RESUMO As Áreas de Preservação Permanente (APP), instituídas pelo Código Florestal em 1965, representam elemento integrador e, conforme definido pelo Plano Nacional de Áreas Protegidas, devem ser consideradas no planejamento da paisagem com a função estratégica de conectar os fragmentos florestais. No entanto, a Lei de Proteção da Vegetação Nativa de 2012 alterou os parâmetros topográficos (altura, declividade e base das elevações) que definem as APP no topo de morros, o que ocasionou o quase desaparecimento deste tipo de APP no país. Por sua vez, para recuperar parte da área perdida, o Instituto Estadual do Ambiente (INEA) promulgou a Resolução 93 em 2014, que estabeleceu uma metodologia própria para a delimitação APP no topo de morros no estado do Rio de Janeiro. Como forma de analisar o arranjo espacial decorrente das alterações nos dispositivos legais, este estudo realizou a delimitação e calculou as métricas de paisagem das manchas de APP no topo de morros em quatro unidades geomorfológicas representativas no estado do Rio de Janeiro, tendo como base o Código Florestal de 1965, a Lei de Proteção da Vegetação Nativa de 2012 e Resolução INEA de 2014. Os mapeamentos foram realizados de modo automático através de Geoprocessamento e com uso de Modelo Digital de Terreno na escala 1:25.000. Os resultados mostraram que as alterações nos dispositivos legais acarretaram a redução da área (até 96%) e do número de manchas (até 95%) na APP no topo de morros, bem como o aumento da distância média (de 135 m para mais que 800 m) entre as manchas. Constatou-se que a distribuição das APP se mantém nas unidades geomorfológicas mapeadas de acordo com o Código de Florestal de 1965, contudo, nos demais dispositivos legais, os indicadores pioram nos terrenos menos acidentados. Conclui-se, assim, que a adoção da Lei de Proteção da Vegetação Nativa de 2012 implica em um cenário de paisagem fragmentada com quase desaparecimento das APP no topo de morros. Este cenário é amenizado pela Resolução INEA de 2014, que mantém parte expressiva das APP apenas na área de relevo mais acidentado, enquanto o Código Florestal de 1965 possui os melhores indicadores que expressam a extensão, a conectividade e o arranjo espacial nas unidades geomorfológicas estudadas. Dessa forma, a alteração dos dispositivos legais correspondeu a um cenário de maior fragmentação e menor conectividade estrutural entre as manchas de APP no topo de morros.

ABSTRACT The Permanent Preservation Areas (APP), established by the Forest Code in 1965, depict an integrating element of the landscape as defined by the National Plan of Protected Areas. However, the Native Vegetation Protection Law, approved in 2012, has produced several changes in the parameters for the delimitation of APP, especially in those that define APPs on hilltops. As a result, to recover part of the lost area, in 2014, the State Environmental Institute of Rio de Janeiro (INEA) published the Resolution 93, which established its own methodology of delimitation for the state. The goal of this study is to analyze the spatial distribution of the hilltop APP through mapping and calculating landscape metrics, based on legal provisions applied in four areas with different geomorphological units that represent most of the Rio de Janeiro’s relief, considering the Forest Code of 1965, the Native Vegetation Protection Law of 2012, and the INEA Resolution of 2014. APP mapping was done by spatial digital automatic mode and the use of a Digital Terrain Model at 1:25.000 scale. The results showed that the changes in the parameters that delimit the APP on hilltops resulted in a significant reduction of area (up to 85%) and number patches (up to 95%), as well as the increase of the average distance (from 135 m to > 800 m) between hilltop APP patches. It was observed that the distribution of APP is preserved in all geomorphological units mapped with the Forest Code of 1965, while in the other legal scenarios the indicators are worse, as the relief becomes less rugged. Thus, it can be concluded that the Native Vegetation Protection Law of 2012 leads to a fragmented landscape with the close extinction of the hilltop APP. The scenario is mitigated by Resolution 93, that preserves part of the APP only in the rugged relief, while the Forest Code of 1965 has the best indicators that represent the extension, connectivity and the spatial arrangement in the studied geomorphologic units. In this way, the changes on legal provisions represent a scenario of greater fragmentation and smaller structural connectivity between the hilltops.

ABSTRACT This study analyses the importance of Brazilian ports, based on the flow of non-containerized cargo in 2014, considering both national and foreign trades. For that, we study a non-traditional centrality, called layer centrality, which evaluates the importance of ports, based on how well they are connected to influential ports. This measurement was preliminarily proposed in 2011 and applied to a simple nonweighted network, though herein we extend it to weighted graphs. For comparison purposes, we also apply three traditional measures, namely degree, eigenvector, and flow betweenness centralities. Our findings show that the most impactful ports are private terminals Ponta da Madeira and Tubarão, although public ports, particularly Santos, are usually impactful for national trades. Moreover, we analysed the map for public ports and suggest a suitable location for a new public port.

RESUMO A fragmentação florestal é um processo em que áreas contínuas de vegetação natural são subdivididas em manchas de tamanhos diversos, originado por atividades antrópicas ou causas naturais associadas a mudanças ambientais e eventos de grande magnitude. O presente trabalho tem por objetivo caracterizar e analisar a dinâmica da fragmentação florestal e a vulnerabilidade das manchas de distúrbios resultantes de deslizamentos ocasionados por chuvas intensas na região serrana do estado do Rio de Janeiro em 2011. Para tanto foi realizada uma avaliação do padrão espacial das manchas antes e após os eventos por meio de índices métricos de paisagem, estimados a partir de mapas de cobertura da terra e das cicatrizes dos deslizamentos, produzidos através da análise de imagens orbitais. Houve uma redução de 6% da área de floresta e um acréscimo de 107% no número de fragmentos, principalmente de pequenos. Ocorreu uma perda de 17% da área nuclear, um acréscimo de 43% do número de núcleos e de 28% da densidade de borda. A distância média do fragmento mais próximo diminuiu 46%, em virtude da forma das cicatrizes, alongadas e estreitas. Os resultados mostram que os deslizamentos ocasionaram uma intensificação do processo histórico de fragmentação florestal, promovendo um aumento da vulnerabilidade e instabilidade ecológica dos remanescentes florestais, evidenciando como eventos naturais de grande magnitude podem alterar rapidamente a paisagem.

ABSTRACT Forest fragmentation is a process in which continuous natural vegetation areas are divided into patches of different sizes, originated by human activities or natural causes associated with environmental changes and high magnitude events. This work aims to characterize and to analyze the dynamics of forest fragmentation and the vulnerability of disturbance patches resulting from landslides, originated by heavy rainfall events that occurred in the mountain ranges of Rio de Janeiro state in the year 2011. The fragmentation pattern before and after the events was evaluated by the use of landscape metric indexes, extracted from land cover and landslide scars maps made by the analysis of satellite images. The indexes show a 6% reduction of the forest area and an increase of 107% in the number of forest patches, especially of small ones. A loss of 17% of forest core area and an increase of 43% in the number of forest cores and of 28% of edge density has occurred. The distance from the nearest neighbor decreased 46% due to the narrow and elongated shape of landslide scars. The overall results show that the rainfall events have caused an intensification of the historical process of forest fragmentation, promoting an increase of the ecological vulnerability and instability of the forest remnants, highlighting how high magnitude natural events can cause rapid landscape changes.

O presente trabalho tem como objetivo investigar os descritores espectrais, extraídos das bandas do Landsat 8, e topográficos, provenientes de dados do TOPODATA, que auxiliam na discriminação das classes de cobertura da terra através de uma árvore de decisão gerada por mineração de dados. Foram extraídas medidas estatísticas de amostras referentes a 12 classes, coletadas no município do Rio de Janeiro, de um banco de dados composto por 18 planos de informação. Os resultados apontaram que entre os descritores estatísticos, prevaleceram a média e mediana. Como descritor espectral, merece destaque a banda 1 (ultra-azul), selecionada para discriminar, além das classes de água, as classes de vegetação e não-vegetação. O minerador utilizou o Índice de Vegetação por Razão Simples (RS) em todas as árvores a despeito do Índice de Vegetação por Diferença Normalizada (IVDN). A declividade também foi inserida nas três árvores para separar o afloramento rochoso da vegetação de baixo porte. Em relação aos níveis digitais, não foi utilizado nenhum descritor de radiância nas quatro árvores. Considerando o grande volume de dados produzidos e armazenados atualmente, pode-se afirmar que a mineração é um importante recurso para a extração de informações de volumosos bancos de dados em curto espaço de tempo.

This paper is committed to investigate the spectral attributes extracted from Landsat 8 image bands and topographic attributes derived from TOPODATA, meant to discriminate land cover classes by means of decision trees, a technique in the scope of data mining. Statistical measures of samples corresponding to 12 land cover classes collected in Rio de Janeiro city were calculated from a database composed of 18 layers, from which four decision trees were generated. The results showed that the mean and median were the most relevant statistical attributes. As to spectral attributes, Band 1 is worth of mention, which has been selected to classify water classes, besides discriminating vegetation and non-vegetation classes. Regarding vegetation indices, the data mining algorithm exclusively relied on the Simple Ratio Index in all trees to the detriment of the NDVI. Slope has been employed in three decision trees to separate rock outcrop from low-height vegetation. On the other hand, radiance has not been used in any of the four decision trees. Considering the ever-increasing volume of remotely sensed data currently available, it ought to be acknowledged that data mining represents a crucial solution to efficiently extract information from large databases in a short time.

O estado do Rio de Janeiro possui alto índice pluviométrico anual e distribuição espacial de precipitação heterogênea. No sul do estado, onde se localiza a Região Hidrográfica da Baía da Ilha Grande (RHBIG), a conjugação dos fatores dinâmicos e das características fisiográficas locais, principalmente a presença das escarpas da Serra do Mar, possibilita a ocorrência de um dos mais elevados índices pluviométricos anuais do território fluminense. O objetivo do presente trabalho é avaliar a distribuição espacial da precipitação na faixa continental da RHBIG através da interpolação de dados de 31 estações pluviométricas localizadas na área de estudo e em seu entorno. Com vistas a avaliar a dependência dos fatores estáticos (relevo e posicional) na distribuição de chuvas na área de estudo, foi efetuada uma análise de correlação entre a distribuição da precipitação e dados de declividade, orientação de vertentes, proximidade do litoral e altimetria. Os resultados indicaram que dos fatores fisiográficos utilizados como variáveis explicativas do padrão espacial de chuvas, a distância do litoral e a altitude apresentaram maiores correlações, indicando que a distribuição espacial da precipitação anual, sazonal e mensal é fortemente influenciada pela topografia e pela distância do litoral.

The Rio de Janeiro state has a high annual rainfall and a heterogeneous spatial distribution of precipitation. In the south of the state, where Ilha Grande Bay Hydrographic Region (RHBIG) is located, the combination of dynamic factors and local physiographic characteristics, especially the presence of Serra do Mar, causes the occurrence of the highest annual rainfall in Rio de Janeiro. The aim of this study is to evaluate the spatial distribution of precipitation in the RHBIG, through the interpolation of rainfall data from 31 pluviometric stations located in the study area and nearby. To figure out the dependence of the static factors (topography and location) on the distribution of rainfall over the study area, correlation of the rainfall data and terrain slope, aspect, coast proximity and altimetry of the study area was done. The results showed that the altitude and distance from the coast presented higher correlations with the spatial pattern of rainfall, indicating that the annual, seasonal and monthly spatial distribution of rainfall is strongly influenced by topography and distance from the coast.

Mapas de cobertura da terra constituem uma importante fonte de dados para a elaboração de diagnóstico, ordenamento e gestão do território, sendo fundamentais em projetos de zoneamentos, estudos de impactos ambientais, mapeamentos de áreas de riscos, entre outras aplicações. Em geral, são elaborados com base na interpretação de imagens aerotransportadas ou orbitais e/ou na análise de documentos cartográficos, conjugadas a trabalhos de campo. As técnicas tradicionais de classificação de imagens baseiam-se na análise pixel a pixel ou por regiões, enfocando as diferenças espectrais para extração de informações. A abordagem de análise de imagens baseada em objeto (OBIA), embora se utilize de regiões, representa um avanço em relação às classificações tradicionais por regiões, pois pressupõe necessariamente a existência de um modelo de conhecimento (rede semântica) atrelado ao processo de interpretação da cena, que explicita o conhecimento do intérprete, aproximando-se dos processos cognitivos humanos de interpretação. Este artigo tem como objetivo analisar a classificação de cobertura da terra feita a partir de imagens orbitais por meio de OBIA. Foram utilizados atributos estatísticos e texturais extraídos de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e de dados de relevo do banco de dados geomorfométricos TOPODATA. A área de estudo foi o município de Nova Friburgo, situado na região serrana do Rio de Janeiro. Para a validação da classificação, foi utilizado o índice Kappa, que confronta amostras classificadas com a verdade de campo. O valor do Kappa obtido neste trabalho alcançou 0,85, sendo superior aos encontrados em trabalhos similares que utilizam técnicas tradicionais de classificação.

Land cover maps are an important data source for land planning and management, and hence, are crucial in zoning projects, environmental impact assessment, risky areas mapping, among other applications. They are usually derived from the interpretation of airborne or orbital images and/or the analysis of cartographic products, associated with field work. The traditional methods of remote sensing images classification consist either in pixel-per-pixel or region-based analyses, focusing on spectral differences for information extraction. The object-based image analysis (OBIA), although also based on the use of regions, represents an advance in relation to the traditional region-based classification approaches, for it relies on a knowledge model (semantic network) appended to the scene interpretation process, which renders the interpreter´s knowledge explicit, in a way to resemble the human cognitive processes. This paper aims to analyze land cover mapping resulting from the interpretation of remote sensing images using OBIA. Statistical and textural attributes extracted from ALOS/AVNIR images pan-sharpened with ALOS/PRISM image as well as relief data from the TOPODATA geomorphometric database were used as input data. The study area is Nova Friburgo County, with an area of 933 km², located in the mountainous region of Rio de Janeiro State. The land cover map was validated by the Kappa index, which relates classified samples with field data. The Kappa value obtained in this paper was 0.85, which showed to be greater than the ones found in similar works that used traditional classification techniques.

Este artigo tem como objetivo avaliar o desempenho de duas redes semânticas geradas por mineração de dados para a classificação de cobertura da terra por meio de análise de imagens baseada em objetos geográficos (GEographic Object-Based Image Analysis - GEOBIA). Para isto, uma rede utilizou-se de descritores estatísticos e texturais, e a outra, apenas de descritores estatísticos. A base de dados foi constituída de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e dados de relevo provenientes do banco de dados TOPODATA. A área de estudo corresponde ao município de Nova Friburgo, com 933 km², localizado na região serrana do estado do Rio de Janeiro. O índice Kappa alcançado pela classificação baseada em árvore de decisão composta por descritores estatísticos e texturais foi de 0,81, enquanto que este valor para a classificação derivada apenas de descritores estatísticos foi de 0,84. Considerando os índices alcançados, conclui-se que ambos os resultados apresentam excelente qualidade quanto à acurácia da classificação. O teste de hipótese entre os dois índices mostra, com nível de significância de 5%, que não há diferenças entre as duas classificações quanto à acurácia.

This paper aim at evaluating the performance of two semantic networks generated by data mining for classifying land cover using GEographic Object-Based Image Analysis (GEOBIA). The first one used statistical and texture attributes, and the second network employed only statistical attributes. The attributes were extracted from ALOS/AVNIR images pan-sharpened with ALOS/PRISM. Relief information provided by the TOPODATA geomorphometric database was also used as input data. The studied area is Nova Friburgo County, with an extension of 933 km², located in the mountainous region of Rio de Janeiro State. The Kappa index obtained by the classification based on statistical and texture attributes was 0.81, while the result for the classification derived only from statistical attributes achieved 0.84. These values corroborate the excellent accuracy of both results. The statistical hypothesis test between the two indices at 95% confidence interval demonstrated that there is no difference between the two classification accuracies.