100% (urbano em 2003), enquanto as precisões do
usuário variaram de 55,8 (água em 1993; 44,7–67,0%) a 98,8%
(floresta em 2013; 96,3–100%). A precisão da classe individual para
a floresta foi geralmente alta (99,4% e 98,7% de precisão média do
produtor e do usuário) para os 3 anos. Em contraste, a precisão do
solo nu foi geralmente baixa (39,8% de precisão média do produtor),
assim como a da água (68,9% de precisão média do usuário). Solo
descoberto foi confundido com mineração, o que era esperado, uma
vez que as minas aluviais são compostas por áreas mistas de solo
descoberto e água parada. Além disso, a água foi confundida com a
classe floresta principalmente em áreas de floresta de pântano onde
dominam as palmeiras aguaje (Mauritia flexuosa Lf) e água parada.
No entanto, essas confusões interclasses não afetam significativamente
a quantificação das transições de terra de interesse neste estudo.
A floresta foi a classe de cobertura da terra predominante nos
últimos 20 anos (Fig. 2) cobrindo 97,1% da área do MDD (8.232.803
± 2.558 ha) em 1993, 96,0% (8.139.795 ± 2.509 ha) em 2003 e
95,2% (8.067.014 ± 2.399 ha) em 2013. As classes agricultura e
mineração cobriam apenas 0,5% (39.861 ± 2,4 ha) e menos de 0,1%
(3.618 ± 0,2 ha) da região em 1993, respectivamente. A área de cada
uma dessas classes aumentou 2,1% (180.266 ± 2.503 ha) e 0,2%
(16.189 ± 0,8 ha) em 2003, respectivamente, e para 2,7% (227.101 ±
2.395 ha) e 0,4% (37.535 ± 1,3 ha). em 2013, respectivamente. As
classes de cobertura do solo urbano, solo descoberto e água
ocuparam coletivamente cerca de 2% da paisagem e mudaram
ligeiramente ao longo do tempo.
Machine Translated by Google
Alteração do ambiente de registro (2020) 20:8
Fig. 2 Mapas de uso e cobertura da
terra em 1993, 2003 e 2013 para a
região de Madre de Dios
O uso da terra entre 1993 e 2003 foi caracterizado por maior
desmatamento (64.051 ± 30,8 ha) do que regeneração florestal
(11.454 ± 0,1 ha), com uma perda líquida de cobertura florestal de
52.597 ha (Fig. 3a). A floresta foi principalmente convertida em áreas
agrícolas, enquanto a regeneração florestal ocorreu principalmente
em terras de cultivo abandonadas. Entre todas as transições, a
expansão agrícola teve a maior expansão (54.774 ± 21,1 ha), com um aumento de 352%.
A mineração e a expansão urbana apresentaram a menor superfície
de mudança (10.792 ± 8,7 e 576 ± 1,1 ha, respectivamente); no
entanto, a mineração teve o segundo maior aumento (348%). A
mineração expandiu-se principalmente para a floresta, enquanto as
áreas urbanas se expandiram para as áreas agrícolas circundantes.
O segundo período, de 2003 a 2013, foi caracterizado pelo aumento
do desmatamento (104.663 ± 41,2 ha), rebrota florestal (56.059 ± 142
ha), expansão da mineração (30.509 ± 58 ha) e expansão urbana
(3.133 ± 32,4 ha). ; Fig. 3b). A floresta foi principalmente convertida em
Fig. 3 Desmatamento bruto (ha) e líquido (%), regeneração florestal, expansão
da mineração e expansão urbana para os períodos de 1993–2003 (a) e 2003–
2013 (b) em Madre de Dios. O tamanho da seta é proporcional à quantidade de
mudança de terreno. As transições de terra são discutidas no texto
Página 7 de 14 8
áreas de agricultura e mineração, com uma perda líquida de cobertura
florestal de 48.604 ha. A expansão agrícola apresentou a maior
expansão (78.926 ± 25 ha), mas o menor aumento (26%). Por outro
lado, a expansão urbana apresentou a menor quantidade de mudança,
mas o maior aumento (175%) entre todas as transições de terra.
Motoristas de mudança
O valor da informação calculada mostrou que as variáveis de
acessibilidade (por exemplo, distância até estradas não pavimentadas)
e demografia (por exemplo, densidade populacional) foram os fatores
de mudança mais influentes, enquanto o uso da terra e as variáveis
ambientais (por exemplo, a maioria das concessões, declive) foram
os drivers menos influentes entre todas as transições em ambos os
períodos (Fig. 4). No primeiro período (1993–2003), o desmatamento
foi alto perto de áreas agrícolas e de mineração estabelecidas (dentro
de 1 e 2 km, respectivamente) e em áreas com a maior densidade
populacional da região (2 × 10ÿ5 –4 × 10 ÿ4 habitante/km2 ; Fig. 4a,
c, e). A regeneração florestal foi alta em áreas distantes de estradas
não pavimentadas (dentro de 16 km) e dentro de áreas protegidas
(Fig. 4b); os valores de informação para todas as variáveis, no
entanto, foram geralmente menores nesta transição (até 0,7) quando
comparados com outras transições (até 7). A expansão da mineração
foi alta perto de áreas de mineração já estabelecidas (dentro de 2 km;
Fig. 4c, d), enquanto a expansão urbana foi alta perto de áreas de
maior densidade populacional (2 × 10ÿ5 –2 × 10ÿ4 habitante/km2 ;
Fig. 4e, f). No período de 2003–2013, o desmatamento foi alto perto
de estradas não pavimentadas (dentro de 4 km), áreas de mineração
(dentro de 5 km) e em áreas com alta densidade rodoviária (0,08–
0,14 km/km2 ). A regeneração florestal foi alta em áreas distantes de
estradas não pavimentadas (dentro de 20 km). A expansão da
mineração foi alta perto de áreas de mineração anteriores (dentro de
5 km), enquanto a expansão urbana foi maior em áreas com maior
densidade de estradas (0,08–0,14 km/km2 ).
Métricas de fragmentação de paisagem
Identificamos a expansão da agricultura, mineração de ouro e áreas
urbanas em áreas florestais intactas, causando fragmentação
principalmente na Área 3 (Norte) e Área 4 (Sul) (Fig. 5).
A área 3 (Norte) apresentou o maior aumento proporcional
Machine Translated by Google

8 Página 8 de 14 Alteração do ambiente de registro (2020) 20:8

Fig. 4 Valores de informação obtidos da análise de pesos de evidência para todas as variáveis não correlacionadas (V < 0,6) e influentes (IV > 0,3) para os períodos de
1993–2003 (barras cinzas) e 2003–2013 (barras pretas). IV mais altos indicam uma maior influência da variável sobre a transição terrestre (a–f)

no NP (839%; Fig. 5b) e teve a maior redução no MPS (ÿ 90%; Fig. 5d)
entre todas as áreas até 2013. A área 4 (Sul) apresentou a maior
diminuição na cobertura florestal (ÿ 3,8%; Fig. . 5a) e teve a maior
diminuição proporcional no LPI (- 48%; Fig. 5c). A área 1 (MDD) e a área
2 (tampão) apresentaram os mesmos padrões de fragmentação que as
outras duas áreas onde a cobertura florestal e o MPS diminuíram
enquanto o NP aumentou; no entanto, o LPI foi constante para a Área 2
(Buffer).
Discussão
Nossos resultados mostram que a MDD perdeu mais de 168.000 ha (2%)
de florestas tropicais primárias entre 1993 e 2013. A floresta foi convertida
principalmente para agricultura, mineração e áreas urbanas.
Neste estudo, os principais propulsores imediatos da mudança foram o
desenvolvimento da malha viária, a expansão de trechos anteriores de
mineração e agricultura e o crescimento populacional, que provavelmente
foram facilitados por políticas públicas e mudanças institucionais. Como um
Machine Translated by Google
Alteração do ambiente de registro (2020) 20:8
Fig. 5 Alterações nas
métricas de fragmentação florestal
para 1993, 2003 e 2013 nas quatro metas
áreas
Como resultado, a região mostrou dois padrões de paisagem espacial
contrastantes com base na análise da fragmentação da paisagem: uma
paisagem heterogênea composta por numerosos pequenos fragmentos
florestais ao longo da Rodovia Interoceânica no norte e uma paisagem mais
homogênea composta por uma dramática pegada de mineração de ouro no
sul. Dado que a porção sul do MDD tem a maior probabilidade de conversão
de terras na região (Material Complementar Fig. S1), a perda e fragmentação
de habitat provavelmente continuará promovendo a degradação do
ecossistema, ameaçando a biodiversidade e afetando a integridade das UCs
e a conectividade de o VAC.
Mudanças paisagísticas na região
Encontramos um aumento nas taxas líquidas de desmatamento de 6.405 ha/
ano de 1993 a 2003 para 10.466 ha/ano de 2003 a 2013.
Nossas estimativas para o segundo período concordam com as avaliações
da floresta nacional e do Forest Watch global mostrando uma taxa de
desmatamento de 10.113 (2003–2013) e 10.789 ha/ano (2001–2014),
respectivamente (Global Forest Watch 2014; MINAM 2017) . Entre 2003 e
2013, as taxas de desmatamento detectadas no MDD foram menores quando
comparadas com outras regiões amazônicas peruanas (Loreto = 24.757 e
Ucayali = 21.439 ha/ano), onde a perda florestal vem aumentando desde a
década de 1990 (Oliveira et al. 2007). No entanto, devido ao seu menor
tamanho, a menor taxa de desmatamento do MDD tem um impacto relativo
maior na proporção total de desmatamento: 1,22%, enquanto
Página 9 de 14 8
As de Loreto e Ucayali foram de 0,67% e 2,09%, respectivamente.
A regeneração florestal em MDD aumentou de 1.145 (1993–2003) para
5.606 ha/ano (2003–2013) e se expandiu principalmente em áreas agrícolas
abandonadas, conforme relatado em estudos anteriores (Alvarez e Naughton-
Treves 2003; Chavez 2014) e outros locais, estudos regionais e continentais
em regiões tropicais (Sánchez-Cuervo e Aide 2013; Sánchez-Cuervo et al.
2012; Teixeira et al. 2009).
Motoristas de mudança
Um dos principais contribuintes para o desmatamento foi a mineração de
ouro. Estimamos que a extensão da mineração de ouro aumentou quase
dez vezes (938%) entre 1993 e 2013, o que é superior às estimativas
anteriores de estudos locais em MDD: 239% entre 2001 e 2011 (Scullion et
al. 2014) e 400% entre 1999 e 2012 (Asner et al. 2013). Certamente, existem
diferenças na extensão total da mineração regional de ouro na literatura:
Swenson et al. (2011) encontraram 15.500 ha de mineração de ouro em
2009, Scullion et al. (2014) encontrou 32.642 ha em 2011, Asner et al. (2013)
encontrou 47.000 ha em 2012 e estimamos 37.535 ha em 2013. Esses
resultados contrastantes provavelmente se devem a uma combinação de
fatores, incluindo diferenças em metodologias, prazos e tamanhos de área
de estudo (Asner et al. 2013).
No geral, entre 1993 e 2013, a cobertura florestal foi convertida
principalmente para agricultura (470%) e áreas de mineração (938%),
enquanto as áreas urbanas (187%) se expandiram para o entorno
Machine Translated by Google
8 Página 10 de 14
terras agrícolas. Desmatamento no período entre 1993
e 2003 pode ser o resultado da decisão do presidente Alan Garcia
(1985-1990) políticas econômicas e de colonização (Alvarez
e Naughton-Treves 2003; Escobal D'Angelo 1992). este
o governo lançou programas de crédito rural que fomentaram a imigração
dos Andes, resultando em um aumento progressivo
nas lavouras regionais como arroz e milho, a expansão da pecuária
pecuária e crescimento urbano de Puerto Maldonado e outros
cidades menores no norte de MDD (Campbell et al. 1998;
Dourojeanni 2006). As cidades do norte tinham melhores oportunidades de
desenvolvimento econômico e crescimento populacional do que
os do sul por causa da melhoria do
Rodovia Interoceânica, bem como sua localização estratégica na fronteira
com o Brasil. A densidade populacional em MDD aumentou porque
de imigração em vez de altas taxas de fertilidade, que é um impulsionador
bem documentado do desmatamento tropical (Geist e
Lambin 2002). A Rodovia Interoceânica e a imigração estimularam a
expansão da mineração em pequena escala
ao longo do rio Madre de Dios e perto de zonas húmidas (ou seja,
aguajales) e acelerou a expansão da mineração em larga escala existente
ao longo do rio Colorado (Asner et al. 2013).
No segundo período (2003-2013), enquanto a Interoceânica
Rodovia estava sendo pavimentada, o desmatamento aumentou principalmente
ao longo de estradas e ao redor de áreas previamente desmatadas onde
agricultura, mineração e áreas urbanas continuaram a se expandir.
A alta taxa de desmatamento durante este período pode ser o
resultado da política econômica dos presidentes Alejandro
Toledo (2001–2006) e Alan Garcia (2006–2011), que
promoveu uma agenda de crescimento econômico nacional, austeridade
neoliberal, descentralização, mecanização agrícola e melhorias de
infraestrutura (Baca et al. 2014; Chavez 2014). o
aumento dos preços internacionais do ouro, maior acessibilidade de
maquinário pesado e importações sustentadas de mercúrio poderiam
explicar o súbito desenvolvimento da mineração informal em larga escala
operações (por exemplo, áreas de Guacamayo e Delta-1) ao longo do
Os rios Colorado, Inambari e Malinowski (Asner et al.
2013; Swenson et ai. 2011) , bem como outras terras associadas
conversões para agricultura e áreas urbanas (Asner et al. 2013).
A concomitante regressão das terras agrícolas na porção sul do MDD
observada em nossos resultados pode indicar que
mineração de ouro representou uma atividade alternativa mais rentável
para o povo de Madre de Dios, como mostram outros estudos
(Scullion et al. 2014).
Assim como o desmatamento, a regeneração florestal também parece ser o
resultado do abandono de terras agrícolas potencialmente impulsionado por
as políticas do presidente Alberto Fujimori (1990-2000). o
O governo Fujimori promoveu o neoliberalismo econômico, o conservadorismo
fiscal e medidas de austeridade que reduziram ao mínimo os investimentos
em infraestrutura e removeram os subsídios agrícolas estabelecidos por seu
antecessor (Baca et al. 2014).
resultando no abandono da agricultura com subseqüente floresta
rebrota (Alvarez e Naughton-Treves 2003; Chavez 2014).
A extensa rebrota florestal observada no período entre
Alteração do ambiente de registro (2020) 20:8
2003 e 2013 podem ser devidos às políticas sustentáveis de projetos
especiais do MDD. Algumas dessas políticas incluíam agricultura
diversificação através da agrofloresta com o estabelecimento de
plantações de árvores (por exemplo, borracha, copoazu, teca, mogno;
Chávez e outros. 2014). Em algumas áreas, essas plantações podem
foram classificadas como cobertura florestal aumentando sua extensão como
mostrado em outros estudos (Chavez et al. 2014).
Em suma, a expansão da malha viária, a mineração e a agricultura
expansão e crescimento populacional facilitado por
políticas públicas regionais e mudanças institucionais poderiam ter
possibilitou as seguintes dinâmicas paisagísticas no MDD: (1)
desflorestamento após a modernização da Rodovia Interoceânica
e expansão de estradas secundárias ligadas à via rápida (Delgado 2008;
Dourojeanni 2006); (2) expansão agrícola (em detrimento da cobertura
florestal) ao longo da rodovia e
estradas secundárias (Chavez et al. 2013); (3) expansão da mineração
ilegal (às custas de florestas e terras agrícolas) ao longo
estradas secundárias, rios e cursos de água (Asner et al. 2013;
Swenson et ai. 2011); e (4) abandono de terras em áreas rurais
com subsequente regeneração florestal (Alvarez e Naughton Treves 2003;
Chavez 2014). Essas dinâmicas afetaram o MDD
estrutura da paisagem e promoveu maior fragmentação na
algumas áreas com consequências diretas para a biodiversidade.
Fragmentação da paisagem
Diminuir LPI e MPS e aumentar as métricas de NP mostram que
A fragmentação da paisagem MDD aumentou de 1993 a 2013
(Chávez 2014) como em outras áreas da bacia amazônica
(Michalski et al. 2008). Padrões de fragmentação regional variaram no
espaço e no tempo: a Área 3 (Norte) apresentou um grande aumento
de NP com uma diminuição no MPS como resultado de atividades agrícolas
(Chavez 2014), enquanto a Área 4 (Sul) apresentou a maior queda em FC
e LPI como resultado de atividades de mineração de ouro
em Huepetuhe, Delta-1 e Macaw. Esses dois processos
foram mais intensas para o período de 2003 a 2013 após a
Modernização da Rodovia Interoceânica e expansão de estradas não
pavimentadas. A construção de estradas e a dinâmica do uso do solo criaram um
paisagem heterogênea, com o surgimento de uma grande
número de fragmentos florestais menores embutidos em uma matriz agrícola
ao norte e uma grande pegada de mineração de ouro ao sul. A influência do
pavimento pavimentado e não pavimentado
a proximidade rodoviária que promove o desmatamento e a fragmentação
florestal é um processo reconhecido no MDD (Alvarez e
Naughton-Treves 2003; Chávez et ai. 2013; Fino
2008), na bacia amazônica mais ampla (Pfaff et al. 2007),
e em outras áreas tropicais (Laurance et al. 2009).
Embora a Rodovia Interoceânica seja um importante condutor
de desmatamento, a malha viária não pavimentada que se irradia do
A rodovia apresentou maior probabilidade de desmatamento em nossos
resultados. Nossos resultados sugerem um processo não linear onde o
desmatamento foi impulsionado principalmente pela proximidade da rodovia em
o período 1993-2003, deslocando-se para a proximidade
Machine Translated by Google
Alteração do ambiente de registro (2020) 20:8
estradas não pavimentadas como o principal fator de desmatamento
durante o período 2003-2013. Uma possível razão para a mudança
poderia ser o empobrecimento do solo e a redução dos recursos florestais
próximos à rodovia que forçou os colonos a se mudarem para a floresta e
construírem estradas não pavimentadas (Campbell et al. 1998). Dinâmicas
semelhantes foram observadas ao longo de rodovias na Bolívia (Pando)
e no Brasil (Acre; Delgado 2008). O efeito da rede de estradas não
pavimentadas na paisagem é de grande preocupação, pois penetra
profundamente na floresta para habitats primários e APs (Delgado 2008),
tornando-se uma séria ameaça à conectividade do VACC.
Implicações para a conservação da biodiversidade
Nossas descobertas mostraram que o MDD manteve 95% de sua
cobertura florestal até 2013, juntamente com uma recuperação florestal
dispersa que certamente ajudou a preservar a biodiversidade e os serviços
ecossistêmicos, como o sequestro de carbono e a produção de água.
Infelizmente, a qualidade da regeneração florestal é altamente influenciada
pelo histórico de uso da terra (por exemplo, agricultura anterior ou
mineração de ouro) e a intensidade da perturbação (Chazdon 2003). Um
estudo de Laurance (1999) constatou que uma área agrícola derrubada e
queimada nos trópicos pode levar entre 100 e 200 anos para recuperar
sua biomassa e composição de espécies hospedeiras semelhante à de
uma floresta madura. Novoa et ai. (2016) descobriram que pequenas
áreas de mineração abandonadas transitam para florestas em regeneração
com o estabelecimento de menos espécies pioneiras do que outras áreas
em recuperação. A degradação do solo, os altos níveis de toxicidade (por
exemplo, mercúrio) e a grande distância das fontes de sementes para
recolonização nas maiores áreas de mineração de ouro do MDD (por
exemplo, Huepetuhe, Delta-1 e Guacamayo) na Área 4 (Sul) tornam a
sucessão secundária completa ainda mais desafiadores (Román
Dañobeytia et al. 2015) e afetam a conectividade de longo prazo do VACC.
O VACC representa uma área crítica para preservar a extraordinária
biodiversidade dos Andes tropicais e da Amazônia (CEPF 2005). Sua
porção norte no MDD contém a maior diversidade de mamíferos, anfíbios
e aves quando comparada com o resto do corredor (Material Suplementar
Fig. S1a).
Diferentes tipos de proteção da terra e monitoramento mais próximo das
áreas fora e dentro das UCs são fundamentais para evitar o desmatamento
no VACC. Alguns estudos mostraram que grandes APs (por exemplo,
Reserva Nacional de Tambopata; Oliveira et al. 2007), conservação de
gestão privada e concessões de ecoturismo (Vuohelainen et al. 2012) são
eficazes na proteção contra o desmatamento. No entanto, a conversão
de terras persiste no MDD hoje, tanto fora quanto dentro das UCs,
afetando a estrutura da paisagem e a integridade e conectividade do
VACC. Dentro das UCs e suas zonas de amortecimento, o garimpo e as
malhas rodoviárias se espalham sem planejamento territorial. Relatórios
recentes mostram que a mineração de ouro se expande dentro das
Reservas de Tambopata e Amarakaeri, onde 450 e 11 ha foram
desmatados em 2016, respectivamente (Material Suplementar Fig. S1d;
Mais fino e
Página 11 de 14 8
Nova 2015; Finer e outros. 2016a). Paralelamente, a rede rodoviária não
pavimentada está se expandindo na zona intermediária entre a Reserva
Comunal Amarakaeri e o Parque Nacional Manu, onde 33 km de estradas
desmataram 32 ha em 2016 (Finer et al. 2016b). É provável que as
mudanças na paisagem continuem porque várias estradas principais estão
projetadas para serem construídas em MDD (por exemplo, Carretera
Longitudinal de la Selva, setor sul – PE-5S). Esta questão é particularmente
preocupante na Área 4 (Sul) onde se espera uma alta probabilidade de
mudança de floresta para mineração e agricultura (Material Suplementar
Fig. S1b, c) afetando a viabilidade e dispersão das espécies (Rutledge
2003) dentro do VACC. Assim, a Área 4 (Sul) deve ser um alvo prioritário
para ações de conservação locais, incluindo uma abordagem de
planejamento territorial (Alvarez e Naughton-Treves 2003; Asner et al.
2013; Scullion et al. 2014). A fragmentação da floresta em manchas
menores fora das APs na Área 3 (Norte) devido à agricultura de pequena
escala provavelmente promoverá o isolamento das florestas remanescentes,
o declínio da população animal e, finalmente, mudanças na biologia,
comportamento e interações entre espécies (Fischer e Lindenmayer 2007;
Rutledge 2003). Ao mesmo tempo, a perda de floresta devido à grande
pegada de mineração de ouro na Área 4 (Sul) pode impedir a sobrevivência
de muitas espécies que dependem da estrutura e composição da floresta
primária (Alvarez-Berríos et al. 2016; Parry et al. 2007).
Conclusões
Esta pesquisa revelou que milhares de hectares de floresta tropical foram
perdidos entre 1993 e 2013 no MDD devido a
desenvolvimento planejado, incluindo a expansão da rede rodoviária,
expansão da mineração e da agricultura e crescimento populacional.
Embora a maior parte do MDD permaneça preservada, importantes áreas
florestais foram desmatadas ou fragmentadas, representando alto risco
de perda de biodiversidade. A dramática pegada de mineração de ouro no
sul está ameaçando a sobrevivência das espécies, a integridade das APs
e a conectividade do VACC. Apesar de seu enorme valor de conservação,
o VACC carece de status legal formal de conservação e gestão sustentada,
provavelmente devido à fraca coordenação binacional e às concessões
de uso da terra sobrepostas ao longo do corredor (REDPARQUES 2016).
Para preservar a integridade e a conectividade no MDD e, portanto, no
VACC, recomendamos aos governos nacionais e regionais peruanos que
(1) revisem a estrutura legal do VACC e incentivem a cooperação
binacional com a Bolívia; (2) desenvolver, validar e implementar um plano
de gestão sustentável para MDD; (3) reforçar projetos de desenvolvimento
sustentável, como sistemas agroflorestais ao longo da Rodovia
Interoceânica, ajudando os colonos a usar suas terras por mais tempo,
mantendo as funções do ecossistema e maior biodiversidade e biomassa
(Campbell et al. 1998; Sistla et al. 2016); (4) desenvolver e implementar
estratégias para manter a conectividade do VACC, identificando e
preservando corredores de movimento de animais menores e
Machine Translated by Google
8 Página 12 de 14
estabelecer programas de restauração e reflorestamento em áreas de
mineração abandonadas na Área 4 (Sul); e (5) promover mudanças
LULC e pesquisa de planejamento de cenários para entender os impactos
do desenvolvimento na biodiversidade e nos serviços ecossistêmicos
antes que ocorra a modificação da terra. Esperamos que os resultados e
recomendações fornecidos encorajem os tomadores de decisão e a
sociedade civil a engajar o MDD em um caminho de desenvolvimento sustentável. Perz S, Brown IF, Domínguez Del Aguila S, Pinedo Mora R, Alarcón Aguirre
Agradecimentos Agradecemos a B. Crain, T. Pacheco, HO Rodrigues e TM Aide
pela logística, pesquisa e assistência técnica. Agradecemos também aos revisores
anônimos por suas contribuições e comentários.
Informações sobre financiamento Este trabalho foi financiado pela Hunt Oil
Exploration and Production Company do Peru e pelo Smithsonian Conservation
Biology Institute. Esta é a publicação nº 57 do Programa de Biodiversidade do
Peru do Smithsonian Conservation Biology Institute.
Referências
Almeida CM, Batty M, Monteiro AM, Camara G, Soares-Filho BS, Cerqueira GC,
Pennachin CL (2003) Modelagem de autômatos celulares estocásticos da
dinâmica de uso do solo urbano: desenvolvimento empírico e estimação.
Comput Environ Urban 27:481–509. https://doi.org/10.
1016/S0198-9715(02)00042-X
Alvarez NL, Naughton-Treves L (2003) Vinculando a política agrária nacional ao
desmatamento na Amazônia peruana: um estudo de caso de Tambopata,
1986–1997. Ambio 32:269–274. https://doi.org/10.1579/0044-7447-32.4.269
_ dinâmica da máquina virtual EGO. Programa de Computação Científica
Alvarez-Berríos NL, Aide TM (2015) A demanda global por ouro é outra ameaça
para as florestas tropicais. Environ Res Lett 10:014006 Alvarez-Berríos N,
Campos-Cerqueira M, Hernández-Serna A, Delgado A, Román-Dañobeytia F,
Aide TM (2016) Impactos da mineração de ouro em pequena escala em
aves e anuros perto da reserva natural de Tambopata serve, Peru, avaliada
por meio de monitoramento acústico passivo. Trop Conserv Sci 9:832 –
851. https://doi.org/10.1177/ 194008291600900216
Asner GP, Llactayo W, Tupayachi R, Luna ER (2013) Taxas elevadas de
mineração de ouro na Amazônia reveladas por monitoramento de alta
resolução. Proc Natl Acad Sci USA 110:18454-18459. https://doi.org/10.1073/
pnas.1318271110 _ Baca JF, Peschiera Cassinelli JR, Mesones J (2014) O
impacto dos gastos públicos em educação, saúde e infraestrutura no crescimento
econômico e distribuição de renda no Peru, série de documentos de
trabalho, 490.
Banco Interamericano de Desenvolvimento, Lima,
Peru Bennett G, Mulongoy KJ (2006) Revisão da experiência com redes
ecológicas, corredores e zonas tampão, série técnica nº 23. Secretaria da
convenção sobre diversidade biológica, Montreal, Canadá
Bonham-Carter GF, Agterberg FP, Wright DF (1989) Pesos de modelagem de
evidências: uma nova abordagem para mapear o potencial mineral. Em:
Agterberg FP, Bonham-Carter GF (eds) Aplicações estatísticas nas ciências
da terra. Geological Survey of Canada, Ottawa, pp 171–183 Campbell C,
Chicchón A, Schmink M (1998) Gênero e impactos intrafamiliares de
iniciativas comunitárias de conservação e desenvolvimento no Peru e no Brasil.
Instituto Internacional de Pesquisa em Política Alimentar, Washington DC
Ceballos G, Ehrlich PR (2006) Distribuições globais de mamíferos, hotspots de
biodiversidade e conservação. Proc Natl Acad Sci USA 103:19374– 19379.
https://doi.org/10.1073/pnas.0609334103
Alteração do ambiente de registro (2020) 20:8
CEPF (2005) Hotspot dos Andes tropicais: Corredor de conservação Vilcabamba-
Amboró Livro de resumos do Peru e da Bolívia. Fundo de parceria para
ecossistemas críticos e Banco Mundial, Rio de Janeiro
Chavez AB (2014) Dinâmica da paisagem do desmatamento amazônico entre
1986 e 2007 no sudeste do Peru: direcionadores de políticas e implicações
rodoviárias. J Uso da Terra Sci 9:414–437. https://doi.org/10.
1080/1747423X.2013.807310
Chavez A, Huamani Briceño L, Fernandez Menis R, Bejar Chura N, Valera Tito F,
G (2013) Tendências regionais de desmatamento dentro das realidades
locais: cobertura da terra mudança no sudeste do Peru 1996– 2011. Land
2:131–157. https://doi.org/10.3390/land2020131 Chavez AB, Broadbent EN,
Zambrano AMA (2014) Adoção de políticas de pequenos proprietários e mudança
na cobertura da terra no sudeste da Amazônia peruana: uma perspectiva
de vinte anos. Appl Geogr 53:223–233 Chazdon RL (2003) Recuperação de
florestas tropicais: legados de impacto humano e distúrbios naturais. Perspect
Plant Ecol 6:51–71. https://doi. org/10.1078/1433-8319-00042 Congalton
RG, Green K (2008) Avaliação da precisão dos princípios e práticas de
dados de sensoriamento remoto, 2ª edn. CRS Press, Taylor and Francis Group
Londres, Reino Unido Delgado C (2008) A rodovia interoceânica está
exportando desmatamento?
Dissertação de Mestrado, Duke University
Dourojeanni MJ (2006) Estudo de caso na rodovia Interoceânica no sul da
Amazônia do Peru. Centro de Informações Bancárias, Lima Escobal
D'Angelo J (1992) Impacto do crédito agrícola e da política de preços na
distribuição de renda no Peru: 1985-1990.
Grupo para a Análise do Desenvolvimento (GRADE), Lima FAO
(2016) Avaliação da precisão do mapa e estimativa de área: um guia prático,
Documento de Trabalho de Avaliação de Monitoramento Nacional de
Florestas No.46/ E. Organização das Nações Unidas para Agricultura e
Alimentação, Roma Ferreira BM , Soares-Filho BS, Pereira FMQ (2019) A
173:3–20. https://doi.org/10. 1016/j.psico.2018.02.002 Finer M, Novoa S
(2015) O desmatamento gerado pela mineração aurífera se expande de Huepetuhe
em direção à Reserva Comunal Amarakaeri (Mãe de Deus, Peru). MAPA:
#6. http://meuprojeto. org/2015/image-6-markets/. Acessado em 01 de
março de 2018 Finer M, Jenkins CN, Pimm SL, Keane B, Ross C (2008)
Projetos de petróleo e gás na Amazônia Ocidental: ameaças à vida selvagem, à
biodiversidade e aos povos indígenas. PLoS One 3:e2932. https://doi.org/
10. 1371/journal.pone.0002932 Finer M, Olexy T, Novoa S (2016a) A
mineração ilegal dentro da Reserva Nacional de Tambopata ultrapassa 450
hectares. MAPA: #46. http://motherproject.org/2016/footprint-450/ . Acessado em
20 de setembro de 2018 Finer M, Novoa S, Olexy T (2016b) Construção de
uma nova estrada entre o Parque Nacional de Manu e a Reserva Comunal
Amarakaeri (Mãe de Deus), 2016. MAAP: #29. http://maaproject.org/2016/
new_manu_road/ . Acessado em 10 de junho de 2018 Fischer J,
Lindenmayer DB (2007) Modificação da paisagem e fragmentação do
habitat: uma síntese. Glob Ecol Biogeogr 16:265–280. https://doi.org/10.1111/
j.1466-8238.2007.00287.x _ Foley JA, Asner GP, Costa MH, Coe MT, DeFries R,
Gibbs HK, Howard EA, Olson S, Patz J, Ramankutty N (2007) Amazônia
revelada: degradação florestal e perda de bens e serviços ecossistêmicos
na Bacia Amazônica. Front Ecol Environ 5:25–32. https://doi.org/10.
1890/1540-9295(2007)5[25:ARFDAL]2.0.CO;2 GBIF
(2018) Instalação de informações sobre biodiversidade global. https://www.gbif.
org/ocorrência/download/0015961-181003121212138. Acessado em 20 de
outubro de 2018 Geist HJ, Lambin EF (2002) Causas próximas e forças
motrizes subjacentes do desmatamento tropical: as florestas tropicais estão
desaparecendo como resultado de muitas pressões, tanto locais quanto
regionais, atuando em várias combinações em diferentes localizações
geográficas. BioScience 52:143–150. https://doi.org/
10.1641/0006-3568(2002)052[0143: PCAUDF]2.0.CO;2
Machine Translated by Google
Alteração do ambiente de registro (2020) 20:8
Giudice R, Soares-Filho BS, Merry F, Rodrigues HO, Bowman M (2012)
Concessões madeireiras em Madre de Dios: são um bom negócio? Eco
Econ 77:158–165. https://doi.org/10.1016/j.ecolecon.2012.02.024 Global
Forest Watch (2014) Instituto de Recursos Mundiais. http://www.
globalforestwatch.org/country/PER/18. Acessado em 15 de setembro de
2018 Goodacre A, Bonham-Carter G, Agterberg F, Wright D (1993) Uma análise
estatística da associação espacial de sismicidade com padrões de drenagem
e anomalias magnéticas no oeste de Quebec.
Tectonophysics 217:285–305. https://doi.org/10.1016/0040-1951(93)90011-8
_ Graesser J, Ramankutty N (2017) Detecção de parcelas de campos de
cultivo a partir de imagens Landsat. Remote Sens Environ 201:165–180. https://
doi.org/10.1016/j.rse.2017.08.027 Haddad NM, Brudvig LA, Clobert J,
Davies KF, Gonzalez A, Holt RD, Lovejoy TE, Sexton JO, Austin MP, Collins
CD (2015) Fragmentação do habitat e seu impacto duradouro nos ecossistemas
da Terra. Sci Adv 1:e1500052. https://doi.org/10.1126/sciadv.1500052
Hansen MC, Loveland TR (2012) Uma revisão do monitoramento de grandes
áreas de mudanças na cobertura da terra usando dados Landsat. Remote
Sens Environ 122: 66–74. https://doi.org/10.1016/j.rse.2011.08.024 Huertas B
(2007) Autodeterminación y Protección. In: Parellada A (ed)
Povos indígenas em isolamento voluntário e contato inicial na Amazônia e
no Gran Chaco. IWGIA: Grupo de Trabalho Internacional sobre Assuntos
Indígenas, Copenhagen, pp 42–59 INEI (2010) Sistema de Informação
Regional para Tomada de Decisões (SIRTOD). Características gerais do país
Instituto Nacional de Estatística e Informática. http://webinei.inei.gob.pe/
SIRTOD/infgen.html#app=e739&6de7-selectedIndex=3 . Acessado em 20
de maio de 2018
INEI (2012) Sistema de informação regional para a tomada de decisão (SIRTOD).
Indicadores regionais Instituto Nacional de Estatística e Informática. http://
webinei.inei.gob.pe:8080/SIRTOD/inicio. html#. Acessado em 5 de maio de
2018
INEI (2015) Anuário de estatísticas ambientais 2014 Instituto Nacional de
Estatística e Informática. https://www.inei.gob.pe/media/MenuRecursivo/
publicaciones_digitales/Est/Lib1197/ . Acessado em 8 de julho de 2018
Killen TJ (2007) Uma tempestade perfeita na selva amazônica: desenvolvimento
e conservação no contexto da iniciativa para a integração da infraestrutura
regional da América do Sul (IIRSA). Em: Avanços na ciência da biodiversidade
aplicada (CABS), vol 7. Conservação Internacional, Arlington, Virgínia, pp 1–
98 Kullback S (1978) Teoria e estatística da informação. Peter Smith Inc,
Gloucester
Land Mapper (2015) Aplicação de mapeador de terrenos. Laboratório de Ecologia
de Comunidades Tropicais. Universidade de Porto Rico. http://sieveanalytics.
wixsite.com/tceldraft http://mapper.arbimon.com/. Acessado em 17 de junho
de 2016
Laurance WF (1999) Reflexões sobre a crise do desmatamento tropical. Biol
Conserv 91:109–117. https://doi.org/10.1016/S0006-3207(99) 00088-9
Laurance WF, Goosem M, Laurance SG (2009) Impactos de estradas e clareiras
lineares em florestas tropicais. Trends Ecol Evol 24:659–669. https://doi.org/
10.1016/j.tree.2009.06.009 Liaw A, Wiener M (2002) Classificação e
regressão por floresta aleatória.
R News 2:18–22
Mateo S, Cornejo C (2006) Estratégia Regional para a Diversidade Biológica de
Madre de Dios. GOREMAD - Comissão Ambiental Regional de Madre de
Dios e Instituto de Pesquisas da Amazônia Peruana (Projeto BIODAMAZ),
Puerto Maldonado Michalski F, Peres CA, Lago IR (2008) Dinâmica do
desmatamento em uma região fragmentada do sul da Amazônia: avaliação e
cenários futuros. Environ Conserv 35:93–103. https://doi.org/10.1017/
S0376892908004864
MINAM (2017) Perda de florestas segundo departamentos, 2001–2014 Ministério
do Meio Ambiente. Programa Nacional de Conservação
Página 13 de 14 8
Florestas para Mitigação das Mudanças Climáticas. http://www.inei. gob.pe/
estadisticas/indice-tematico/deforestacion-reforestacion-y bosques -8301/.
Acessado em 11 de julho de 2018
Molin PG, Gergel SE, Soares-Filho BS, Ferraz SFB (2017) Determinantes
espaciais da perda e recuperação da Mata Atlântica no Brasil. Landsc Ecol
32:857–870. https://doi.org/10.1007/s10980-017-0490-2 Novoa S, Finer M,
Román F (2016) Regeneração da vegetação na zona afetada pela mineração de
ouro na Reserva Comunal Amarakaeri MAAP: 44. http://maaproject.org/
2016/amarakaeri-regen/.
Acessado em 06 de outubro de 2018
Oliveira PJ, Asner GP, Knapp DE, Almeyda A, Galván-Gildemeister R, Keene S,
Raybin RF, Smith RC (2007) A alocação do uso da terra protege a Amazônia
peruana. Ciência 317:1233–1236. https://doi.org/10. 1126/science.1146324
Olofsson P, Foody GM, Herold M, Stehman SV, Woodcock CE, Wulder MA (2014)
Boas práticas para estimar a área e avaliar a precisão da mudança da terra.
Sensor Remoto Ambiente 148:42–57. https://doi. org/10.1016/
j.rse.2014.02.015 Olson DM, Dinerstein E (2002) Os 200 globais: ecorregiões
prioritárias para a conservação global. Ann Mo Bot Gard 89:199–224. https://
doi.org/ 10.2307/3298564 Osis R, Laurent F, Poccard-Chapuis R (2019)
Determinantes espaciais e cenários futuros de uso da terra do município de
Paragominas, uma antiga fronteira agrícola na Amazônia. J Uso da Terra Sci:1–
22. https://doi.org/10.1080/1747423X.2019.1643422 _
Parry L, Barlow J, Peres CA (2007) Conjuntos de grandes vertebrados de florestas
primárias e secundárias na Amazônia brasileira. J Trop Ecology 23:653-662.
https://doi.org/10.1017/S0266467407004506 Pfaff A, Robalino J, Walker R,
Aldrich S, Caldas M, Reis E, Perz S, Bohrer C, Arima E, Laurance W (2007)
Investimentos rodoviários, transbordamentos espaciais e desmatamento na
Amazônia brasileira. J Regional Sci 47:109–123. https://doi.org/10.1111/
j.1467-9787.2007.00502.x Potapov P, Turubanova SA, Hansen MC, Adusei
B, Broich M, Altstatt A, Mane L, Justice CO (2012) Quantificando a perda de
cobertura florestal na República Democrática do Congo, 2000–2010, com
dados Landsat ETM+. Sensibilidade Remota Ambiente 122:106–116. https://
doi.org/ 10.1016/j.rse.2011.08.027 Potapov P, Siddiqui BN, Iqbal Z, Aziz T,
Zzaman B, Islam A, Pickens A, Talero Y, Tyukavina A, Turubanova S,
Hansen MC (2017)
Monitoramento abrangente da cobertura arbórea de Bangladesh dentro e
fora das florestas, 2000-2014. Environ Res Lett 12. https://doi.org/
10.1088/1748-9326/aa84bb
REDPARQUES (2016) Relatório regional de implementação do programa de
trabalho em áreas protegidas 2011-2015: região do bioma amazônico.
Bogotá, Colômbia, pp 35–40
Román-Dañobeytia F, Huayllani M, Michi A, Ibarra F, Loayza-Muro R, Vázquez T,
Rodríguez L, García M (2015) Reflorestamento com quatro espécies de
árvores nativas após o abandono da mineração de ouro na Amazônia
peruana. Eco Eng 85:39–46. https://doi.org/10.1016/j.ecoleng. 2015.09.075
Rosenthal A, Stutzman H, Forsyth A (2012) Criando corredores de
conservação baseados em mosaico para responder às principais ameaças nas
nascentes do Amazonas. Ecol Res 30:296–299 http://muse.jhu.edu/article/
491865 Rossiter D (2004) Nota técnica: métodos estatísticos para avaliação
da precisão de mapas temáticos classificados. Departamento de Análise de
Sistemas Terrestres Universidade de Twente, Faculdade de Ciências da
Geoinformação e Observação da Terra (ITC), Enschede Rutledge DT (2003)
Índices de paisagem como medidas dos efeitos da fragmentação: o padrão
pode refletir o processo? DOC science internacional al series 98. Development of
Conservation, Wellington Sánchez-Cuervo AM, Aide TM (2013)
Consequências do conflito armado, deslocamento humano forçado e
abandono de terras na mudança da cobertura florestal na Colômbia: uma análise
multiescalar. Ecosystems 16: 1052-1070. https://doi.org/10.1007/
s10021-013-9667-y Sánchez-Cuervo AM, Aide TM, Clark ML, Etter A (2012)
Mudança na cobertura da terra na Colômbia: tendências surpreendentes de
recuperação florestal
Machine Translated by Google
8 Página 14 de 14
entre 2001 e 2010. PLoS One 7:e43943. https://doi.org/10.1371/
journal.pone.0043943 _ Scullion JJ, Vogt KA, Sienkiewicz A, Gmur SJ,
Trujillo C (2014)
Avaliando a influência da mudança na cobertura da terra e autorizações
conflitantes de uso da terra na conversão do ecossistema na fronteira
florestal de Madre de Dios, Peru. Biol Conserv 171:247–258. https://doi.org/
10. 1016/j.biocon.2014.01.036 SERNANP (2017) Lista oficial de áreas
naturais protegidas Serviço Nacional de Áreas Naturais Protegidas, http://
www.sernanp.gob. pe/documents/10181/147284/20171130_listado-anp.pdf/
0520dc77-83a0-4f9a -b76f-c63addda409f. Acessado em 18 de março de
2018
Siddiqi N (2006) Scorecards de risco de crédito: desenvolvendo e implementando
pontuação de crédito inteligente. John Wiley & Sons, Inc, Hoboken Sistla
SA, Roddy AB, Williams NE, Kramer DB, Stevens K, Allison SD (2016) Práticas
agroflorestais promovem a biodiversidade e a diversidade de recursos
naturais no Atlântico Nicarágua. PLoS One 11:e0162529. https://doi.org/
10.1371/journal.pone.0162529
Soares-Filho BS, Rodrigues H, Costa W (2009) Modeling environmental
dynamics with Dinamica EGO, 115. Centro de Sensoriamento Remoto.
Universidade Federal de Minas Gerais, Belo Horizonte Soares-Filho B,
Rodrigues H, Follador M (2013) A hybrid analytical-heuristic method for
calibrating land-use change models. Environ Model Softw 43:80–87. https://
doi.org/10. 1016/j.envsoft.2013.01.010 Soares-Filho B, Rajão R, Macedo
M, Carneiro A, Costa W, Coe M, Rodrigues H, Alencar A (2014) Cracking
Brazil&#039;s Forest Code. Science 344:363–364. https://doi.org/10.1126/
science.
1246663
Alteração do ambiente de registro (2020) 20:8
Southworth J, Munroe D, Nagendra H (2004) Mudança na cobertura da terra e
fragmentação da paisagem – comparando a utilidade de análises contínuas
e discretas para uma região ocidental de Honduras. Agric Ecosyst Environ
101:185–205. https://doi.org/10.1016/j.agee.2003.09.011 Southworth J,
Marsik M, Qiu Y, Perz S, Cumming G, Stevens F, Rocha K, Duchelle A, Barnes
G (2011) Estradas como impulsionadores da mudança: trajetórias através
da fronteira trinacional no MAP, no sudoeste da Amazônia. Sensor Remoto
3:1047–1066. https://doi. org/10.3390/rs3051047 Swenson JJ, Carter CE,
Domec JC, Delgado CI (2011) Mineração de ouro na Amazônia peruana:
preços globais, desmatamento e importações de mercúrio. PLoS One 6:e18875.
https://doi.org/10.1371/ journal.pone.0018875 Teixeira AMG, Soares-Filho
BS, Freitas SR, Metzger JP (2009)
Modelagem da dinâmica da paisagem em região de Mata Atlântica:
implicações para a conservação. Forest Ecol Manag 257:1219–1230.
https://doi.org/10.1016/j.foreco.2008.10.011
Vuohelainen AJ, Coad L, Marthews TR, Malhi Y, Killeen TJ (2012) A eficácia de
contrastar áreas protegidas na prevenção do desmatamento em Madre de
Dios, Peru. Environ Manag 50:645–663. https://doi.org/10.1007/
s00267-012-9901-y _
Young BE, Stuart SN, Chanson JS, Cox NA, Boucher TM (2005)
Joias desaparecendo: o status dos anfíbios do novo mundo. Appl Herpetol
2:429–435
Nota do editor Springer Nature permanece neutro em relação a reivindicações
jurisdicionais em mapas publicados e afiliações institucionais.