ایالت پارا، واقع در منطقه آمازون برزیل، در سال های اخیر شاهد افزایش کاکائو ( Theobroma cacao ) بوده است.) کشت و تبدیل به بزرگترین تولید کننده در برزیل شده است. با توجه به ویژگی های فیزیولوژیکی آن، کاکائو در جنگل های بومی زیرزمینی یا زیر سایه تولید شده توسط گونه های درختی بومی با رشد سریع کشت می شود و به عنوان یک گونه مهم برای احیای مناطق تخریب شده عمل می کند. با این حال، نقشه برداری و نظارت بر مزرعه کاکائو با استفاده از تصاویر حسگر نوری با توجه به ویژگی های گیاهی و درختی آن یک چالش است که می تواند با سایر گونه های بومی در مراحل مختلف رشد مجدد ثانویه اشتباه گرفته شود. سیستم‌های آگروفارستری اجزای مهم تولید پایدار در آمازون هستند و کار ما به دنبال توصیف بهتر تکامل مزارع کاکائو از نظر گسترش تاریخی، شیوه‌های مزرعه‌داری، انتقال کاربری زمین و رژیم‌های آتش‌سوزی بود. یافته های ما برای تجزیه و تحلیل روابط بین مزارع کاکائو و نقاط داغ، داده های ماهواره مرجع INPE بین سال های 2004 تا 2020 در این مطالعه استفاده شد، چند ضلعی طبقه بندی شده به عنوان مناطق کاکائو، تولید شده توسط پروژه تحقیقاتی MapCacau، در مجموع استفاده شد. 69904 هکتار در سراسر ایالت پارا توزیع شده است. در نهایت، ما از محدودیت‌های رسمی مناطق حفاظت‌شده در ایالت پارا برای تجزیه و تحلیل وقوع مزارع در مناطق مطابق با قوانین زیست‌محیطی استفاده کردیم. داده ها نشان می دهد که خواص تولید کاکائو از نظر آماری کمتر از خواص غیر تولیدی است و همچنین نرخ جنگل زدایی کمتری دارد. در مطالعه ما، مشاهده کردیم که 52778 هکتار (88.87٪) از سطح کاشت کاکائو قبلاً تا سال 2008 جنگل زدایی شده بود – آستانه جنگل زدایی که توسط قانون جنگل برزیل تعریف شده است. همچنین می‌توان تأیید کرد که تقریباً 20900 هکتار همچنان به‌عنوان جنگل توسط PRODES ترسیم می‌شود، علی‌رغم اینکه داده‌های مزرعه‌ای ما که مزارع کاکائو را در سایه جنگل‌های کاوش‌شده در این مناطق شناسایی می‌کند. با توجه به شکل‌گیری محصول، داده‌ها تمایل به تبدیل مناطق مرتعی به مزارع کاکائو را نشان می‌دهند، و ثابت می‌کند که گسترش کشاورزی کاکائو در ایالت پارا یک فعالیت مهم برای بازیابی مناطق تخریب‌شده است و عامل اصلی جنگل‌زدایی نیست. این یافته که مزارع کاکائو هنوز توسط PRODES و پروژه TerraClass به عنوان جنگل طبقه بندی می شوند، دشواری نقشه برداری این محصول را با استفاده از تصاویر مداری به روش سنتی برجسته می کند. از طریق این مقاله، مشاهده شد که با توجه به ویژگی‌های معمولی محصولات چند ساله (کاکائو)، نقاط آتش‌سوزی کاهش قابل توجهی در مناطق نقشه‌برداری شده نشان می‌دهند. با تأکید بر اینکه گسترش مزارع کاکائو در ایالت پارا به حفاظت از خاک، کاهش انتشار گازهای گلخانه‌ای و همچنین کمک به ایجاد شغل و درآمد کمک کرده است. در نهایت، ما متوجه شدیم که حدود 99.54٪ از مزارع کاکائو در ایالت پارا خارج از هر منطقه حفاظت شده، زمین بومی یا سکونتگاه کویلومبولا قرار دارند.

کلید واژه ها

آمازون ، یادگیری ماشین ، نقشه برداری مشارکتی ، پارا ، کاکائو آمازون ، نقشه کاکائو

1. مقدمه

بنابراین، نیاز واقعی به افزودن ارزش به محصولات منشاء شده از جنگل (بالغ یا ثانویه)، برای اطمینان از تنوع زیستی جانوران و گیاهان، و مدیریت سالم خدمات اکوسیستم [ 10 ] وجود دارد. یکی از شواهدی که حاکی از اهمیت اقتصاد زیستی است، بالقوه‌سازی «اقتصاد سبز» است که نتیجه تعادل بین بهره‌برداری منطقی از منابع طبیعی، رفاه جامعه و به حداقل رساندن مخاطرات زیست‌محیطی است. ارزش برای منابع طبیعی [ 11]. یک مثال ارزش گذاری توسط بازار بین المللی محصولاتی است که با برچسب “مهر سبز” نشان داده شده اند. اینها محصولاتی هستند که از مناطق جنگل زدایی غیرقانونی سرچشمه نمی گیرند و هم به افزایش اجرای محصولات چند ساله در مناطق تخریب شده و هم به غنی سازی مناطق پوشش گیاهی ثانویه کمک می کنند. با افزودن ارزش اقتصادی به مناطق پوشش گیاهی و حفظ محیط زیست. بر اساس این مفهوم، سیستم‌های Agroforestry (AFSs) پدیدار شدند که در اصل به روشی پایدار، استفاده از گونه‌های محلی را برای تولید غذا به عنوان منبع درآمد در آمازون ترویج می‌کنند [ 12 ] [ 13 ].

[ 14 ] نشان می‌دهد که کاشت AFSs یا محصولات چند ساله (با درختان یا درختچه‌ها) جذب کربن در جو را افزایش می‌دهد، به بازیابی مناطق تخریب‌شده کمک می‌کند و منبع درآمد پایداری را برای کشاورزان خانوادگی فراهم می‌کند.

در ایالت پارا، یکی از AFS که بر آن تاکید شده است، کشت کاکائو [ 15 ] به دلیل پتانسیل زیاد آن برای غنی‌سازی مناطق پوشش گیاهی ثانویه است، واقعیتی که ماندگاری بیشتر ویژگی را در چشم‌انداز تضمین می‌کند و همچنین داشتن ملی عالی را تضمین می‌کند. و تقاضای بین المللی برای شکلات [ 16 ]. این ایالت بزرگترین تولیدکننده کاکائو در برزیل است که مسئول 50 درصد تولید این کشور است [ 17 ]، با تولید تخمینی 128961 تن در سال که بیشتر آن (57/68 درصد) در سیستم های کشاورزی خانوادگی کشت می شود [ 18 ].]. با این حال، نظارت و شناسایی از راه دور کشت کاکائو به دلیل ویژگی کشت زیرزمینی، شیوع پوشش ابر و ابعاد سرزمینی ایالت، یک چالش ثابت شده است. نقشه برداری از زمین های کشاورزی در آمازون به طور منظم توسط مؤسسات تحقیقاتی انجام می شود، اما این تلاش ها بر روی محصولات سالانه تمرکز می کنند و بر تصاویر نوری از حسگرهای با وضوح متوسط ​​فضایی تکیه می کنند که در دسترس بودن آنها می تواند تحت تأثیر ابری قرار گیرد و شناسایی اهداف را دشوار می کند، به ویژه در بارانی ترین ماه ها [ 19 ].

یکی از روش‌های کاهش چنین چالش‌هایی، نقشه‌برداری مشارکتی است که ثابت کرده است تکنیکی مؤثر برای بررسی اطلاعات مکانی است. این شامل نقشه برداری با کمک جوامع درج شده در منطقه مورد مطالعه با هدف تسهیل شناسایی ویژگی های مورد نظر در قلمرو جامعه است [ 20 ] [ 21 ] [ 22 ]. نقشه برداری مشارکتی همراه با تصاویر ماهواره ای، دقت نقشه برداری کشت هایی را افزایش می دهد که شناسایی آنها توسط ویژگی طیفی یا نوری از طریق تفسیر بصری دشوار است [ 23 ]. بنابراین، با توجه به محدودیت‌های حسگرهای طیفی، این یک ابزار مهم در برنامه‌ریزی، مدیریت و نظارت بر محصولات زیرزمینی است.

بنابراین، هدف این مقاله توصیف خواص تولید کاکائو است. و همچنین شناسایی رابطه بین مزارع کاکائو با جنگل زدایی، استفاده از زمین، آتش سوزی و مناطق حفاظت شده، در ایالت پارا.

2. منطقه مطالعه

منطقه تحقیقاتی شامل ایالت پارا در آمازون برزیل، بزرگترین تولیدکننده کاکائو در این کشور است [ 17 ]. پارا دارای وسعت سرزمینی 1.2 میلیون کیلومتر مربع است که 69٪ آن را جنگل در سال 2019 و 22٪ از پوشش های مختلف زمین را تشکیل می دهد که جایگزین جنگل شده است [ 24 ].]. 10 شهرداری با بالاترین تولید، از نظر درصد کل برداشت کاکائو در ایالت، عبارتند از: مدیسیلاندیا (34.7٪)، Uruará (13.5٪)، Anapu (6.7٪)، Brasil Novo (6.2٪)، Placas (6.02٪)، Altamira (5.22%)، Vitória do Xingú (4.04%)، Senador José Porfírio (3.61%)، Tucumã (2.85%) و Pacaja (2.76%). علاوه بر این شهرداری‌ها، تولید کاکائو در ترایرائو، تومه آچو، سائو فلیکس دو زینگو، سائو دومینگوس دو آراگوآیا، روپولیس، اوریلندیا دو نورته، نوو رپارتیمنتو، ایتوپیرانگا، ایتایتوبا، ایگاراپه میری، برجوئه نیز وجود دارد. Araguaia، Aurora do Pará، Acará، Abaetetuba و Água Azul do Norte ( شکل 1 ). شهرداری‌های نقشه‌برداری شده به مناطقی با ویژگی‌های ادافوکلیماتیک متمایز به نام‌های: Transamazonica، جنوب شرقی پارا، شمال شرقی پارا و Baixo Tocantins تقسیم می‌شوند [ 25 ]]. قابل توجه است که منطقه Medio Amazonas هنوز وجود دارد اما در این اثر گنجانده نشده است.

3. روش های پردازش داده ها

3.1. نقشه برداری کاکائو – پروژه نقشه کاکائو

نقشه برداری کاکائو که در این مطالعه توضیح داده شد بخشی از پروژه ای با عنوان MapCacau است

شکل 1 . نقشه موقعیت شهرداری های دارای تولید کاکائو در ایالت پارا.

به رهبری EMBRAPA برزیلی Amazonia Oriental. مراحل دقیق در 3 زیر بخش زیر ارائه شده است.

3.2. تصاویر ماهواره ای

تصاویر ماهواره ای از سری Planet استفاده شد که توسط وزیر امور خارجه برای محیط زیست و پایداری (SEMAS) ارائه شد و در آزمایشگاه سنجش از دور EMBRAPA شرقی آمازون پردازش شد.

با توجه به اثربخشی این روش ها، از تصاویر ماهواره های Dove استفاده شد که در مقیاس 1:50000 بر روی کاغذ سایز A1 چاپ شد. برای انجام نقشه‌برداری مشارکتی، نمودارهای تصویری حاوی موزاییک‌هایی از تصاویر با وضوح فضایی بالا از پلتفرم Google Earth چاپ شد تا دید دقیق‌تری از قلمرو به تولیدکنندگان ارائه شود و در نتیجه امکان شناسایی بهتر مرزهای دارایی‌هایشان فراهم شود. و مزارع. بنابراین، تولیدکنندگان با حمایت تکنسین های ژئوفرآوری EMBRAPA، حدود بصری خواص خود را تعیین کردند و مناطق کشت کاکائو خود را مشخص کردند. این رویه در تمام شهرداری های مورد تجزیه و تحلیل در این پروژه تکرار شد.

3.3. ثبت محیط زیست روستایی

با توجه به وزارت محیط زیست برزیل (Ministério do Meio Ambiente 2022) ثبت زیست محیطی روستایی (ERR) “برای همه دارایی های روستایی اجباری است و اطلاعات زیست محیطی را یکپارچه می کند، به عنوان پایگاهی برای کنترل، نظارت، مبارزه با جنگل زدایی و برنامه ریزی زیست محیطی و اقتصادی”.

این مجموعه داده برای شناسایی سیستم‌های تولیدی در آمازون بسیار مهم است زیرا اطلاعات دقیق مالکیت زمین را توصیف می‌کند. بنابراین، ما محدودیت‌های دارایی زمین به‌دست‌آمده از ERR (https://www.car.gov.br/) را با تصاویر ماهواره‌ای و ورودی کشاورزان ترکیب می‌کنیم تا خواص با کشت کاکائو را تعیین کنیم. از این تجزیه و تحلیل، ما توانستیم اندازه متوسط ​​مزارع کاکائو و چگونگی ارتباط آنها با جنگل زدایی و وقوع آتش سوزی بین سال های 2008 و 2019 را تعیین کنیم.

3.4. نقشه برداری طبقه بندی تصویر مشارکتی (PICMM)

روش نقشه‌برداری طبقه‌بندی تصویر مشارکتی (PICMM) [ 20 ] [ 21 ] که در اینجا استفاده می‌شود، شامل یک تفسیر بصری و تعیین حدود خصوصیات کشت کاکائو با استفاده از تصاویر ماهواره‌ای با وضوح فضایی بالا سیاره است که با داده‌های ERR پوشانده شده‌اند. با توجه به محدودیت طبقه‌بندی خودکار مزارع کاکائو با استفاده از تصاویر نوری به دلیل ویژگی‌های زیرین روش‌های کشت کاکائو در ایالت پارا، ما استفاده از PICMM را نسبت به روش‌های سنتی طبقه‌بندی دیجیتالی انتخاب کردیم.

این طبقه بندی به طور مشترک توسط تولیدکنندگان محلی کاکائو و کارکنان فنی مؤسسات ترویج روستایی EMATER و CPLAC انجام می شود. این فعالیت بیش از 7 ماموریت میدانی در 8 شهرداری در امتداد نزدیک به 3000 کیلومتر جاده در ایالت پارا انجام شد.

اطلاعات جمع‌آوری‌شده از کشاورزان دیجیتالی شد و نقشه‌ای با مکان‌های دارایی تولیدکننده کاکائو تولید شد. نقشه برداری با داده های میدانی اعتبارسنجی شد تا صحت و دقت طبقه بندی را تأیید کند.

اعتبار سنجی نقاط کاشت بر اساس مجاورت جاده ها و امکان دسترسی به سایت ها صورت گرفت، چون در املاک خصوصی قرار داشتند، پیشنهاد اولیه اعتبارسنجی تمام نقاطی بود که کشاورزان نشان می دادند یا در آزمایشگاه شناسایی می شدند. . نقاط اعتبارسنجی، تصحیح نقشه‌برداری از مزارع کاکائو شناسایی شده با استفاده از PICMM را فعال کرد.

اعتبار سنجی نقاط کاشت بر اساس مجاورت جاده ها و امکان دسترسی به سایت ها، به دلیل قرار گرفتن در املاک خصوصی، پیشنهاد اولیه اعتبارسنجی تمام نقاطی بود که کشاورزان نشان داده یا در آزمایشگاه شناسایی می کردند.

در تحقیقی که توسط [ 23 ] [ 26 ] انجام شد، نقشه برداری از مناطق با کشت کاکائو از طریق نقشه برداری مشارکتی مرتبط با تصاویر با وضوح بالا مؤثر بود .

3.5. داده های جنگل زدایی

پویایی استفاده از زمین در آمازون به محرک های مختلف، از جمله مجموعه قوانین، مقررات و اجرای محیط زیست پاسخ می دهد [ 27 ]. بنابراین، ما خط پایه را برای تغییرات کاربری زمین مربوط به تولید کاکائو به عنوان ستاره تعیین کردیم. گسترش یک سیستم تولیدی در آمازون معمولاً بحث هایی را در مورد تأثیرات آن بر پوشش جنگلی ایجاد می کند. داده های تولید شده توسط موسسه ملی تحقیقات فضایی (INPE) در مورد نظارت ماهواره ای جنگل زدایی در جنگل آمازون برزیل (PRODES-Amazônia) امکان تجزیه و تحلیل پویایی کنش های انسانی در آمازون را فراهم می کند [ 24 ] [ 28 ].]. انتخاب نمونه از خواص بدون تولید کاکائو به اندازه کل خواص با تولید کاکائو تصادفی بود. داده های جنگل زدایی برای خواص با و بدون تولید کاکائو به منظور شناسایی اینکه آیا رابطه ای بین جنگل زدایی و گسترش مزارع کاکائو وجود دارد قطع شد. مهم است که تاکید کنیم که داده های PRODES INPE (2008) به عنوان یک خط پایه برای تجزیه و تحلیل فضایی استفاده شد، زیرا این تاریخ ایجاد کد جنگل برزیل است [ 29 ].

3.6. کاربری و پوشش

داده های کاربری اراضی مورد استفاده در این کار از طریق پروژه TerraClass [ 30 ] برای سال های 2004، 2008، 2010، 2012 و 2014 به دست آمد. با توجه به چندسالگی محصول کاکائو، مشاهده پویایی زمانی استفاده از زمین مهم است. داده های ثابت، عمومی و رسمی

استفاده از داده‌های پروژه TerraClass اجازه می‌دهد تا جنگل‌زدایی شناسایی‌شده توسط PRODES که همزمان با خواص کاکائو بود، مشخص شود. بنابراین، برای تجزیه و تحلیل چند زمانی استفاده از زمین و پوشش زمین در خواص کاکائو، ماتریس های انتقال استفاده شد [ 31 ] [ 32 ].

3.7. آتش های فعال (AF)

حتی با وجود اینکه نقشه برداری کاکائو برای یک عکس فوری در زمان (سال 2019) انجام شد، اما به عنوان مرجعی برای ارزیابی رفتار زمانی آتش سوزی در مناطق اطراف مزرعه کاکائو در سال 2020 و هر 4 سال یکبار به سال 2004 استفاده شد. فرض بر این است که اجرای کاکائو استفاده و شیوع آتش سوزی در مزارع و اطراف آن را تغییر می دهد زیرا کاربری زمین از پوشش های مستعد آتش سوزی (مثلاً مرتع) به کاکائو تبدیل می شود.

محصول آتش‌های فعال ماهواره‌ای که در اینجا استفاده می‌شود، داده‌های ماهواره‌های Aqua و Terra را ترکیب می‌کند و منبع اصلی برای برنامه سوختگی پژوهشی ملی موسسه ملی (https://queimadas.dgi.inpe.br/) است. داده ها برای سال های 2004 تا 2020 در یک گام زمانی 4 ساله به دست آمد و شامل مختصات جغرافیایی مرکز یک پیکسل با وضوح 1 کیلومتر در 1 کیلومتر است که در آن یک آتش فعال شناسایی شده است. مهم است که روشن شود که یک آتش سوزی فعال گزارش شده که در یک مختصات جغرافیایی خاص رخ می دهد، در واقع می تواند در هر نقطه از پیکسل 1 کیلومتر در 1 کیلومتر یا تقریباً در شعاع 500 متری مختصات گزارش شده شناسایی شده باشد.

ما انتخاب می‌کنیم که شیوع آتش‌سوزی‌ها در داخل و اطراف مزارع کاکائو را با تعیین کوچک‌ترین فاصله بین یک آتش‌سوزی فعال و یک مزرعه کاکائوی نقشه‌برداری شده برای هر آتش‌سوزی در یک سال، با پیروی از روش [ 33 ] ارزیابی کنیم. مراحل هم‌مکانی مزرعه کاکائو و آتش‌سوزی شامل ابتدا ایجاد یک منطقه نفوذ سوزاندن (BIZ) با تعریف یک بافر به شعاع 500 متر در اطراف مزرعه کاکائو است. این کار برای فعال کردن مکان مشترک مزارع کاکائو با وضوح فضایی 1 کیلومتر در 1 کیلومتر آتش سوزی فعال مورد استفاده در این مطالعه انجام می شود. سپس BIZ ها با آتش های فعال پوشانده می شوند و در داخل BIZ ها و بافر شمارش می شوند.

4. نتایج و بحث

4.1. خصوصیات مزارع کاکائو در ایالت پارا

شکل 2 4 بخش مختلف را در پارا نشان می دهد که PICMM در آنجا انجام شده است. منطقه کاشت نقشه برداری نهایی 699.05 کیلومتر مربع برآورد شده است ( جدول 1 ). شهرداری‌هایی که بالاترین تولید کاکائو را دارند (به تن) در امتداد بزرگراه ترانس آمازون با مدیسیلاندیا و اوروارا قرار دارند که بیش از 50 درصد از کل تولید ایالت و معادل بیش از 62 هزار تن کاکائو را شامل می‌شود [ 17 ]. Medicilândia همچنین شهرداری با بیشترین سطح زیر کشت (24,957 هکتار) و به دنبال آن Tucumã (11,885 هکتار) است، اگرچه عملکرد کاکائو در دومی با توجه به اینکه محصولات آن در مراحل اولیه توسعه قرار دارند کمتر است و تقریباً 3٪ (3680 تن) است. [ 17 ].

PICMM، بخشی از ابتکار MapCacau، در سال 2002 خواصی را شناسایی کرد که در آن کاکائو در پارا تولید می شود. سپس این املاک با داده های Environmental Rural Environmental Rural Data (ERR) ارجاع داده شد و تجزیه و تحلیل اندازه متوسط ​​دارایی انجام شد. ما همچنین به طور تصادفی خواص 2002 را با سیستم های تولیدی غیر از کاکائو انتخاب کردیم. شکل 3 نشان می دهد که خواصی که در آن کاکائو تولید می شود، نسبت به سایر سیستم های تولیدی کوچکتر است. این تفاوت ها بدون توجه به منطقه در پارا از نظر آماری معنی دار هستند. خواص کوچکتر معمولاً به سیستم های خانوادگی مربوط می شود [ 34 ] و این نتیجه با آخرین سرشماری کشاورزی برزیل که نشان می دهد مطابقت دارد.

شکل 2 . نقشه برداری از مناطق مزارع کاکائو در ایالت پارا بر اساس مناطق مولد.

شکل 3 . اندازه متوسط ​​خواص موجود در ERR، با و بدون کاکائو

48/86 درصد از املاک دارای مزارع کاکائو در شهرداری های مورد مطالعه از نیروی کار خانواده استفاده می کنند [ 35 ]. این یک روند در کشورهای در حال توسعه است که مشارکت بیش از 30 میلیون خرده مالک در سراسر جهان را در تولید خانوادگی برآورد می کند [ 23 ]. علاوه بر این، این نسل از درآمد و تولید در املاک روستایی کوچک، مرد را در روستا ثابت می کند، و مهاجرت روستایی را به حداقل می رساند، که فرهنگ، غذا و سنت های محلی را حفظ می کند [ 12 ] [ 13 ]. شواهد علمی نشان می دهد که مزارع کوچکتر نسبت به مزارع بزرگ افزایش کمتری در دمای سطح و کاهش بارندگی دارند [ 36 ].

4.2. مزارع کاکائو و جنگل زدایی

استفاده تحت قانون جنگل برزیل در سال 2012، 50٪ – 80٪ از یک ملک در آمازون، باید تحت پوشش جنگل بومی به عنوان یک ذخیره قانونی (LR) نگهداری شود. این کد تصریح می کند که مناطق جنگلی تبدیل شده (فراتر از حداکثر مقدار مجاز) پس از ژوئیه 2008، باید به پوشش گیاهی درختان بومی احیا شوند. از آنجایی که کاکائو یک درخت بومی آمازون است، کشت آن تحت قانون به عنوان بازسازی شناخته می شود، که کشت کاکائو را به پیشنهادی جذاب برای کشاورزان تبدیل کرد [ 34 ]. سال 2008 همچنین سالی بود که ایالت پارا قانونی را برای ترویج تولید کاکائو به عنوان وسیله ای برای احیای مناطق جنگلی تخریب شده تصویب کرد [ 12 ] [ 13 ].]. حتی اگر اطلاعاتی در مورد سال اجرای املاک شناسایی شده نداریم، اما منصفانه است که فرض کنیم این احتمال در 10 تا 15 سال گذشته بوده است، با توجه به اینکه سطح زیرکشت از 2000-2009 تا دوره 2010-2016 تقریباً دو برابر شده است [ 37 ] در ایالت پارا بنابراین بررسی می‌کنیم که آیا ویژگی‌هایی که در حال حاضر توسط MapCacau شناسایی شده‌اند در زمین‌های جنگل‌زدایی با استفاده از سال 2008 به‌عنوان خط پایه اجرا شده‌اند یا خیر. فرض بر این است که رشد کاکائو از آن زمان به دلیل تقاضاهای بازسازی مورد نیاز توسط قانون و تقاضای رو به رشد بازار برای محصولات پایدار آمازون [ 38 ] افزایش یافته است.

با همپوشانی خواص شناسایی شده کشت کاکائو در MapCacau با داده های جنگل زدایی PRODES از سال 2008، متوجه شدیم که 52778 هکتار (75٪) از مجموع 69905 هکتار شناسایی شده قبلاً تا سال 2008 جنگل زدایی شده است، که نشان می دهد که به طور مستقیم جایگزین گیاهان کاکائو نشده است. برای اجرای آنها ( شکل 4 ). 25 درصد باقی مانده از املاک لزوماً به دنبال جنگل زدایی اجرا نشدند زیرا مسیر تغییر پوشش زمین ممکن است مراحل میانی را دنبال کند.

شکل 4 . طرح سانکی با مسیر چشم انداز خواص کاکائو

 

ما به تعیین تکامل طبقات پوشش زمین برای کل نمونه خواص کاکائوی نقشه‌برداری شده برای سال‌های 2008، 2010، 2012 و 2014 با استفاده از طبقه‌بندی پوشش زمین TerraClass با استفاده از روش Sankey ادامه می‌دهیم ( شکل 4 ). مسیر تغییر پوشش زمین نشان می دهد که 20900 هکتار، 29.9٪ از کل نقشه برداری شده با کاکائو، همچنان به عنوان جنگل توسط TerraClass در سال 2014 ترسیم می شود ( جدول 2).). این نشان می دهد که ویژگی مزارع کاکائو، که به طور سنتی در زیر درختان بزرگ معرفی می شود، در تصاویر ماهواره ای به عنوان جنگل ظاهر می شود. این تغییر ملایم ایجاد شده در چشم انداز با معرفی / گسترش مزرعه کاکائو را تقویت می کند و در نتیجه به حفظ چشم انداز با ویژگی های جنگل کمک می کند. این همچنین دشواری نقشه برداری مزارع کاکائو را با استفاده از تصاویر مداری حسگرهای نوری، به روش سنتی، به دلیل ویژگی های مشابه در پاسخ های طیفی، برجسته می کند.

ما همچنین می‌توانیم آن 14434 هکتار، 20.6 درصد از کل نقشه‌برداری شده با کاکائو، مربوط به مناطق پوشش گیاهی ثانویه در TerraClass ( جدول 2 ) را ببینیم. این نتیجه مورد انتظار بود، زیرا رفتار طیفی پوشش گیاهی ثانویه شبیه به محصولات چند ساله کشت شده در زیر طبقه درختان بزرگ است [ 35 ]. گسترش مزارع در مناطق شناسایی شده به عنوان پوشش گیاهی ثانویه و جنگل های کاوش شده نشان می دهد که اعمال سایه طبیعی، لازم برای توسعه درختان کاکائو، در برخی از مناطق ایالت انجام شده است.

نتایج ما، با این حال، موضوع مورد بحث توسط [ 35 ] مربوط به امکان افزایش جنگل زدایی در مناطق گرمسیری در تولید کالاها به دلیل ادغام بازارهای جهانی را مطرح می کند. امکان مشاهده تبدیل، هنوز کوچک (2.4٪) از مناطق جنگلی برای کشت کاکائو وجود دارد. این انتقال باید در سال‌های آینده مشاهده شود و هدف اقدامات دولت برای مهار چنین تبدیل‌هایی باشد که می‌تواند به دلیل ارتباط گسترش فرهنگ کاکائو با جنگل‌زدایی آمازون آسیب زیادی به دولت وارد کند.

به همان اندازه که درک رابطه با جنگل زدایی مهم است، کار به دنبال شناسایی انواع اصلی استفاده از زمین بود که در طول سال ها با استفاده از ترکیب داده های پروژه TerraClass به شکل گیری مزارع کاکائو کمک کرد.

علیرغم کمبود داده‌های TerraClass برای تمام سال‌های کار، بر اساس بررسی‌های میدانی ( جدول 2 )، می‌توان گفت که این پویایی گسترش در منطقه است، زیرا داده‌ها با گزارش‌های شفاهی جوامع بازدید شده و نقشه‌برداری شده توسط آنها تأیید می‌کنند. پروژه MapCacau

هزینه بالای تبدیل بازگشایی مناطق جدید از طریق قطع و سوزاندن جنگل را نیز باید به عنوان یکی از عوامل موثر در این امر در نظر گرفت، زیرا استفاده از مناطقی که قبلاً تغییر کاربری داده اند، هزینه اجرا را از تولیدکننده خارج می کند. مزرعه درخت کاکائو

بنابراین مشاهده می‌شود که در منطقه، تولیدکنندگان از مزیت‌های اقتصادی و زیست‌محیطی، در گسترش فعالیت‌های خود از طریق مناطقی که قبلاً توسط فعالیت‌های تولیدی مختلف اکتشاف شده‌اند، فراتر از مناطق بهره‌برداری جنگلی (بدون قطع) تصور می‌شود، زیرا نیاز است. برای کشت گیاه کاکائو برای استفاده از محیط های سایه دار [ 15 ]، به ویژه در سال های اول اجرا، زیرا هزینه سرمایه گذاری را کاهش می دهد و سود بیشتری برای فعالیت ایجاد می کند.

یکی دیگر از جنبه‌های مهمی که باید در نظر گرفته شود، بازرسی توسط سازمان‌های محیط‌زیست مسئول مبارزه با جنگل‌زدایی در املاک روستایی است. همچنین تاکید بر فشار جامعه، صادرکنندگان و دولت ایالتی برای کاهش جنگل‌زدایی بسیار مهم است، زیرا به بهبود تصویر منطقه در رابطه با مدل توسعه پیشنهادی کمک می‌کند، یعنی تولیدکنندگان از مناطقی استفاده کنند که قبلاً تغییر کرده‌اند. گسترش و تحکیم بخش [ 39 ] [ 40 ].

یکی دیگر از جنبه های مرتبط، مشاهده وجود پوشش گیاهی ثانویه در این زمینه بود، زیرا یکی از مدل های تولید مورد استفاده در آمازون از طریق استفاده از سایه طبیعی برای کشاورزی کاکائو و همچنین برای استفاده در سیستم های Agroforestry است. به طور معمول، این سیستم‌ها توسط پروژه TerraClass نقشه‌برداری نمی‌شوند، زیرا رفتار طیفی مشابهی با بازسازی‌های طبیعی در آمازون دارند.

با شناسایی خواص تولید کاکائو، می توان کمترین میزان جنگل زدایی را در این خواص در مقایسه با سایر خواصی که در فاصله سال های 2008 تا 2019 کاشت کاکائو نکردند مشاهده کرد ( شکل 5 (الف) و شکل 5 (ب)). . ویژگی‌های کشاورزی خانوادگی در آمازون، با نیروی کار کمتر و سرمایه‌گذاری کمتر، می‌تواند بر این پویایی تأثیر بگذارد، علاوه بر این مشاهده که گسترش محصول، ترجیحاً در مناطقی با سابقه جنگل‌زدایی در گذشته رخ می‌دهد، که این امر را تأیید می‌کند. نتایج [ 41]. به گفته نویسنده، الگوهای مرتبط با جنگل‌زدایی و پوشش گیاهی ثانویه با اندازه مالک و نوع کشت مرتبط است، با تولیدکنندگان کوچک که تمایل به حفظ بیشتر دارند، و همچنین اهمیت خود را برای تبدیل مناظر دام به مناظر نشان می‌دهند. ویژگی های جنگل، کمک به حفظ محیط زیست. این نتیجه، با هم

شکل 5 . منطقه جنگل زدایی شده در املاک دارای و بدون کاکائو، بر اساس منطقه: (الف) تا سال 2008 (ب) تا سال 2019

با اندازه ملک، اطلاعات ارائه شده توسط تکنسین های محلی را تأیید می کند، زمانی که آنها بیان می کنند که مزارع کاکائو به املاک خانوادگی گسترش یافته است، و همچنین مطابق با آخرین سرشماری کشاورزی (2017) است، که حدود 86.48٪ کاکائو را نشان می دهد. املاک در این دسته هستند. بنابراین، کشاورزی برای ایجاد درآمد برای جوامع بسیار مهم است و به دلیل سود حاصل از فروش بادام، کیفیت زندگی تولیدکنندگان را بهبود می بخشد.

مشاهده این که خواص تولید کاکائو به طور قابل توجهی کمتر از سایرین جنگل زدایی می کنند ( شکل 5 (الف) و شکل 5 (ب)) و اینکه 75 درصد از منطقه فعلی نقشه برداری شده با کاکائو توسط پروژه نقشه کاکائو قبلاً در سال 2008 جنگل زدایی شده بود، منجر به جستجو شد. برای پاسخ به توضیح چگونگی گسترش فعالیت در ایالت پارا. بنابراین، اثبات اهمیت مزارع کاکائو برای بازیابی مناطق تغییر یافته، و همچنین حمایت از ظهور مناظر جنگل‌های کشاورزی، همچنین فعالیت بسیار مهمی برای نگهداری از جنگل‌های اولیه بهره‌برداری‌شده، ممکن شد.

علاوه بر این، سیستم‌های زراعت جنگلداری با کاکائو ذخیره‌سازی کربن 2.5 برابر بیشتر از کاکائو را در تک‌کشت افزایش می‌دهند، و همچنین محافظت در برابر دمای شدید را ارتقا می‌دهند [ 34 ]. بنابراین، ما اهمیت سیستم های اگروفارستری را می بینیم که برای کاهش آسیب پذیری سیستم های کشاورزی در برابر تغییرات آب و هوایی ضروری تلقی می شوند [ 42 ]. این اطلاعات مطابق با مشاهدات انجام شده در میدان با اشاره به گزارش تکنسین ها مبنی بر عدم رعایت تبدیل جنگل اولیه برای کاشت کاکائو می باشد.

با توجه به تشکیل مزارع کاکائو، کار نشان می دهد که تمایل به تبدیل مناطق مرتعی به مزارع کاکائو وجود دارد، که ثابت می کند که گسترش مزارع کاکائو در ایالت پارا یک فعالیت مهم برای بازیابی مناطق تغییر یافته است.

4.3. مزارع کاکائو و آتش سوزی

حتی اگر نقشه‌برداری کاکائو بر اساس اطلاعات مزرعه‌ای جمع‌آوری‌شده بین سال‌های 2018 و 2019 بود، از چند ضلعی‌های مزرعه برای ارزیابی وقوع آتش‌سوزی در داخل و اطراف زمین‌های کشت‌شده کاکائو در فاصله زمانی 4 سال بین سال‌های 2004 و 2020 استفاده شد ( شکل 6 ). این رویکرد بر این فرض استوار است که معرفی کاکائو منجر به تغییراتی در وقوع آتش سوزی می شود زیرا کاربری زمین از پوشش های زمین، مانند مراتع، که از آتش سوزی برای مدیریت آفات در مزارع کاکائو استفاده می کند، تکامل می یابد.

بخش وقوع آتش سوزی در مناطق مورد مطالعه. بر اساس این چند ضلعی ها، می توان مشاهده کرد که در طول سال ها، افزایش قابل توجهی در حداقل فاصله بین هات اسپات ها و چند ضلعی های کاکائویی فعلی وجود دارد.

با توجه به اینکه داده‌های ما گسترش مزارع را در مناطق تغییر یافته مانند مراتع نشان می‌دهد، نتیجه می‌گیریم که از زمان معرفی کاکائو، استفاده از آتش در ملک کاهش یافته است و فاصله مزارع افزایش می‌یابد پس از زیان برای تولیدکنندگان به دلیل سرمایه گذاری بالای پول و نیروی کار برای معرفی و حفظ این سیستم تولیدی بسیار عالی هستند.

بر اساس نتایج ارائه شده در جدول 3 ، امکان شناسایی یک دامنه وجود داشت

شکل 6 . حداقل فاصله بین نقاط داغ و خواص کاکائو

از درصد جهانی نقاط داغ در BIZ بین فواصل 0.79٪ – 1.59٪ مشخص شده است. میانگین ارزش سریال 1.32٪ و میانگین 5 سال گذشته (2015-2019) 1.19٪ از نقاط داغ در BIZ بود. بنابراین، تمایل به کاهش ثابت تعداد نقاط داغ در سری های مورد تجزیه و تحلیل را نشان می دهد، افزایشی را از 1.52٪ به 0.75٪ در دوره نشان می دهد ( جدول 3 ). این می تواند با کاشت کاکائو، محصول حساس به سوزاندن مرتبط باشد، که باعث می شود تولیدکنندگان روستایی از استفاده از آتش در خواص خود اجتناب کنند.

بنابراین، می توان استنباط کرد که کشت کاکائو یا محصولات چند لایه با محوریت کاکائو ارتباط جهانی پایینی با وقوع نقاط داغ دارد و حتی با گذشت زمان این تعداد تمایل آشکار و ثابتی به کاهش نشان داد. می توان در مورد نقش مزارع کاکائو در کاهش گسترش استفاده از آتش، حتی در مناطق اطراف استنباط کرد.

4.4. بحث

استفاده از PICMM، به عنوان بخشی از نقشه کاکائو (فاز اول)، ثابت کرده است که یک روش موثر برای نقشه برداری از محصولات کاکائو در ایالت پارا است، جایی که چنین اطلاعاتی برای طراحی سیاست های اقتصادی-اجتماعی و یارانه ها مرتبط است. تولیدکنندگان و همچنین خط اعتباری توسعه روستایی برای محصولات کاکائو.

علاوه بر این، PICMM ثابت کرد که در نقشه‌برداری فرهنگ‌های زیرزمینی مرتبط است، زیرا نقشه‌برداری خودکار گیاهان چند ساله مشکلاتی را برای به دست آوردن نتایج رضایت‌بخش ایجاد می‌کند، زیرا گیاهان چند ساله شباهت طیفی نسبی با جنگل‌های بومی و پوشش گیاهی ثانویه دارند [ 43 ] [ 44 ]. بسته به نوع محصول

با توجه به [ 45 ]، نقشه برداری محصول طیف وسیعی از مزایای خاص را برای تولیدکنندگان، صنعت و دولت ارائه می دهد، علاوه بر اینکه درک توزیع و مکان محصولات، اطلاعات ضروری برای ایجاد مناطق توسعه و کمک های فنی است. استفاده از محصولات حسگر جدید با وضوح مکانی بالاتر و فناوری‌های یادگیری ماشینی به عنوان جایگزینی با نتایج قابل قبول استفاده شده است، با این حال، هنوز درجه نسبی عدم قطعیت را اضافه می‌کند. بنابراین، اعتبار سنجی داده ها در این زمینه مرتبط است.

از آنجایی که کاکائو یک محصول زیر طبقه است، گیاهی است که نیاز به سایه موقت یا دائمی دارد که برای رشد، نمو و تولید آن ضروری است [ 46 ]. باید اضافه کرد که AFS ها کربن را حفظ می کنند و به طور متوسط، مناطق دارای AFF دارای 40 تا 60 میلی گرم در هکتار – 1 کربن هستند، به خصوص اگر گونه های Açai ( Euterpe oleracea )، کاکائو ( Theobroma cacao ) و Cupuaçu وجود داشته باشد. ( Theobroma grandiflorum ) با پوشش گیاهی بالا در توسعه پیشرفته [ 14 ] [ 47 ].

به این ترتیب، مهم است که تأکید کنیم کاشت کاکائو در ایالت پارا با کاشت در کشورهای ساحل عاج و غنا، بزرگترین تولیدکنندگان کاکائو در جهان، متفاوت است، زیرا در هر دو کشور تخریب مناطق جنگلی و اشغال مناطق حفاظت شده وجود داشت. مناطق (PA) برای اجرای محصولات کاکائو [ 23 ]. در ایالت پارا، مزارع کاکائو تنها در یک منطقه حفاظت از محیط زیست، Triumph of Xingu، واقع در شهرداری سائو فلیکس دو زینگو، وجود دارد که تنها 0.46 درصد از مزارع کاکائو را تشکیل می دهد.

5. نتیجه گیری ها

خبر پیشروی جنگل‌زدایی در آمازون و به‌ویژه در ایالت پارا، بازتاب‌های بین‌المللی دارد و نه تنها ضعف‌های زیست‌بوم، بلکه مهم‌تر از همه، اقدامات جنایتکارانه گروه‌های خاصی را که به دنبال درآمدزایی هستند، در معرض دید جهانیان قرار می‌دهد. به روشی آسان مانند قطع درختان غیرقانونی.

درک این موضوع که مناطق جنگل زدایی در حال حاضر در ایالت برای تولید پایدار کافی هستند، به طور فزاینده ای نیاز دارد که بخشی از استراتژی های توسعه نه تنها تولیدکنندگان محلی، بلکه مهمتر از همه، تصمیم گیرندگان در هنگام تهیه سیاست های عمومی مناسب برای محیط زیست آمازون باشد.

بنابراین، کار ثابت کرد که منطقه می‌تواند فعالیت‌های تولیدی را از طریق محصولات چند ساله مانند کاکائو، هم در سیستم‌های اگروفارستری و هم در زیر قطعات جنگل‌های استثمار شده و پوشش گیاهی ثانویه توسعه دهد و بهره‌وری بالا را حفظ کند.

این فعالیت علاوه بر کاهش فشار برای جنگل زدایی جدید، موجب احیای مناطق تخریب شده و جلوگیری از انتشار گازهای گلخانه ای به جو به دلیل کاهش آتش سوزی می شود. با توجه به این شرایط محیطی، می توانیم ثابت کنیم که گسترش زنجیره تولید کاکائو باعث ایجاد مشاغل رسمی و درآمد در تمام مناطق ایالت شده است که به کاهش نابرابری های اجتماعی که در آمازون وجود دارد کمک می کند.

مطالعات بیشتری با روش‌های نقشه‌برداری ترکیبی برای محصولات چند ساله مانند کاکائو، روش‌هایی که فرآیندهای یادگیری ماشین را ترکیب می‌کنند، نقشه‌برداری مشارکتی و اعتبار سنجی میدانی مورد نیاز است. مطالعات در این راستا در پروژه های مشترک بین Embrapa Amazônia شرقی و موسسات ملی و بین المللی انجام شده است.

علاوه بر این، نظارت مستمر بر گسترش فعالیت کاکائو در آمازون، با ایجاد سیاست‌های عمومی برای ارتقای توسعه پایدار، و بیوتکنولوژی‌هایی که به حفظ بقایای گیاهان و خدمات اکوسیستمی ارزش می‌افزایند، و همچنین ارتقای سطح اجتماعی اهمیت دارد. و رفاه اقتصادی کشاورزی خانوادگی.

منابع

[ 1 ] Van Der Werf، GR، و همکاران. (2010) انتشارات جهانی آتش و سهم جنگل زدایی، آتش سوزی ساوانا، جنگل، کشاورزی و ذغال سنگ نارس (1997-2009). شیمی جو و فیزیک، 10، 11707-11735.
https://doi.org/10.5194/acp-10-11707-2010
[ 2 ] آرتاکسو، پی، و همکاران. (2018) Perspectivas de pesquisas na relacao entre clima eo funcionamento da floresta amazonica. Ciência e Cultura، 66، 41-46.
https://cienciaecultura.bvs.br/pdf/cic/v66n3/v66n3a14.pdf
https://doi.org/10.21800/S0009-67252014000300014
[ 3 ] آسبیورنسن، اچ، و همکاران. (2014) هدف قرار دادن پوشش گیاهی چند ساله در مناظر کشاورزی برای افزایش خدمات اکوسیستم. کشاورزی تجدیدپذیر و سیستم های غذایی، 29، 101-125.
https://doi.org/10.1017/S1742170512000385
[ 4 ] لدو، ا.، و همکاران. (2020) تغییرات در کربن آلی خاک تحت محصولات چند ساله. زیست شناسی تغییر جهانی، 26، 4158-4168.
https://doi.org/10.1111/gcb.15120
[ 5 ] Mosier, S., Córdova, SC و Robertson, GP (2021) بازیابی حاصلخیزی خاک در زمین های تخریب شده برای برآوردن نیازهای امنیت غذایی، سوخت و آب و هوا از طریق چندساله سازی. مرزها در سیستم های غذایی پایدار، 5، 1-18.
https://doi.org/10.3389/fsufs.2021.706142
[ 6 ] دینگل رابرتسون، ال.، و همکاران. (2020) تصاویر رادار دیافراگم مصنوعی (SAR) باند C برای طبقه‌بندی سیستم‌های کشت متنوع. مجله بین المللی سنجش از دور، 41، 9628-9649.
https://doi.org/10.1080/01431161.2020.1805136
[ 7 ] Almeida، CA، Valeriano، DM، Escada، MIS و Rennó، CD (2010) Astimativa de área de vegetacao secundária na Amazonia Legal Brasileira. Acta Amazonica، 40، 289-301.
https://doi.org/10.1590/S0044-59672010000200007
[ 8 ] هاینریش، VHA، و همکاران. (2021) پتانسیل غرق کربن بزرگ جنگل های ثانویه در آمازون برزیل برای کاهش تغییرات آب و هوا. ارتباطات طبیعت، 12، مقاله شماره 1785.
https://doi.org/10.1038/s41467-021-22050-1
[ 9 ] Pedroso-Junior, NN, Murrieta, RSS and Adams, C. (2008) A agricultura de corte e queima: Um sistema em transformacao. روندهای جاری در اکولوژی انسانی، 3، 153-174.
https://doi.org/10.1590/S1981-81222008000200003
[ 10 ] ویلردینگ، AL، داسیلوا، LR، داسیلوا، RP، De Assis، GMO و De Paula، EVCM (2020) Estratégias para o desenvolvimento da bioconomia no estado do Amazonas. استودوس آونکادوس، 34، 143-165.
https://doi.org/10.1590/s0103-4014.2020.3498.010
[ 11 ] دینیز، EM، برمن، سی. و مارکو (2012) Economia verde e sustentabilidade. Estudos Avancados, 26, 323-330.
https://doi.org/10.1590/S0103-40142012000100024
[ 12 ] پوررو، آر.، و همکاران. (2012) زراعت جنگلی در منطقه آمازون: مسیری برای متعادل کردن حفاظت و توسعه. در: Ramachandran Nair, PK and Garrity, D., Eds., Agroforestry-The Future of Global Land Use, 9th Edition, Springer, Dordrecht, 391-428.
https://doi.org/10.1007/978-94-007-4676-3_20
[ 13 ] Futemma, C., De Castro, F. and Brondizio, ES (2020) کشاورزان و نوآوری های اجتماعی در توسعه روستایی: ترتیبات مشارکتی در آمازون شرقی برزیل. سیاست کاربری زمین، 99، شناسه مقاله: 104999.
https://doi.org/10.1016/j.landusepol.2020.104999
[ 14 ] Bolfe, é.L., Batistella, M. and Ferreira, MC (2012) Correlacao de variáveis ​​espectrais e estoque de carbono da biomassa aérea de sistemas agroflorestais. Pesquisa Agropecuária Brasileira، 47، 1261-1269.
https://doi.org/10.1590/S0100-204X2012000900011
[ 15 ] Blaser, WJ, Oppong, J., Yeboah, E. and Six, J. (2017) درختان سایه دار مزایای محدودی برای حاصلخیزی خاک در جنگل های کاکائویی دارند. کشاورزی، اکوسیستم ها و محیط زیست، 243، 83-91.
https://doi.org/10.1016/j.agee.2017.04.007
[ 16 ] Dand, R. (2011) تجارت بین المللی کاکائو. Elsevier Ltd.، آمستردام
[ 17 ] SEDAP (2020) پانوراما آگریکولا دو پارا 2015/2019—کاکائو، 1. بلم.
[ 18 ] IBGE Censo Agropecuário 2006/2017: Estabelecimentos e Produtores Agropecuários، Eletronica، 2017
.
[ 19 ] Prudente، VHR، Martins، VS، Vieira، DC، و همکاران. (2020) محدودیت های پوشش ابری برای سنجش از دور نوری مناطق کشاورزی در سراسر آمریکای جنوبی. کاربردهای سنجش از دور: جامعه و محیط زیست، 20، شناسه مقاله: 100414.
https://doi.org/10.1016/j.rsase.2020.100414
[ 20 ] West, CT, Ilboudo Nébié, E. and Moody, A. (2021) نقشه‌برداری مشارکتی با تصاویر ماهواره‌ای با وضوح بالا: ارزیابی ترکیبی از تخریب و بازسازی زمین در شمال بورکینافاسو. مجله انسان شناسی اکولوژیک، 22، 1-19.
https://doi.org/10.5038/2162-4593.22.1.1261
[ 21 ] وودوارد، کی دی، و همکاران. (2021) مدل سازی استفاده از منابع طبیعی در مقیاس جامعه در چشم انداز فرامرزی آفریقای جنوبی: ادغام سنجش از دور و نقشه برداری مشارکتی. سنجش از دور، 13، 1-30.
https://doi.org/10.3390/rs13040631
[ 22 ] Da Silva، CN و Verbicaro، C. (2016) O mapeamento participativo como metodologia de análise do território. Scientia Plena، 12، 1-12.
https://doi.org/10.14808/sci.plena.2016.069934
[ 23 ] Abu, IO, Szantoi, Z., Brink, A., Robuchon, M. and Thiel, M. (2021) تشخیص مزارع کاکائو در ساحل عاج و غنا و پیامدهای آنها بر مناطق حفاظت شده. شاخص های اکولوژیکی، 129، شناسه مقاله: 107863.
https://doi.org/10.1016/j.ecolind.2021.107863
[ 24 ] INPE (2010) Levantamento de informacoes de uso e cobertura da terra na Amazonia-2010. بلم.
[ 25 ] مندز، آ.، سینترا، اس.، دی مسکیتا، HLP، ماتوموتو، اس. و فورتونا، سی ام (2017) Cartografia nas pesquisas científicas: Uma revisao integrative. فراکتال: Revista de Psicologia، 29، 45-53.
https://doi.org/10.22409/1984-0292/v29i1/1453
[ 26 ] Dutra، LV، Oliveira، MAF، Reis، MS، Calvi، MF and Lu, D. (2017) طبقه‌بندی سیستم‌های جنگل‌های کشاورزی کاکائو با تصاویر با وضوح بالا. Anais do XVIII Simpósio Brasileiro de Sensoriamento Remoto, Vol. 18، 304-311.
https://urlib.net/8JMKD3MGP6W34M/3PS43PA
[ 27 ] ایگاری، ا.، و همکاران. (2021) کودیگو فلورستال: آوالیاکائو 2017|2020، Observatório do Cádigo Florestal، 1، Piri Editora، Minas Gerais، 1-80.
[ 28 ] دینیز، سی جی، و همکاران. (2015) DETER-B: آمازون جدید در نزدیکی سیستم تشخیص جنگل زدایی در زمان واقعی. مجله IEEE از موضوعات منتخب در مشاهدات کاربردی زمین و سنجش از دور، 8، 3619-3628.
https://doi.org/10.1109/JSTARS.2015.2437075
[ 29 ] CDD BRASIL (2012) Lei No. 12.651: Codigo Florestal Brasileiro. Camara dos Deputados Federais، برازیلیا، 1-38.
[ 30 ] د آلمیدا، کالیفرنیا، و همکاران. (2016) نقشه برداری کاربری زمین و پوشش زمین با وضوح فضایی بالا آمازون قانونی برزیل در سال 2008 با استفاده از داده های Landsat-5/TM و MODIS. Acta Amazonica، 46، 291-302.
https://doi.org/10.1590/1809-4392201505504
[ 31 ] de Oliveira، RRS، de Souza، EB and de Lima، AMM (2020) تجزیه و تحلیل چند زمانی استفاده از زمین و پوشش در مسیر پایین رودخانه Araguaia. مجله نظام های جغرافیایی، 12، 496-518.
https://doi.org/10.4236/jgis.2020.125029
[ 32 ] Vick, EP and Bacani, VM (2019) پیش‌بینی تغییرات کاربری/پوشش زمین با استفاده از مدل CA-Markov تحت دو سناریو مختلف راحل. مرکاتور، 18، 1-23.
[ 33 ] Martins، G.، Rosa، AS، Setzer، A.، Rosa، W.، Morelli، F. and Bassanelli، A. (2020) Dinamica Espaco-Temporal das Queimadas no Brasil no Período de 2003 a 2018. Revista Brasileira de Geografia Físicaa، 13، 1558-1569.
https://doi.org/10.26848/rbgf.v13.4.p1558-1569
[ 34 ] Niether, W., Jacobi, J., Blaser, WJ, Andres, C. and Armengot, L. (2020) سیستم های کشاورزی کاکائو در مقابل کشت های تک: یک متاآنالیز چند بعدی. نامه های تحقیقات محیطی، 15، 13.
https://doi.org/10.1088/1748-9326/abb053
[ 35 ] Ordway, EM, Asner, GP and Lambin, EF (2017) خطر جنگل زدایی به دلیل گسترش محصولات کشاورزی در جنوب صحرای آفریقا. نامه های پژوهشی محیط زیست، 12، شناسه مقاله: 044015.
https://doi.org/10.1088/1748-9326/aa6509
[ 36 ] Maeda, EE, Abera, TA, Siljander, M., Aragao, LEOC, de Moura, YM and Heiskanen, J. (2021) کشاورزی کالایی در مقیاس بزرگ تأثیرات آب و هوایی جنگل زدایی آمازون را تشدید می کند. مجموعه مقالات آکادمی ملی علوم ایالات متحده آمریکا، 118، e2023787118.
https://doi.org/10.1073/pnas.2023787118
[ 37 ] Landau, EC, Alves Da Silva, G. and Moura, L. (2020) Evolucao da Producao de Cacau (Theobroma cacao, Malvaceae). در: Dinamica da producao agropecuária e da paisagem natural no Brasil nas últimas décadas: Sistemas agrícolas, paisagem natural e análise integrada do espaco rural, EMBRAPA, Brasília, 529-556.
[ 38 ] Hunke، P.، Roller، R.، Zeilhofer، P.، Schroder، B. and Mueller، EN (2015) تغییرات خاک تحت کاربری های مختلف زمین در سرادو ماتو گروسو، برزیل. ژئودرما منطقه ای، 4، 31-43.
https://doi.org/10.1016/j.geodrs.2014.12.001
[ 39 ] Assuncao, J., Gandour, C. and Rocha, R. (2015) کندی جنگل زدایی در آمازون برزیل: قیمت ها یا سیاست ها؟ محیط زیست و اقتصاد توسعه، 20، 697-722.
https://doi.org/10.1017/S1355770X15000078
[ 40 ] برینن، RJW، و همکاران. (2015) افول طولانی مدت سینک کربن آمازون. طبیعت، 519، 344-348.
https://doi.org/10.1038/nature14283
[ 41 ] Carvalho, R., Adami, M., Amaral, S., Bezerra, FG and de Aguiar, APD (2019) تغییرات در دینامیک پوشش گیاهی ثانویه در زمینه کاهش نرخ جنگل زدایی در آمازون پارا برزیل. جغرافیای کاربردی، 106، 40-49.
https://doi.org/10.1016/j.apgeog.2019.03.001
[ 42 ] زومر، RJ، و همکاران. (2016) پوشش جهانی درخت و کربن زیست توده در زمین های کشاورزی: ​​سهم کشاورزی جنگلی در بودجه جهانی و ملی کربن. گزارش های علمی، 6، شماره مقاله 29987.
https://doi.org/10.1038/srep29987
[ 43 ] Pena، MA، Liao، R. و Brenning، A. (2017) با استفاده از شاخص های طیف زمانی برای بهبود دقت طبقه بندی محصولات میوه-درخت. ISPRS مجله فتوگرامتری و سنجش از دور، 128، 158-169.
https://doi.org/10.1016/j.isprsjprs.2017.03.019
[ 44 ] Cordero-Sancho, S. and Sader, S. (2007) تجزیه و تحلیل طیفی و دقت طبقه بندی محصولات قهوه با استفاده از Landsat و مدل توپوگرافی-محیطی. مجله بین المللی سنجش از دور، 28، 1577-1593.
https://doi.org/10.1080/01431160600887680
[ 45 ] Brinkhoff, J., Vardanega, J. and Robson, AJ (2019) طبقه‌بندی پوشش زمین نه محصول چند ساله با استفاده از داده‌های Sentinel-1 و -2. سنجش از دور، 12، 96.
https://doi.org/10.3390/rs12010096
[ 46 ] Somarriba، E. و Beer، J. (2011) بهره وری از سیستم های Agroforestry Theobroma Cacao با درختان سایه دار الوار یا حبوبات. Agroforestry Systems، 81، 109-121.
https://doi.org/10.1007/s10457-010-9364-1
[ 47 ] Brancher, T. (2010) Estoque e ciclagem de carbono de sistemas agroflorestais em Tomé-Acu, Amazonia Oriental, Universidade Federal do Para.

بدون دیدگاه

دیدگاهتان را بنویسید