VI Congresso da Geografia Portuguesa / Autores / António Flor
António Flor
|
on-line | cópia local (versão 9.10) | ||
|---|---|---|---|---|
| Windows | Mac | |||
| www.adobe.com/reader |
Versão portuguesa Versão inglesa |
Versão portuguesa Versão inglesa |
||
- INTEGRAÇÃO DE REDES NEURONAIS ARTIFICIAIS E SIG PARA A MODELAÇÃO DE HABITATS POTENCIAIS NO PARQUE NATURAL DAS SERRAS DE AIRE E CANDEEIROS
César Capinha, Raquel Melo, António Flor
Palavras chave: Modelação, habitats, redes neuronais artificiais, flora, factores ecológicosA Geografia e mais propriamente a Biogeografia têm desempenhado um papel de extrema importância na preservação da biodiversidade. Uma das principais ferramentas na definição de estratégias com esse fim tem sido a modelação de habitats potenciais.
Este trabalho apresenta uma metodologia de obtenção de habitats potenciais através da integração de modelos espaciais representativos de vários factores biofísicos com registos de ocorrência de três espécies de flora (variáveis dependentes): Thymus villosus L. sub. villosus; Teucrium chamaedrys L. e Silene longicilia (Brot.) Otth. A área de estudo corresponde ao
Parque Natural das Serras de Aire e Candeeiros (PNSAC), tendo sido utilizada uma resolução mínima considerada de elevado detalhe (900 m2).
Para a caracterização biofísica da área foram modelados diversos factores ecológicos (variáveis independentes) como a radiação solar potencial, intensidade de vento, profundidade do horizonte A do solo, geologia do substrato, drenagem acumulada, e uso do solo. Como modelo estatístico de integração foram utilizadas regressões não paramétricas obtidas a partir de redes neuronais artificiais. Este é um método de utilização recente na área cujos valores de desempenho se têm revelado superiores à média em vários trabalhos.
A avaliação dos modelos foi realizada efectuando uma validação cruzada K-fold, em que as amostras iniciais foram particionadas em K amostras sendo apenas uma delas utilizada para validação e o processo repetido K vezes, permitiu atingir valores de desempenho entre os 74% e os 85%.
« Regressar à lista de autores