اطلاعات جغرافیایی علیه جنگل‌زدایی غیرقانونی و شستشوی الوار در آمازون برزیل

خلاصه

با توجه به ویژگی‌های منطقه جنوبی آمازوناس (Mesorregião Sul do Amazonas، MSA)، انجام بررسی‌های محلی در تمام مناطق جنگلداری دارای مجوز (Plano de Manejo Florestal، PMFS) کاری غیرممکن است. بنابراین، تحقیق حاضر با هدف: (1) تجزیه و تحلیل استفاده از تکنیک‌های اطلاعات جغرافیایی (GEOINT) برای حمایت از ارزیابی PMFS. و (ii) بررسی کنید که آیا PMFS واقع در MSA مطابق با قوانین برزیل اجرا می شود. مجموعه ای از بیست و دو معیار ارزیابی ایجاد شد. اینها ابتدا در یک PMFS “استاندارد” اعمال شدند و متعاقباً در یک منطقه بزرگتر از 83 PMFS، واقع در MSA، تکرار شدند.
دوره-آموزش-حرفه-ای-gis
 GEOINT امکان درک بهتر هر PMFS، شناسایی فعالیت های جنگلداری غیرقانونی و شواهدی مبنی بر شستشوی چوب را فراهم کرد. در میان این نتایج، شواهد زیر را برجسته می کنیم: (i) تناقضات مربوط به کل زمان حمل و نقل و قیمت های اعلام شده به مقامات (70٪ PMFS)؛ (ب) اطلاعات حجمی ناسازگار با فهرست‌های رسمی جنگل و/یا مطابق با قانون بنفورد (54% PMFS) نیست. (iii) علائم بهره برداری خارج از محدوده مجاز چند ضلعی (51٪ از PMFS) و نشانه های برش واضح (43٪ از PMFS). (IV) هیچ نشانه ای از زیرساخت سازگار با جنگلداری دارای مجوز (24٪ از PMFS). و (v) علائم بهره برداری قبل از صدور مجوز (19٪ از PMFS) و پس از انقضای مجوز (5٪). (iii) علائم بهره برداری خارج از محدوده مجاز چند ضلعی (51٪ از PMFS) و نشانه های برش واضح (43٪ از PMFS). (IV) هیچ نشانه ای از زیرساخت سازگار با جنگلداری دارای مجوز (24٪ از PMFS). و (v) علائم بهره برداری قبل از صدور مجوز (19٪ از PMFS) و پس از انقضای مجوز (5٪). (iii) علائم بهره برداری خارج از محدوده مجاز چند ضلعی (51٪ از PMFS) و نشانه های برش واضح (43٪ از PMFS). (IV) هیچ نشانه ای از زیرساخت سازگار با جنگلداری دارای مجوز (24٪ از PMFS). و (v) علائم بهره برداری قبل از صدور مجوز (19٪ از PMFS) و پس از انقضای مجوز (5٪).

کلید واژه ها:

آمازون ; قانون بنفورد ؛ جنگل زدایی ; مدیریت جنگلداری ; اطلاعات جغرافیایی ؛ جرایم سازمان یافته ؛ PMFS _ رادام _ SisDOF ; چوب شویی

1. معرفی

طبق داده‌های رسمی، حدود 97 درصد از جنگل‌های ایالت آمازوناس هنوز تا سال 2012 حفظ شده بود. با این حال، در همان سال، میزان جنگل‌زدایی سالانه آن به 523 کیلومتر مربع رسید (افزایش 4 درصدی نسبت به سال 2011) و بیشتر اخیراً در سال 2019 در مجموع به 1421 کیلومتر مربع رسیده است که حدود 14٪ از کل جنگل زدایی شده در کل منطقه آمازون در آن دوره را نشان می دهد [ 1]]. چنین افزایشی در جنگل زدایی ناشی از عوامل متعددی است که از جمله آنها می توان به کارهای زیربنایی اخیر در منطقه به ویژه جاده ها اشاره کرد. علاوه بر این، با تقویت اقدامات پیشگیرانه و سرکوبگرانه علیه جنگل‌زدایی غیرقانونی در ایالت‌های ماتو گروسو، روندونیا و پارا، که از لحاظ تاریخی بزرگترین جنگل‌زدان هستند، ایالت آمازوناس امروز آخرین مرز چوبی در آمازون برزیل است: چوب‌های غیرقانونی استخراج می‌شود. از مناطق عمومی کیفیت عالی دارد و می توان آن را حتی با هزینه کمتری نسبت به مناطق دیگر تهیه کرد [ 2 ، 3 ].
فعالیت‌های جنگل‌داری در آمازون برزیل، وجود مجوز از یک مقام اداری ذی‌صلاح زیست‌محیطی را پیش‌فرض می‌گیرد که می‌تواند در قالب یک طرح مدیریت جنگل پایدار ( Plano de Manejo Florestal Sustentavel ، MFS)، طبق مفاد جنگل برزیل انجام شود. کد [ 4 ].
به طور خلاصه، برای تأیید یک PMFS، مالک زمین باید ابتدا فهرستی از جنگلداری منطقه مربوطه را انجام دهد که حاوی محل دقیق هر درخت، گونه و حجم آن باشد و همچنین نمونه ها و نهال های حفاظت شده مانند درختان واقع شده را شناسایی کند. در مناطق غیر قابل بهره برداری (به عنوان مثال، دامنه تپه ها و رودخانه ها).
بر اساس این داده‌ها، PMFS با پیروی از یک سری الزامات قانونی مانند ابعاد جاده‌ها، محوطه‌های ذخیره‌سازی و با محدودیت حداکثر حجمی که باید 25 متر مکعب در هکتار باشد، آماده می‌شود [ 4 ] .
هدف این الزامات تضمین این است که فعالیت های جنگلداری به شیوه ای پایدار و برنامه ریزی شده و با رعایت مکانیسم های حفظ اکوسیستم انجام شود. در واقع، یکی از عناصر اصلی که باید توسط مقامات محیط زیست در صدور مجوز یک PMFS در نظر گرفته شود، ظرفیت باززایی طبیعی گونه های مدیریت شده است و مالکان باید متعهد شوند و بهره برداری از جنگل را به گونه ای انجام دهند. چرخه بازسازی منطقه را تا زمانی که نمونه‌های جدید جایگزین نمونه‌های بریده‌شده شوند، ارتقاء دهند [ 5 ].
پس از تایید موجودی جنگل و PMFS، درختان تعیین شده ممکن است قطع و فروخته شوند. یک حساب PMFS در سیستم مدیریت اسناد منشأ جنگل (Sistema de Controle do Documento de Origem Florestal, SisDOF) موسسه محیط زیست و منابع طبیعی تجدیدپذیر برزیل (Instituto Brasileiro de Meio Ambiente e dos Recursos Naturais Renováveis, IBAMA) ایجاد شده است.
حساب SisDOF مشابه یک حساب بانکی کار می کند: اعتبارات جنگلداری معادل حجم و گونه های ثبت شده موجودی جنگل “سپرده” می شود. این اعتبارات با هر فروش کسر شده و با ثبت تراکنش مربوطه در سیستم و صدور مجوز حمل به نام سند منشاء جنگل (Documento de Origem Florestal, DOF) از PMFS به حساب خریدار مربوطه در SisDOF منتقل می شود. که محصول را تا مقصد دنبال می کند و در صورت بازرسی در حین حمل باید به مقامات ارائه شود [ 6 ]. شکل 1 روند قانونی محصولات جنگلی از PMFS تا صنعت چوب را نشان می دهد.
متأسفانه، تجربه مبارزه با جنگل‌زدایی غیرقانونی در آمازون برزیل نشان می‌دهد که علاوه بر بی‌نظمی‌هایی که در داخل املاک روستایی خصوصی مجاز به انجام مدیریت پایدار جنگل (مانند شدت قطع بیش از حد مجاز، قطع گونه‌های حفاظت‌شده یا هر گونه‌ای است) انجام می‌شود. در مناطق حفاظت دائمی (Areas de Preservação Permanente، APP) مانند دامنه تپه ها و سواحل رودخانه)، PMFS همچنین توسط مجرمان برای قانونی کردن و تجارت محصولات جنگلی به دست آمده غیرقانونی از سایر مناطق خصوصی و عمومی غیرمجاز مانند زمین های بومی استفاده می شود. و پارک های ملی [ 7 , 8 , 9 , 10 , 11 , 12 , 13، 14 ]. شکل 2 طرح کلی جنگلداری غیرقانونی در برزیل را نشان می دهد.
با توجه به ویژگی های منطقه آمازون، انجام بازرسی های در محل با منظم و مکرر در همه مناطق PMFS غیرممکن است، به ویژه به دلیل منابع و زمان مورد نیاز، که به شدت اقدامات دولت را در مبارزه با این جنایات تضعیف می کند. 14 ، 15 ]. مطالعه حاضر به دنبال نشان دادن این است که چنین راستی‌آزمایی می‌تواند با موفقیت انجام شود، بر اساس تکنیک‌های اطلاعات جغرافیایی (GEOINT)، به‌ویژه از تجزیه و تحلیل چند زمانی تحلیل تصویر سنسور ماهواره‌ای و مقایسه آن با داده‌های رسمی موجود در SisDOF.
بقیه این مقاله به شرح زیر است. در بخش 2 ، مروری بر ادبیات مربوط به GEOINT و کاربرد آن در ارزیابی PMFS در آمازون برزیل انجام شده است. بخش 3 اهداف، مواد و روش‌شناسی پیشنهادی را ارائه می‌کند. بخش 4 نتایج را ارائه می کند، در حالی که بحث و نتیجه گیری به ترتیب در بخش 5 و بخش 6 ارائه شده است .

2. بررسی ادبیات

اطلاعات جغرافیایی (GEOINT) توسط آژانس ملی اطلاعات جغرافیایی (NGA) به این صورت تعریف می شود: «[…] بهره برداری و تجزیه و تحلیل تصاویر و اطلاعات مکانی برای توصیف و تجسم ویژگی های فیزیکی و فعالیت های جغرافیایی مرجع در جهان. اطلاعات جغرافیایی شامل موارد زیر است: تصاویر، اطلاعات تصویری و اطلاعات مکانی» [ 16 ]. تعریف ارائه شده توسط NGA برای اهداف این کار کاملاً رضایت بخش است زیرا به ما امکان می دهد سه مؤلفه GEOINT را شناسایی کنیم، یعنی: (i) تصاویر. (ii) هوش تصویر (IMINT) و. (iii) اطلاعات مکانی ( جدول 1 ). با این حال، باید در نظر داشت که این تقسیم صرفاً مفهومی است، و در عمل، این سه جزء با هم ادغام می شوند، همانطور که در شکل 3 نشان داده شده است..
با وجود افزایش زیاد آن در سال‌های اخیر، ادبیات علمی درباره GEOINT و کاربرد آن در ارزیابی PMFS در آمازون برزیل هنوز نسبتاً کمیاب است. بخشی از این به این دلیل است که بهره برداری از چوب از طریق مدیریت جنگل انتخابی است: فقط دو تا پنج درخت در هکتار (<25 متر مکعب در هکتار) و تصاویر ماهواره ای در دسترس عموم عموماً با وضوح متوسط ​​یا پایین هستند. 14 ، 15 ، 17]. اعتقاد بر این بود که ارزیابی PMFS در مقیاس بزرگ بدون توسل به تصاویر با وضوح بالا امکان پذیر نیست، با این حال، مطالعات در زمینه سنجش از راه دور برای چندین سال نشان داده است که امکان شناسایی و ارزیابی کیفیت ورود به سیستم وجود دارد. تصاویر ماهواره ای با وضوح متوسط ​​و حتی برآورد اثرات بهره برداری بر زیست توده جنگل [ 18 ، 19 ، 20 ، 21 ، 22 ، 23 ، 24 ، 25 ، 26 ]. علاوه بر این، یک تحقیق اخیر نشان داد که تصاویر Landsat برای شناسایی فعالیت های ورود به سیستم در همان سال بهره برداری با شناسایی محوطه های ذخیره سازی بزرگتر از 290 متر مربع مفید هستند.27 ].
همچنین لازم به ذکر است که چندین سازمان دولتی برزیل مانند آژانس محیط زیست فدرال برزیل (Instituto Brasileiro do Meio Ambiente e Recursos Naturais Renováveis, IBAMA) و پلیس فدرال برزیل (Polícia Federal, PF) از این فناوری ها با موفقیت نسبی برای شناسایی استفاده کرده اند. بی نظمی در PMFS این امر به این دلیل امکان پذیر است که حتی در صورت وجود محدودیت های جدی برای تشخیص قطع و کشیدن درختان در تصاویر با وضوح فضایی کم و متوسط، زیرساخت PMFS (شامل محوطه های ذخیره سازی و جاده های اولیه و فرعی) قابل شناسایی و ارزیابی است. با استفاده از این نوع تصویر این اجازه می دهد تا نقشه برداری از بهره برداری انتخابی چوب، اما همچنین، در موارد خاص، برآورد اثرات مربوطه آنها [ 25 ، 28]، 29 ].

3. اهداف، مواد و روش

3.1. اهداف

اهداف این تحقیق عبارت بودند از:
  • ارزیابی کنید که چگونه استفاده از GEOINT بر اساس تصاویر با وضوح متوسط ​​می تواند برای درک وضعیت واقعی بهره برداری از جنگل در مناطق مجاز توسط دولت در آمازون برزیل استفاده شود. و
  • بررسی کنید که آیا PMFS MSA مطابق با استانداردهای زیست محیطی مربوطه انجام می شود، واقعاً پایدار است، یا اینکه آیا چوب های استخراج شده غیرقانونی از مناطق دیگر را می شویید.

3.2. مواد

داده های این تحقیق از سازمان های دولتی به دست آمده است که عبارتند از:
  • تصاویر ماهواره ای: Landsat 5 و 8 چند طیفی با وضوح فضایی 30 متر که توسط سازمان زمین شناسی ایالات متحده (USGS) در دسترس عموم قرار گرفته است [ 30 ].
  • اطلاعات مکانی: چند ضلعی ها و سایر داده های برداری PMFS از آژانس محیط زیست ایالت آمازوناس (Instituto de Proteção Ambiental do Amazonas, IPAAM) [31] ، مناطق حفاظت شده (زمین های بومی و پارک های ملی)، جاده ها، رودخانه ها، مرزهای شهرداری و غیره. از موسسه Chico Mendes (Instituto Chico Mendes, ICMBio و بنیاد ملی مردم بومی (Fundação Nacional do Índio, FUNAI) [ 32 , 33 , 34 , 35 ];
  • مواد وثیقه:
    • تقریباً 120 گزارش بازرسی و پزشکی قانونی توسط PF و IBAMA، مربوط به تقلب در PMFS [ 36 ، 37 ].
    • داده‌های پروژه RADAM (Projeto Radar da Amazônia)، مجموعه‌ای رسمی بسیار جامع از فهرست‌های جنگلی، با گونه‌ها و حجم‌های مربوطه برای تقریباً 2130 نقطه جمع‌آوری، به درستی ارجاع‌شده جغرافیایی، در سراسر آمازون برزیل که توسط مؤسسه جغرافیای برزیل در دسترس عموم قرار گرفته است. و آمار (Instituto Brasileiro de Geografia e Estatística, IBGE) [ 38 ];
    • داده های مربوط به جریمه های اداری اعمال شده و مناطق تحریم شده توسط IBAMA و وزیر ملی کار (Secretaria de Trabalho do Ministério da Economia, STME) [ 39 ، 40 ].
    • شناسایی داده‌های وسایل نقلیه موتوری مجاز برای حمل و نقل محصولات جنگلی در آمازون و همچنین ظرفیت حمل آنها از IBAMA [ 41 ]. و
    • داده‌های SisDOF به تمام معاملات چوب تجاری انجام شده بین سال‌های 2013 و 2018 از IBAMA اشاره می‌کند [ 42 ].

3.3. روش شناسی

3.3.1. دید کلی

این تحقیق شامل دو مرحله بود: (1) تعریف، بر اساس تجزیه و تحلیل اکتشافی مواد موجود (تصاویر ماهواره‌ای، اطلاعات مکانی و مواد جانبی) و مطالعه رفتار یک PMFS “استاندارد”، مجموعه‌ای از شاخص‌های استاندارد. (یا معیارهای تجزیه و تحلیل) که می تواند برای ارزیابی منظم بودن PMFS اعمال شود. و (ب) کاربرد این معیارها در رابطه با تعدادی از PMFS در منطقه مورد مطالعه تعریف شده.
روش GEOINT به کار رفته در طول این تحقیق به شدت تحت تأثیر چرخه هوش کاهنر [ 43 ] و به طور خاص، انطباق آن توسط Mellión [ 44 ] قرار گرفت.
شکل 4 نشان می دهد که چگونه مدل Meillón برای مشخصات بهتر و تقسیم روش شناختی دو مرحله که در بالا توضیح داده شد با تقسیم تحقیق به مراحل زیر استفاده شد:
  • مرحله برنامه ریزی (به رنگ قرمز) که در این مورد از فعالیت های تعریف استاندارد PMFS و منطقه مورد مطالعه و همچنین داده ها و منابع لازم برای تحقیق تشکیل شده است.
  • مرحله جمع آوری (به رنگ سبز)، شامل به دست آوردن و اعتبار سنجی اولیه داده ها و منابع لازم برای ارزیابی PMFS “استاندارد” و منطقه مورد مطالعه.
  • مرحله پردازش (به رنگ بنفش)، شامل تعریف ابزارها و روش‌هایی است که برای هر یک از مجموعه‌های داده (مکانی و غیر مکانی) و همچنین ایجاد مجموعه داده‌های قطعی اعمال می‌شود.
  • مرحله تجزیه و تحلیل (به رنگ آبی)، شامل تجزیه و تحلیل یکپارچه داده های به دست آمده و تهیه شده در مراحل قبلی و مستندسازی آن برای ارزیابی بعدی و مقایسه نتایج.
  • مرحله انتشار (به رنگ نارنجی)، شامل ارائه اطلاعات به دست آمده و نتیجه گیری مربوطه.
در بخش‌های بعدی، هر یک از چهار مرحله روش‌شناختی به صورت مصنوعی شرح داده می‌شوند.

3.3.2. برنامه ریزی

در این مرحله، PMFS “استاندارد” و منطقه مورد مطالعه و همچنین داده ها و منابع لازم برای تحقیق تعریف شد.
یک PMFS “استاندارد” از منطقه ای انتخاب شد که فعالیت های جنگلداری خود را در سال 1993 آغاز کرد و از سال 1997 توسط شورای نظارت بر جنگل (FSC) تایید شده است، اولین کسی که این گواهی را در برزیل دریافت کرد [45 ] . استاندارد PMFS در نه ملک مختلف روستایی با مساحت کل تقریباً 270000 هکتار توزیع شد که 139000 هکتار آن برای فعالیت‌های مدیریت جنگل‌داری، تقسیم‌بندی شده به 47 واحد تولیدی، که بر اساس سال‌های مربوطه چرخه برش شناسایی شده‌اند، توزیع شد (شکل 5 ) . 46 ].
انتخاب PMFS “استاندارد” بر اساس تحقیقات انجام شده در سال 2002 [ 47 ] بود که آنها را به شرح زیر توصیف کرد:
  • منطقه PMFS برنامه ریزی شده بود که به طور انحصاری تحت رژیم قطع درختان انتخابی با نسبت 2.5٪ در سال بین سال های 2002 و 2022 مورد بهره برداری قرار گیرد.
  • 100% درختان تجاری در این منطقه فهرست‌بندی شدند و PMFS که توسط آژانس‌های زیست‌محیطی تایید شده بود، به‌منظور جلوگیری از بهره‌برداری بیش از حد طراحی شده بود.
  • علاوه بر فهرست‌بندی گونه‌های تجاری، این شرکت یک سال قبل و یک سال پس از بهره‌برداری، یک سال قبل و یک سال پس از بهره‌برداری، فهرستی از 0.5 درصد مساحت (1/200) را به منظور درک تأثیر قطع درخت بر زادآوری جنگل و تنوع گونه‌ها انجام داد.
  • هنگام استقرار در منطقه، شرکت با حدود 50 خانواده روبرو شد که قبلاً در آنجا زندگی می کردند، اما بدون داشتن عنوان ملک مربوطه. آنها افرادی بودند که قبلاً در آنجا زندگی می کردند. این شرکت ترجیح داد به جای طرح دعوی قضایی برای اخراج آنها، حق مالکیت را به آنها واگذار کند. اکثر این افراد نیز در این شرکت شاغل بودند.
به‌علاوه، انتخاب منطقه جنوبی آمازوناس (Mesorregião Sul do Amazonas, MSA) به‌عنوان منطقه مورد مطالعه ( شکل 6 ) با این واقعیت توجیه می‌شود که محصولات جنگلی تجارت شده و نرخ‌های جنگل‌زدایی غیرقانونی سالانه بین سال‌های 2014 و 2018 افزایش یافته است [ 1 ، 2] . ، 3 ]، و طبق SisDOF، 63% از تمام محصولات معامله شده در آمازونا در همان دوره از MSA [ 42 ] بود. به همین ترتیب، بیشتر جریمه های اداری برای جرایم زیست محیطی که در آمازوناس بین سال های 1996 و 2017 رخ داده است (88٪) نیز در MSA [ 39] صورت گرفته است.]، که این منطقه را به منطقه ای با بیشترین موارد بی نظمی و جریمه های اداری در ایالت آمازوناس تبدیل می کند.
این مطالعه دوره‌ای از 2014 تا 2018 را پوشش می‌دهد که مطابق با 83 PMFS دارای مجوز همانطور که در شکل 7 نشان داده شده است .

3.3.3. جمع آوری داده ها

مرحله جمع آوری داده ها شامل به دست آوردن و اعتبارسنجی اولیه داده ها و منابع ذکر شده در بخش 3.2 بود . اکثر داده‌ها و منابع در دسترس عموم هستند و مستقیماً از طریق وب‌سایت‌های نهادها و نهادهای ذکر شده در بالا به دست آمده‌اند. علاوه بر این، موارد زیر جمع آوری شد: (i) داده های چند ضلعی PMFS واقع در MSA و تمام تراکنش های انجام شده از طریق SisDOF در ایالت آمازوناس، بین 01/01/2014 و 08/21/2018، از آژانس های زیست محیطی مربوطه از طریق بخش اجرای جرایم محیطی پلیس فدرال [ 31 ، 42 ]؛ (2) داده‌های PMFS استاندارد (چند ضلعی‌ها، موجودی‌ها و غیره) با مهربانی توسط مسئول فنی [ 46] ارائه شد.]؛ و (iii) گزارش‌های بازرسی و پزشکی قانونی از IBAMA و PF از ارگان‌های مربوطه، تحت تعهد استفاده از آنها برای اهداف آماری، به‌دست آمد [ 36 ، 37 ].

3.3.4. در حال پردازش

مرحله پردازش شامل تعریف ابزارها و روش‌هایی بود که باید برای هر یک از مجموعه‌های داده (مکانی و غیر مکانی) و همچنین ایجاد مجموعه داده قطعی اعمال شود. در ابتدا، یک ارزیابی اکتشافی از تمام گزارش‌های تولید شده توسط PF و IBAMA و همچنین سایر داده‌های مکانی و غیر مکانی به‌دست‌آمده، به منظور شناسایی رایج‌ترین بی‌نظمی‌های یافت شده در آن PMFS انجام شد. این منجر به ایجاد 22 معیار ارزیابی برای PMFS شد ( جدول 2 ).
معیارهای 1.1 تا 1.7 (داده‌های مکانی) و 2.10، 2.11، و 2.14 (جریمه‌های اداری اعمال‌شده برای بی‌نظمی‌های محیطی یا کاری) بر ارزیابی منظم بودن مدیریت جنگل متمرکز بودند، با پاسخ مثبت به هر یک از این موارد به معنای بی‌نظمی.
معیارهای 2.1 تا 2.9، 2.11 تا 2.13، و 2.15 (داده های غیر مکانی) بر اساس اطلاعات موجودی جنگلداری (2.12) و تمام معاملات تجارت داده در SisDOF (اقلام باقی مانده) بود. این داده ها، هنگامی که همراه با تصاویر ماهواره ای تجزیه و تحلیل می شوند، حاکی از درجه کم و بیش ظن وجود کلاهبرداری برای شستشو و تجارت محصولات جنگلی است که به طور غیرقانونی از مناطق دیگر استخراج شده اند.
پس از تعریف معیارهای ارزیابی، از روش ها و نرم افزارهای زیر برای پردازش و سازماندهی مجموعه داده تصویر استفاده شد:
  • ترکیب RGB با استفاده از نرم افزار ArcMap 10.7.1: ترکیب به دست آمده (رنگ واقعی یا نادرست) امکان تمایز بهتر با مشاهده بصری اهداف را فراهم می کند و تفسیر آنها را تسهیل می کند.
  • عدم اختلاط طیفی مونت کارلو خودکار (MTCU) با استفاده از نرم افزار CLASlite 3.3 [ 52 ]: از یک مدل مخلوط طیفی مرتبط با یک کتابخانه طیفی قوی برای تولید کسری استفاده می کند که اجزای اصلی بیوفیزیکی منظره موجود در یک پیکسل را نشان می دهد [ 19 ، 53 ]. این ابزار اجازه می دهد تا: (من) تصحیح اثرات جوی. (ب) اشتقاق تصاویر کسری مربوط به پوشش گیاهی فعال فتوسنتزی (PV)، پوشش گیاهی غیر فتوسنتزی (NPV) و خاک لخت (S). و (iii) مقایسه چند زمانی تصاویر، شناسایی موقعیت های جنگل زدایی و تخریب جنگل بین دو یا چند تصویر.
  • Normalized Difference Vegetation Index (NDVI) [ 54 ] از طریق نرم افزار ArcMap 10.7.1: از نسبت اختلاف بازتاب مادون قرمز نزدیک (NIR) و قرمز (R) با مجموع آنها به دست می آید. این منجر به شاخصی با مقادیر بین 1- و 1 می شود که در آن وجود مقادیر منفی یا نزدیک به صفر نشان دهنده وجود مناطقی از آب یا خاک لخت با فعالیت کلروفیل کم و در نتیجه مقدار کم پوشش گیاهی است. به نوبه خود، مقادیر مثبت مناطق پوشش گیاهی را نشان می دهد.
  • مدل اختلاط طیفی خطی (LSMM) با استفاده از نرم افزار TerraAmazon 7.1.0. LSMM [ 55 ] امکان تخمین نسبت هر یک از اجزای مخلوط طیفی (خاک، سایه و پوشش گیاهی) را فراهم می‌کند، که مشخص می‌کند کدام یک در هر پیکسل از تصویر نماینده‌ترین است. این در تصاویر با وضوح متوسط ​​بسیار مفید است، به خصوص به این دلیل که ما سه جزء وجود دارد که انرژی الکترومغناطیسی را در یک پیکسل تابش می کنند.
داشبوردی برای داده‌های غیرمکانی ایجاد شد ( شکل 8 ) تا امکان مشاوره و تحلیل سریع و آسان معیارهای 2.1 تا 2.15 را فراهم کند، به شرح زیر: (i) نمودارهای دایره‌ای برای مشاهده موارد 2.1 تا 2.9. (ii) شاخص‌های کلیدی عملکرد (KPI) که به تاریخ شروع و پایان معاملات تجاری، حجم و ارزش چوب معامله‌شده، بازرسی‌های اداری و مجموع مبلغ جریمه‌ها اشاره دارد. (iii) هیستوگرام حاوی حجم های معامله شده در طول زمان. (IV) داده‌های عمومی PMF (مجوز شماره و نوع، نام مالک، مساحت کل، مساحت مجاز، حجم مجاز (m3 ) و غیره؛ (v) داده‌های گونه‌های چوب معامله شده (حجم، ارزش، تاریخ آخرین معامله، R $ /m 3و غیره.)؛ و (vi) داده‌های موجودی رسمی جنگل از دولت برزیل (پروژه RADAM) در مقابل فهرست جنگلداری PMFS.

این داشبورد همچنین با صفحه گسترده الکترونیکی توسعه یافته توسط استیون میلر [ 56 ] ترکیب شد تا کاربرد مدل آماری معروف به قانون بنفورد را برای ارزیابی داده‌های موجودی‌های جنگلی و حجم چوب گرد معامله شده از طریق SisDOF آزمایش کند. این مدل آماری برای مجموعه داده های خاصی که به طور طبیعی تولید می شوند (مانند مناطق رودخانه، جمعیت، وزن مولی، اعداد اتمی و نرخ مرگ و میر) قابل استفاده است و برای دهه ها با موفقیت برای شناسایی تقلب های اقتصادی و مالی استفاده شده است [57 ] . احتمال فرکانس اولین رقم معتبر، یعنی سمت چپ ترین رقم را متفاوت از صفر در نظر می گیرد [ 56 , 57 , 58]. برخلاف توزیع همگن نه رقم ممکن (1 تا 9)، که با فرکانس مورد انتظار هر رقمی 11.11% مطابقت دارد، قانون بنفورد خاطرنشان می کند که فرکانس از یک رفتار لگاریتمی پیروی می کند که با فرمول نشان داده شده است:

P ( رقم = ) =ورود به سیستم10( 1 +1رقم)پ(رقم=)=ورود به سیستم10(1+1رقم)

به این معنی که احتمال 1 بودن اولین رقم چیزی نزدیک به 30.1٪ است، در حالی که رقم 9 تنها در حدود 4.6٪ از مشاهدات ظاهر می شود [ 51 ، 56 ، 57 ، 58 ، 59 ، 60 ].

شکل 9 به ما اجازه می دهد تا به صورت گرافیکی درک کنیم که رقم اول معتبر چیست و چگونه توزیع آن رقم بر اساس قانون بنفورد انجام می شود.

3.3.5. تحلیل و بررسی

روش فوق در ابتدا برای PMFS “استاندارد” اعمال شد، که کفایت را برای اکثر 22 معیار ارزیابی شده نشان داد، به جز یافته های زیر: (1) معیار 1.6: بهره برداری خارج از چند ضلعی مجاز در سال 2009 (~1 هکتار) و 2016 (~ 3 هکتار)؛ (ii) معیار 2.5: وجود تعداد زیادی تراکنش با هویت شماره پروتکل اینترنت (IP) و. (iii) معیار 2.6: 31.1 درصد از کل حجم چوب گرد معامله شده در فصل بارندگی. علاوه بر این، معیارهای 2.5 و 2.6 مشکوک در نظر گرفته نشدند، زیرا هویت شماره های IP با سایر نشانه های تقلب تأیید نمی شد (معیارهای 2.3، 2.4، 2.6-2.9)، و PMFS استاندارد زیرساخت حمل و نقل خوبی داشت، که در نزدیکی بزرگراه آسفالت قرار داشت. .
این روش متعاقباً در 83 PMFS واقع در MSA تکرار شد.
دوره-آموزش-حرفه-ای-gis

4. نتایج

4.1. نتایج اولیه به دست آمده در مرحله پردازش

در طول مرحله پردازش، تجزیه و تحلیل و مقایسه داده‌های مربوط به حجم چوب گرد معامله شده از طریق SisDOF در ایالت آمازوناس از سال‌های 2014 تا 2018 و همچنین موجودی‌های رسمی جنگل موجود در RADAM که در آن مشخص شد داده‌های حجمی مربوطه یک لگاریتمی ارائه می‌دهند. توزیع مطابق با مدل نظری معروف به قانون بنفورد [ 51 ، 60 ]. ارزیابی انطباق با قانون بنفورد بر اساس آزمون پایبندی Chi-square انجام شد. اگرچه سطح اهمیتی که بیشترین استفاده را در راستی‌آزمایی قانون بنفورد دارد 5 درصد است، از سطح اهمیت 1 درصد نیز استفاده می‌کند تا احتمال کشف شواهد نادرست تقلب را به حداقل برساند [58] .]. در هر دو مورد از هشت درجه آزادی استفاده شد.
نتایج زیر بدست آمده اند:
  • داده‌های حجمی همه معاملات موجود در SisDOF برای ایالت آمازوناس برای حجم کل بر اساس گونه و همچنین حجم کل گونه‌های معامله شده در هکتار مطابق با قانون بنفورد است.
  • داده‌های رسمی حجمی پروژه RADAM هم برای حجم کل در هر گونه و هم برای حجم کل گونه در هکتار نیز مطابقت با مدل را نشان داد.
  • مجموع مقادیر “قطر در ارتفاع سینه” (DBH) همه افراد از یک گونه، در هر هکتار، یا کل برای کل منطقه مورد مطالعه نیز مطابقت دارند (داده های حجمی RADAM). و
  • تغییرات در مقیاس داده ها (روزانه، هفتگی، ماهانه، سه ماهه، شش ماهه یا سالانه)، تغییر معنی داری در نتایج به دست آمده ایجاد نکرد.
شکل 10 نشان می دهد که مقادیر به دست آمده از طریق SisDOF [ 42 ] و RADAM [ 38 ] مطابقت قوی با این مدل ریاضی پیدا کردند.
به طور مشابه، مشخص شد که کل حجم معامله شده در ایالت آمازوناس از سال 2014 تا 2018 Allatoma lineata (jequitibá) با قانون بنفورد ( شکل 11 ) مطابقت دارد، اما همان تحلیل برای حجم معاملات Tabebuia serratifolia (ipê) گونه هایی که به دلیل ارزش تجاری بالا [ 12 ] در فهرست های جنگلداری به طور تقلبی بیش از حد برآورد می شوند، با قانون بنفورد مطابقت نداشتند ( شکل 12 ).

4.2. نتایج تجزیه و تحلیل

نتایج تجزیه و تحلیل فضایی برای مقاصد مقایسه برای هر دو استاندارد PMFS و 83 PMFS ارزیابی شده ارائه شده است. به طور مشابه، نتایج تجزیه و تحلیل غیر فضایی نیز برای هر دو PMFS استاندارد و PMFS 83 ارزیابی شده و همچنین برای همه PMFS در ایالت آمازوناس و آن‌هایی که در MSA قرار دارند، هر زمان که داده‌ها در دسترس بود، ارائه می‌شود.
برخی از ارقام به عنوان نمونه هایی از بی نظمی های یافت شده برای درک بهتر نشان داده شده است.
PMFS با شماره شناسایی ویژگی آن (FID) شناسایی شد، بدون ذکر اطلاعات فردی مانند نام، مختصات جغرافیایی و غیره.

4.2.1. داده های فضایی

(من)
معیار 1.1 – همپوشانی کلی یا جزئی منطقه PMFS با مناطق حفاظت شده
استاندارد PMFS : عدم همپوشانی PMFS استاندارد با مناطق حفاظت شده شناسایی شده ( شکل 13 ).
MSA PMFS : 10% (8 PMFS) به طور کامل یا جزئی در داخل جنگل های ملی ( شکل 14 ). 06 PMFS (FIDs 107، 304، 124، 406، 159 و 1904) کاملاً با جنگل‌های ملی همپوشانی داشت. FIDهای 1325 و 3826 همپوشانی جزئی داشتند. همه این مناطق نشانه هایی از بهره برداری را نشان می دهند که می تواند نشان دهد که همپوشانی فقط خطا در ایجاد چند ضلعی، ارجاع جغرافیایی و غیره نبوده است.
(II)
معیار 1.2 – عدم وجود زیرساخت سازگار با PMFS (حیاط انبار و جاده)
استاندارد PMFS: زیرساخت های جاده ها و محوطه ها در PMFS استاندارد در طول بهره برداری موثر وجود دارد ( شکل 15 ).
MSA PMFS : 20 PMFS (24 درصد نمونه) دارای زیرساخت ناسازگار با شیوه‌های مدیریت جنگل بودند، 10 مورد به موارد عدم وجود حیاط و جاده در منطقه و 10 مورد به موقعیت‌های ناسازگار با PMFS و/یا حجم مبادله شده از اینها اشاره می‌کردند. مناطق. شکل 16 فقدان کامل زیرساخت و نشانه هایی از ورود انتخابی در داخل PMFS را نشان می دهد.
(iii)
معیار 1.3 – جنگل زدایی در PMFS و/یا مناطق حفاظت دائمی (APP)
PMFS استاندارد : بین سال‌های 1993 و 2004، جنگل‌زدایی فزاینده‌ای از APP واقع در بخش جنوب شرقی PMFS وجود داشت که تشخیص آن از طریق MTCU امکان‌پذیر بود ( شکل 17 ).
MSA PMFS : 36 ملک (43 درصد) نشانه‌هایی از برش واضح در فضای داخلی خود نشان دادند، که در میان آنها 23 مورد جنگل‌زدایی را نشان دادند که به برنامه‌های کاربردی رسید. شکل 18 جنگل زدایی در PMFS (FID 3364) را نشان می دهد.
(IV)
معیار 1.4 – بهره برداری از جنگل در منطقه قبل از صدور مجوز
استاندارد PMFS : هیچ بهره برداری از جنگل در استاندارد PMFS قبل از صدور مجوز شناسایی نشده است.
83 MSA PMFS : 19 درصد از مناطق قبل از صدور مجوز علائم بهره برداری را نشان دادند. شکل 19 وجود محوطه ها، جاده ها و علائم برش انتخابی را در سه PMFS (4888، 2987 و 4191) نشان می دهد.
(v)
معیار 1.5 – بهره برداری بیشتر از جنگل پس از آخرین صدور DOF
استاندارد PMFS : بدون بهره برداری از جنگل در استاندارد PMFS پس از آخرین صدور DOF.
83 MSA PMFS : 5% از مناطق پس از آخرین صدور DOF علائم بهره برداری را نشان دادند. شکل 20 مناطق برش انتخابی را در داخل و اطراف PMFS نشان می دهد (FID 4572).
(vi)
معیار 1.6 – بهره برداری خارج از مرزهای چند ضلعی انجام می شود
استاندارد PMFS : بهره برداری انتخابی در خارج از چند ضلعی مجاز در سال های 2009 و 2016 شناسایی شد ( شکل 21 ).
MSA PMFS : 43 PMFS (52%) علائم بهره برداری (انتخابی و/یا برش واضح) را خارج از حد مجاز چند ضلعی نشان داد. شکل 22 بهره برداری خارج از PMFS را نشان می دهد (FIDs 4888، 2987 و 4191).
(vii)
معیار 1.7 – بهره برداری در منطقه ای که قبلا توسط IBAMA تحریم شده بود
استاندارد PMFS : هیچ بهره برداری در منطقه ای که قبلا توسط IBAMA تحریم شده بود در داخل استاندارد PMFS شناسایی نشده است.
83 MSA PMFS : هیچ بهره برداری در منطقه ای که قبلا توسط IBAMA تحریم شده بود در داخل MSA 83 PMFS شناسایی نشده است.

4.2.2. داده های غیر مکانی

(من)
معیار 2.1 — محصول پس از تاریخ های معتبر دریافت شده است
ایالت آمازونا : 5.8%.
MSA : 3.6%.
استاندارد PMFS : 0.5%.
MSA 83 PMFS : 17% از مناطق صادر شده DOF فقط دیرتر از پایان اعتبار سند در درصدی بیش از 5% از تعداد کل اسناد صادر شده دریافت کردند. بالاترین صدک محصولات دریافتی منسوخ 49.7% (FID 4940) از حدود 6800 متر مکعب بوده است .
(II)
معیار 2.2 – DOF لغو شد
وضعیت آمازونا : 3.2٪.
MSA : 3.7%.
استاندارد PMFS : 0.9%.
MSA 83 PMFS : 20٪ از مناطق دارای DOF در سطح بالاتر از 5٪ از کل حجم فروش لغو شده بودند. FID 3303 دارای حجم لغو شده 28.2٪ (از مقدار ~ 2700 m3 ) بود، بیش از همه PMFS های دیگر که بین 5 تا 8.1٪ بودند.
(iii)
معیار 2.3 – DOF صادر شده در طول فصل بارانی (دسامبر تا مارس)
ایالت آمازونا : 16.5%.
MSA : 13.7%.
استاندارد PMFS : 31.3%. لازم به ذکر است که PMFS استاندارد ساختار جاده دسترسی خوبی دارد و نزدیک به بزرگراه واقع شده است که در تئوری امکان اکتشاف در طول سال را فراهم می کند. اکثر PMFS واقع در آمازوناس و به ویژه در MSA، با این حال، چنین ساختاری ندارند.
MSA 83 PMFS : 24٪ از مناطق دارای DOF در طول فصل بارانی در سطح بالاتر از 15٪ از کل حجم فروخته شده بودند. به هر حال، برخی از املاک دارای حجم استخراج شده در فصل بارندگی بالاتر از میانگین بودند مانند FID 2262 (32.5%) و FID 3468 (44.7٪ و 37٪). FIDهای 4936 و 4499 علیرغم اینکه مناطق متعلق به یک دارنده هستند و بسیار نزدیک واقع شده اند، بهره برداری از آنها در فصل بارانی کاملاً متفاوت انجام شده است، با 1٪ بهره برداری در دوره بارندگی در FID 4936، در مقابل 44.3٪ بهره برداری در FID. همان زمان برای FID 4499 ( شکل 23). این یافته، علاوه بر بی نظمی های مختلف دیگری که برای هر دو FIDS یافت شده است، ممکن است تراکنش های جعلی در SisDOF را نشان دهد. اما این شاخصی است که باید در هر مورد خاص به همراه عوامل دیگری مانند وجود جاده و زیرساخت های کافی برای استخراج و حمل و نقل محصولات، فاصله تا گیرنده و غیره مورد ارزیابی قرار گیرد.
(IV)
معیار 2.4 – حجم مشکوک اعلام شد
ایالت آمازونا : 3.6%.
MSA : 3.2%.
استاندارد PMFS : 8%.
MSA 83 PMFS : 52% از کل مناطق دارای حجم چوب گرد بدون ارقام اعشاری بودند. اکثر PMFS مقادیر وقوع کمتر از 10٪ داشتند. با این حال، FID 2568 از 44,508.86 متر مکعب ، 51.3 درصد از حجم خود را برای چوب گرد بدون رقم اعشار اعلام شده معامله کرد که بین ژوئیه و دسامبر 2013 معامله شد.
(v)
معیار 2.5 – هویت شماره های پروتکل اینترنت (IP).
ایالت آمازونا : 54.5%.
MSA : 50.7%.
استاندارد PMFS : 26.1%
MSA 83 PMFS : 81 درصد از کل املاک دارای تراکنش در SisDOF با شماره IP یکسانی برای معامله صدور و دریافت محموله بودند.
(vi)
معیار 2.6 — قیمت زیر 66.00 دلار
ایالت آمازونا : 26.3%.
MSA : 28.2%.
PMFS استاندارد : 0٪.
MSA 83 PMFS : 70٪ از مناطق قیمت فروش چوب زیر 66.00 دلار را ثبت کردند . FID 3662 دارای ارزش متوسط ​​برای همه گونه‌ها حدود 30.00 دلار در متر مکعب بود ، با قیمت‌های حتی پایین‌تر همانطور که در زیر نشان داده شده است ( شکل 24 ).
(vii)
معیار 2.7 – حجم اعلام شده با وسیله نقلیه ناسازگار است
وضعیت آمازونا : 1٪.
MSA : 0.3٪
PMFS استاندارد : 0٪.
MSA 83 PMFS : 4% از اموال حجمی را در DOFهای صدور خود اعلام کردند که با نوع حمل و نقل جاده ای اطلاع رسانی ناسازگار است. اگرچه FID 3645 تنها 0.5 درصد ناسازگاری داشت، اما این مقدار معادل حجمی در حدود 500 متر مکعب است . به نوبه خود، FID 3087 81.4 درصد ناسازگاری را ارائه کرد که با وجود حجم کم انجام شده توسط پروژه، معادل 300 متر مکعب است .
(viii)
معیار 2.8 – مسافت حمل و نقل بیشتر از 200 کیلومتر
وضعیت آمازونا : 1.3٪.
MSA : 1.8%.
PMFS استاندارد : 0٪.
MSA 83 PMFS : سه منطقه (4٪ نمونه) دارای سیاهههای مربوط به خریدارانی بودند که در فاصله بیش از 200 کیلومتری قرار داشتند (FIDs 1325، 2759 و 4034). FID های 1325 و 2759 مشکوک هستند، اما برای نتیجه گیری کافی به کار میدانی و تجزیه و تحلیل بیشتر نیاز دارند. FID 4034 با 100% حجم کل الوار فروخته شده (مجموع 5777.33 متر مکعب) رفتار بسیار عجیبی داشت .از چوب گرد) به همان الوار، 340 کیلومتر در خط مستقیم منتقل می شود. این همان PMFS هیچ زیرساخت سازگار با مدیریت جنگل را ارائه نمی دهد (مورد 1.2)، که به شدت امکان انجام معاملات جعلی در DOF برای قانونی کردن محصولات از مناطق دیگر را تقویت می کند. این ظن به شدت تقویت می شود، زمانی که وجود معاملاتی در SisDOF تأیید شد که زمان بین صدور DOF و دریافت ادعای محموله توسط گیرنده کمتر از 10 دقیقه بود، برای مسافت تخمینی 340 کیلومتر در مسیر مستقیم. خط
(ix)
معیار 2.9 – سرعت حمل و نقل بالاتر از 40 کیلومتر در ساعت
ایالت آمازونا : 3.1%.
MSA : 3٪.
PMFS استاندارد : 0٪.
MSA 83 PMFS : 70% از PMFSها دارای DOFهایی بودند که مجموع زمان و مسافت حمل و نقل بین فرستنده و گیرنده منجر به سرعت متوسط ​​بیش از 40 کیلومتر در ساعت می شد. FID 4034 که در معیار 2.8 نیز ذکر شده است، زمان های مدت حمل و نقل را ارائه می دهد که منجر به سرعت های بالای 1000 کیلومتر در ساعت می شود ( شکل 25 ).
(ایکس)
معیار 2.10 – جریمه برای بی نظمی در SisDOF
استاندارد PMFS : خیر (2014-18).
MSA 83 PMFS : 6% از املاک دارای سوابق تخلفات اداری (جریمه) به دلیل یافتن بی نظمی در SisDOF بودند. این یافته کاملاً مرتبط است اگر در نظر بگیریم که درصد بسیار بالاتری از ویژگی‌های تحلیل شده در اینجا نشانه‌های قوی بی‌نظمی‌های مربوط به SisDOF را ارائه می‌دهند.
(xi)
معیار 2.11 – جریمه برای بی نظمی در PMFS
استاندارد PMFS : خیر (2014-18).
MSA 83 PMFS : 7% از املاک دارای سوابق تخلفات اداری (جریمه) به دلیل بی نظمی در اجرای PMFS بودند. مشاهده در معیار قبلی (2.10) در اینجا نیز صدق می کند.
(xii)
معیار 2.12 – بی نظمی های مربوط به فهرست جنگلداری
PMFS استاندارد : خیر. موجودی جنگلداری (گونه و مترمربع در هکتار) با داده های رسمی (پروژه رادام) سازگار بود. داده‌های حجمی همه معاملات موجود در SisDOF و همچنین به‌صورت جداگانه برای 5 گونه‌ای که بیشترین بهره‌برداری را دارند، مطابق با قانون بنفورد، هم برای حجم کل و هم برای حجم در هکتار است. مجموع مقادیر “قطر در ارتفاع پستان” (DBH) تمام نمونه های یکی از واحدهای تولید سالانه نیز مطابقت دارد.
MSA 83 PMFS : 54% از خواص اطلاعات حجمی ناسازگار با بررسی پروژه RADAM و/یا مطابق با قانون بنفورد ارائه کردند.
(xiii)
معیار 2.13 — حجم کل معامله شده با حجم مجاز یکسان است
PMFS استاندارد : خیر.
MSA 83 PMFS : 02 PMFS (2٪ از نمونه) دارای حجم کل معامله شده با حجم برآورد شده در موجودی جنگلداری (FIDs 4622 و 2087) بود. سه منطقه دیگر میزان استفاده بسیار بالاتر از آنچه که معمولاً در این موارد مشاهده می شود (که در نمونه فعلی بین 75 تا 90 درصد متغیر بود) داشتند. FID 4769 دارای 98٪ بود، در حالی که FID 4086 دارای 98.5٪ و FID 4343، 96٪ بود.
(xiv)
معیار 2.14 – جریمه برای تخلفات قانون کار
استاندارد PMFS : شماره (2014-18).
MSA 83 PMFS : یک ملک (FID 3364) بی‌نظمی‌های کاری را ارائه کرد که مجموعاً 21 جریمه اعمال شده توسط سازمان بازرسی فعالیت کار اعمال شد. همین ملک همچنین دارای 78 جریمه اداری از سوی IBAMA برای جرایم مختلف زیست‌محیطی بین سال‌های 1996 تا 2017 بوده است. این مبلغ بیش از 50 میلیون دلار (تقریباً 12 میلیون دلار آمریکا در 20 فوریه 2020) است که بی‌احترامی به قوانین کار را تقویت می‌کند. با تخلفات زیست محیطی در آمازون برزیل.
(xv)
معیار 2.15 — شدت بهره برداری بیش از 25 متر مکعب در هکتار
PMFS استاندارد : خیر. شدت برش در PMFS استاندارد 13.81 متر مکعب در هکتار (18-2014) بود.
MSA 83 PMFS : 5% از PMFS دارای شدت برش بیشتر از 25 متر مکعب در هکتار است، با تاکید بر FID 4769 که شدت بهره برداری آن به 33.41 متر مکعب در هکتار (18-2014) رسیده است.
ارزیابی کامل هر یک از 83 PMFS نیاز به تجزیه و تحلیل بیشتر با به دست آوردن مستندات کامل و انجام بازرسی های در محل، به منظور تایید بی نظمی ها و برآورد گسترش آسیب زیست محیطی دارد. با این حال، نتایج به‌دست‌آمده یک نمای کلی از احتمالات متعدد و اهمیت GEOINT برای ارزیابی PMFS ارائه می‌کند.
جدول 3 فراوانی و درصد PMFS را نشان می دهد که هر یک از بی نظمی ها یا نشانه های تقلب ارزیابی شده را بر اساس معیارهایی که قبلا در جدول 2 شرح داده شده است، نشان می دهد .
داده ها و نتایج جداگانه برای هر یک از 83 PMFS به عنوان تصاویر، نقشه ها و نمودارها در مواد تکمیلی موجود است .
دوره-آموزش-حرفه-ای-gishttps://gisland.org/

5. بحث

تجزیه و تحلیل تصاویر و سایر داده‌های فضایی به ما امکان می‌دهد وضعیت فعلی بهره‌برداری از جنگل‌ها را که در 83 PMFS ارائه شده برای بررسی انجام شده است، ارزیابی کنیم و از جمله موارد زیر را شناسایی کنیم: (1) همپوشانی احتمالی با مناطق حفاظت‌شده. (ii) محل و زمان بهره برداری از جنگل انجام شد. (iii) نوع و شدت این بهره برداری (برش شفاف، برش انتخابی، باز کردن جاده ها، محوطه ها و غیره). (IV) ابعاد آن؛ و (v) منظم بودن بهره برداری در رابطه با چند ضلعی مجاز و مناطق حفاظت دائمی (APP).
به نوبه خود، تجزیه و تحلیل داده‌های غیرمکانی (اسناد و پایگاه‌های اطلاعاتی به‌دست‌آمده از سازمان‌های دولتی) امکان درک بهتر کل زمینه‌ای که اطلاعات جغرافیایی به‌دست‌آمده در آن درج شده است، به ویژه: (1) اگر بهره‌برداری ارجاع شده در یک منطقه مجاز و اگر چنین است، اگر مطابق با مجوز مربوطه انجام شده باشد، شرایط و حدود آن. (ii) اگر حمل و نقل و فروش این محصولات جنگلی از رویه قانونی مربوطه پیروی کند (هیچ تناقض یا شواهدی دال بر تقلب وجود نداشته باشد)، و چوب به طور مؤثر به گیرنده آگاه تحویل داده شود. و (iii) یا اگر از طرف دیگر چنین داده‌هایی به همراه اطلاعات مکانی تحلیل شوند،جدول 4 رتبه بندی فراوانی را بر اساس معیارهایی که قبلا در جدول 2 توضیح داده شده است نشان می دهد .
با توجه به ارزیابی تقلب احتمالی در موجودی‌های جنگل، لازم به ذکر است که در طول کار تجزیه و تحلیل، می‌توان نشان داد که داده‌های حجمی موجود در موجودی‌های جنگل (و بنابراین داده‌های حجمی چوب عرضه‌شده از طریق SisDOF) انتظار می رود با مدل ریاضی معروف به قانون بنفورد [ 51 ] مطابقت داشته باشد، که مدت هاست برای کشف تقلب های اقتصادی و مالی استفاده می شود.
تجزیه و تحلیل، که با استفاده از داده‌های موجودی‌های رسمی جنگل در سراسر مزورژون جنوبی آمازوناس انجام شد، نشان داد که این مدل می‌تواند برای مجموعه داده‌های حجمی زیر اعمال شود: (i) حجم کل (بر اساس گونه یا در هکتار). (ii) تعداد نمونه ها (کل در هر گونه یا در هکتار). و (iii) مجموع قطر در ارتفاع سینه (DBH) مقادیر تمام نمونه ها، بر اساس گونه.
همچنین مشخص شد که داده‌های حجمی معامله شده در ایالت آمازوناس Tabebuia serratifolia (ipê)، گونه‌ای که به دلیل ارزش تجاری بالای آن به طور تقلبی در فهرست جنگل‌ها بیش از حد برآورد شده است [ 12 ]، با بنفورد مطابقت ندارد. قانون این مشاهدات اهمیت روش مورد استفاده در این تحقیق را تقویت می کند و دامنه جدیدی از احتمالات را برای تحقق مدیریت واقعاً پایدار در آمازون برزیل باز می کند.
با این وجود، ما آگاه هستیم که تحلیل‌ها و نتایج به‌دست‌آمده در اینجا دارای محدودیت‌هایی هستند، به‌ویژه مواردی که مربوط به وضوح فضایی پایین تصاویر ماهواره‌ای استفاده‌شده و حضور مکرر ابرها در منطقه است. با این حال، چنین محدودیت‌هایی منحصراً به گزینه استفاده از تصاویر در دسترس عموم اشاره دارد و نه محدودیت‌های خاص روش GEOINT به کار گرفته شده، که می‌تواند به راحتی با به دست آوردن تصاویری با وضوح فضایی بالاتر و تصاویر تولید شده توسط رادارها غلبه کند.

6. نتیجه گیری

تجزیه و تحلیل ترکیبی داده‌های مکانی و غیرمکانی امکان درک بهتر زمینه هر PMFS را فراهم می‌کند، به‌ویژه به عنوان شواهدی از معاملات شبیه‌سازی‌شده برای قانونی کردن محصولات جنگلی استخراج‌شده به‌طور غیرقانونی از مناطق دیگر. تصاویر با وضوح پایین/متوسط ​​می‌توانند برای شناسایی زیرساخت‌های ثبت انتخابی (جاده‌های دسترسی و محوطه‌های ذخیره‌سازی) استفاده شوند. مواد وثیقه در درک تصاویر و زمینه اطلاعات مکانی و همچنین در رسیدن به نتایج قوی در مورد قانونی بودن فعالیت‌های جنگلداری در یک منطقه خاص اهمیت بالایی دارد. ابزارهای هوش تجاری برای تجزیه و تحلیل و پردازش مقدار زیادی از مواد وثیقه با ارزش هستند، زیرا امکان تولید سریعتر نتایج را فراهم می کنند، زیرا آنها الگوهای پنهان در داده ها را کشف می کنند.

منابع

  1. Instituto Nacional de Pesquisas Espaciais (INPE). Divisão de Geração de Imagens. در دسترس آنلاین: https://www.dgi.inpe.br (در 20 ژانویه 2020 قابل دسترسی است).
  2. Instituto do Homem e Meio Ambiente da Amazônia. Mercado e Preços da Madeira Amazônica ; Imazon: Belém، برزیل، 2010. [ Google Scholar ]
  3. پونتس، RV; نورونها، ام سی؛ پونتس، KR Desflorestamento no sul do Amazonas: Embate entre o desenvolvimento econômico ea conservação ambiental. صبح. Res. افکار 2015 ، 1 ، 1551-1570. [ Google Scholar ]
  4. Codigo Florestal Brasileiro. لی فدرال شماره 12.651/2012. در دسترس آنلاین: https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2012/lei/l12651.htm (در 12 دسامبر 2019 قابل دسترسی است).
  5. ترنپول، سی. Trennepohl, T. Licenciamento Ambiental , 7th ed.; Revista dos Tribunais: سائوپائولو، برزیل، 2018. [ Google Scholar ]
  6. Perazzoni, F. Criminalidade Ambiental Organizada: O Desmate Ilegal em Mato Grosso ; Fórum Nacional de Segurança Pública: سائوپائولو، برزیل، 2009. [ Google Scholar ]
  7. Perazzoni، F. Amazonia، جنایات سازمان یافته و جنگل زدایی غیرقانونی: بهترین روش ها برای حفاظت از آمازون برزیل. در قرن بیست و یکم مبارزه برای آمازون: اجرای محیط زیست در بزرگترین جنگل بارانی جهان . اونگار، م.، اد. پالگریو مک میلان: نیویورک، نیویورک، ایالات متحده آمریکا، 2018؛ صص 21-56. [ Google Scholar ]
  8. Instituto Brasileiro do Meio Ambiente e Recursos Naturais Renováveis. IBAMA. Documento de Origem Florestal (DOF) ; Ministério do Meio Ambiente: برازیلیا، برزیل. در دسترس آنلاین: https://www.ibama.gov.br/flora-e-madeira/dof/o-que-e-dof (در 20 ژانویه 2020 قابل دسترسی است).
  9. Perazzoni، F. Curso de Combate a Crimes Contra a Flora. Divisão de Repressão aos Crimes Ambientais e Contra o Patrimônio Histórico, Polícia Federal ; Academia Nacional de Polícia: Brasília، برزیل، 2012. [ Google Scholar ]
  10. Perazzoni, F. Geointeligência no Combate ao Desmatamento ilegal na Amazônia: Polícia Federal e Sistemas de Informação Geográfica ; نوریا فابریس: پورتو آلگره، برزیل، 2014. [ Google Scholar ]
  11. Arruda، RM Crime Contra a Flora: Quando a Ofensa Evolui، a Investigação Também Precisa Evoluir. مونوگراف ; برنامه تحصیلات تکمیلی در تحقیقات جنایی، Escola Superior de Polícia، Ministério da Justiça: Brasília، برزیل، 2014. [ Google Scholar ]
  12. Brancalion، PH; آلمیدا، DR. ویدال، ای. مولین، پی جی; سونتاگ، وی. سوزا، SE; Schulze، MD ورود قانونی جعلی در آمازون برزیل. علمی Adv. 2018 ، 4 . [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  13. صلح سبز. درختان خیالی، تخریب واقعی. چگونه تقلب در صدور مجوز و قطع غیرقانونی درختان Ipe باعث آسیب جبران ناپذیر به جنگل های آمازون می شود. 2018. در دسترس آنلاین: https://www.greenpeace.org.br/hubfs/Greenpeace_Report_Imaginary_Trees_Real_Destruction_March_2018.pdf (در 20 ژانویه 2020 قابل دسترسی است).
  14. دیتمار، اچ. Perazzoni، F. Desmatamento Ilegal na mira da Polícia Federal. Perícia Federal 2011 ، 28 ، 19-22. [ Google Scholar ]
  15. استون، تی. Lefebvre, P. استفاده از داده های ماهواره ای چند زمانی برای ارزیابی ورود انتخابی در Para، برزیل. بین المللی J. Remote Sens. 1998 , 19 , 2517-2526. [ Google Scholar ] [ CrossRef ]
  16. آژانس ملی اطلاعات جغرافیایی (NGA). دکترین پایه سیستم ملی اطلاعات مکانی (GEOINT) ; آژانس اطلاعات مکانی ملی: اسپرینگفیلد، MA، ایالات متحده آمریکا، 2006. موجود به صورت آنلاین: https://www.fas.org/irp/agency/nga/doctrine.pdf (در 20 ژانویه 2020 قابل دسترسی است).
  17. Conselho Estadual de Meio Ambiente do Estado do Amazonas (CEMAN). Resolução N.º 30 de 31 de Outubro de. 2018. در دسترس آنلاین: https://meioambiente.am.gov.br/wp-content/uploads/2018/02/30.-RESOLUÇÃO-N°-30-PMFS.pdf (در 12 دسامبر 2019 قابل دسترسی است).
  18. سوزا، سی، جونیور؛ Barreto, P. یک رویکرد جایگزین برای شناسایی و نظارت بر جنگل های انتخابی ثبت شده در آمازون. بین المللی J. Remote Sens. 2000 , 21 , 173-179. [ Google Scholar ] [ CrossRef ]
  19. آسنر، جی. کلر، ام. پریرا، آر. Zweede، J. سنجش از راه دور ورود به سیستم انتخابی در Amazonia ارزیابی محدودیت ها بر اساس مشاهدات میدانی دقیق، Landsat ETM+، و تجزیه و تحلیل بافت. سنسور از راه دور محیط. 2002 ، 80 ، 483-496. [ Google Scholar ] [ CrossRef ]
  20. آسنر، جی. کنپ، دی. برودبنت، ای. اولیویرا، پی. کلر، ام. Silva, N. ورود انتخابی در آمازون برزیل. Science 2005 ، 310 ، 480-482. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  21. Graça، PA; سانتوس، جی آر. Soares, JV Desenvolvimento metodológico para detecção e mapeamento de áreas florestais sob exploração madeireira: Estudo de caso, região norte do Mato Grosso. در مجموعه مقالات Anais XII Simpósio Brasileiro de Sensoriamento Remoto INPE، Goiânia، برزیل، 16-21 آوریل 2005; صص 1555-1562. [ Google Scholar ]
  22. مونتیرو، آ. Souza, C., Jr. Imagens de Satélite Para Avaliar Planos de Manejo Florestal ; Imazon: Belém، برزیل، 2006. [ Google Scholar ]
  23. مونتیرو، آ. Souza, C., Jr. عکس‌های نیمه‌فریکا برای نظارت بر کیفیت گل و گیاه در آمازونیا قانونی. در مجموعه مقالات Anais XVI Simpósio Brasileiro de Sensoriamento Remoto، INPE، ناتال، برزیل، 25-30 آوریل 2009. صفحات 6013–6020. [ Google Scholar ]
  24. Cardoso، GF; کاستا، جی. ویانا، JS؛ Tancredo, NS Uso de Imagens NDFI para Identificar Áreas de Exploração Irregular de Madeira em Ações de Fiscalização. در مجموعه مقالات Anais do XV Simpósio Brasileiro de Sensoriamento Remoto، INPE، کوریتیبا، برزیل، 30 آوریل تا 04 مه 2011; صص 2856-2862. [ Google Scholar ]
  25. Dittmar, H. Aplicação do Índice de Vegetação por Diferença Normalizada (NDVI) em estudos de caracterização da vegetação. پریشیا فدرال رزرو 2013 ، 31 ، 41-46. [ Google Scholar ]
  26. Pinage، ER; Matricardi، ET Detecção da Infraestrutura para Exploração Florestal em Rondonia Utilizando Dados de Sensoriamento Remoto. Floresta E Ambiente 2015 ، 22 ، 377–390. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. Pantoja، NV; هیگوچی، ن. d’ Oliveira, MN Detecção da exploração madeireira a partir de imagens Landsat e dados LiDAR no Sudoeste da Amazônia. در مجموعه مقالات هجدهم Simpósio Brasileiro de Sensoriamento Remoto، سانتوس، برزیل، 28 تا 31 مه 2017. [ Google Scholar ]
  28. Associação de Polícias das Américas. Geoteligência بدون مبارزه با جرم و جنایت محیطی: O Projeto GAGEo da Polícia Federal do Brasil. در بوئناس پراتیکاس ؛ AMERIPOL: بوگوتا، کلمبیا، 2015. [ Google Scholar ]
  29. Pereira، BM Uso de Geointeligência como ferramenta de investigação، pela Polícia Federal، nos crimes de desmatamento. سوتین کشیش. De Ciências Polic. 2017 ، 8 ، 63-97. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. سازمان زمین شناسی ایالات متحده (USGS). کاوشگر زمین. در دسترس آنلاین: https://earthexplorer.usgs.gov/ (دسترسی در 20 ژانویه 2019).
  31. Instituto de Proteção Ambiental do Amazonas (IPAAM). پایگاه جغرافیایی چند ضلعی های برنامه ریزی مدیریت جنگلداری پایدار (PMFS) در ایالت آمازوناس . IPAAM: Manaus، برزیل، 2017. [ Google Scholar ]
  32. Fundação Nacional do Índio (FUNAI). Shapefile سرزمین های بومی برزیل ; Ministério da Justiça: برازیلیا، برزیل. در دسترس آنلاین: https://www.funai.gov.br/index.php/shape (در 12 فوریه 2019 قابل دسترسی است).
  33. Instituto Chico Mendes de Biodiversidade (ICMBIO). Shapefile واحدهای حفاظت از برزیل ; Ministério do Meio Ambiente: برازیلیا، برزیل. در دسترس آنلاین: https://www.icmbio.gov.br/portal/images/stories/servicos/geoprocessamento/DCOL/dados_vetoriais/UC_fed_julho_2019.zip (در 12 فوریه 2019 قابل دسترسی است).
  34. مؤسسه جغرافیایی و استاتیکی برازیلیرو (IBGE). Geociências. در دسترس آنلاین: https://www.ibge.gov.br/geociencias/downloads-geociencias.html (در 12 فوریه 2019 قابل دسترسی است).
  35. Instituto Nacional de Colonização e Reforma Agrária (INCRA). آسروو فوندیاریو. Shapefile مناطقی که برای اصلاحات ارضی تعیین شده است. در دسترس آنلاین: https://acervofundiario.incra.gov.br/acervo/acv.php (در 11 ژانویه 2019 قابل دسترسی است).
  36. Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis ​​(IBAMA). گزارش های بازرسی در مناطق مدیریت جنگلداری. ژانویه/01/2014 تا آگوست/21/2018 ; Ministério do Meio Ambiente: برازیلیا، برزیل، 2018.
  37. پولیس فدرال دو برزیل گزارش های پزشکی قانونی در مورد مناطق مدیریت جنگل. ژانویه/200 تا آگوست/2017 ؛ Ministério da Justiça: برازیلیا، برزیل، 2012.
  38. مؤسسه جغرافیایی و استاتیکی برازیلیرو (IBGE). Banco de Informações Ambientais. Projeto RADAM برزیل. در دسترس آنلاین: Ftp://geoftp.ibge.gov.br/informacoes_ambientais/vegetacao/vetores/escala_1000_mil_radambrasil/ (در 12 فوریه 2020 قابل دسترسی است).
  39. Instituto Brasileiro do Meio Ambiente e Recursos Naturais Renováveis ​​(IBAMA). داده های تحریم و جریمه های اداری ژانویه/1996 تا دسامبر/2017 ; Ministério do Meio Ambiente: برازیلیا، برزیل، 2018. در دسترس آنلاین: https://servicos.ibama.gov.br/ctf/publico/areasembargadas/ConsultaPublicaAreasEmbargadas.php (در 12 دسامبر 2019 قابل دسترسی است).
  40. Secretaria de Trabalho (STME). داده های جریمه های اداری وزارت اقتصاد: برازیلیا، برزیل، 2019. در دسترس آنلاین: https://cdcit.mte.gov.br/inter/cdcit/emitir.seam (در 12 دسامبر 2019 قابل دسترسی است).
  41. Instituto Brasileiro do Meio Ambiente e Recursos Naturais Renováveis ​​(IBAMA). وسایل نقلیه مجاز برای حمل و نقل محصولات جنگلی در آمازون و ظرفیت حمل آنها . Ministério do Meio Ambiente: برازیلیا، برزیل، 2019.
  42. Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis ​​(IBAMA). Sistema de Controle do Documento de Origem Florestal (SisDOF). داده های تجارت در SisDOF برای ایالت آمازوناس. ژانویه/01/2014 تا آگوست/21/2018 ; Ministério do Meio Ambiente: برازیلیا، برزیل، 2018.
  43. کاهنر، ال. هوش رقابتی: چگونه اطلاعات را جمع آوری، تجزیه و تحلیل و استفاده کنیم تا کسب و کار خود را به بالاترین سطح برسانیم . سنگ محک: نیویورک، نیویورک، ایالات متحده آمریکا، 1997. [ Google Scholar ]
  44. Meillón, S. اطلاعات مکانی و سیستم های اطلاعات مکانی ; NPS-Naval Postgraduation School: Monterey, CA, USA, 2008. [ Google Scholar ]
  45. شورای نگهبان جنگل. FSC. در دسترس آنلاین: https://www.fsc.org (در 20 ژانویه 2019 قابل دسترسی است).
  46. Mil Madeiras Ltd. Projeto do Plano de Manejo da Mil Madeiras ; Mil Madeiras: Itacoatiara، برزیل، 2018. [ Google Scholar ]
  47. Clay، JW; آمارال، ص مادیرا استوایی sstentável de florestas naturais: O caso da Precious Woods. در Esverdeando a Amazônia ; IIEB: سائوپائولو، برزیل، 2002; صص 163-191. [ Google Scholar ]
  48. فرانکا، RR; Mendonça، FA A Pluviosidade na Amazônia Meridional: Variabilidade e Teleconexões Extra-Regionais. Confins، 29. 2016. در دسترس آنلاین: https://journals.openedition.org/confins/11580 (در 20 ژانویه 2019 قابل دسترسی است). [ CrossRef ]
  49. فیدلیس، ال آر. دیتمار، اچ. گزارش پزشکی قانونی شماره 120/2016-SR/PF/MA. پلیس فدرال برزیل ؛ Setor Técnico Científico da Polícia Federal: سائو لوئیس، برزیل، 2016. [ Google Scholar ]
  50. Silva, ZA Raio Econômico como um Indicativo for a Definição de Concessões Florestais: Um Estudo de Caso no Estado do Acre ; II Prêmio Serviço Florestal Brasileiro em Estudos de Economia e Mercado Florestal: Brasília، برزیل، 2015. [ Google Scholar ]
  51. بنفورد، اف. قانون اعداد غیرعادی. Proc. صبح. فیلوس Soc. 1938 ، 78 ، 551-572. [ Google Scholar ]
  52. موسسه علمی کارنگی نرم افزار CLASlite. 2013. در دسترس آنلاین: https://claslite.carnegiescience.edu/en/about/software.html (در 2 سپتامبر 2019 قابل دسترسی است).
  53. Asner, GP منابع بیوفیزیکی و بیوشیمیایی تنوع در بازتاب تاج پوشش. سنسور از راه دور محیط. 1998 ، 64 ، 234-253. [ Google Scholar ] [ CrossRef ]
  54. Rouse, JW; هاس، RH; شل، JA; Deering، DW نظارت بر سیستم های پوشش گیاهی در دشت های بزرگ با ERTS. در مجموعه مقالات سومین سمپوزیوم ERTS، SP351 مرکز پرواز فضایی گودارد، واشنگتن، دی سی، ایالات متحده آمریکا، 10-14 دسامبر 1973. صص 309-317. [ Google Scholar ]
  55. Shimabukuro، YE تصاویر سایه مشتق شده از مدل های اختلاط خطی اندازه گیری های چند طیفی مناطق جنگلی. Ph.D. پایان نامه، دانشگاه ایالتی کلرادو، فورت کالینز، CO، ایالات متحده آمریکا، 1987. [ Google Scholar ]
  56. میلر، برنامه SJ Excel برای تست Benfordness. 2015. در دسترس آنلاین: https://web.williams.edu/Mathematics/sjmiller/public_html/benford/chapter01/MillerNigrini_ExcelBenfordTester_Ver401.xlsx (در 20 فوریه 2020 قابل دسترسی است).
  57. Hales، DN; سریدهران، وی. راداکریشنان، ع. چاکراورتی، اس اس. Siha، SM آزمایش دقت داده های گزارش شده توسط کارکنان: یک رویکرد جایگزین ارزان قیمت برای روش های سنتی. یورو جی. اوپر. Res. 2008 ، 189 ، 583-589. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. نیگرینی، ام. یک برنامه انطباق مالیات دهندگان از قانون بنفورد. مربا. مالیات. دانشیار 1996 ، 1 ، 72-91. [ Google Scholar ]
  59. Amaral, F. Introdução à Ciência de Dados: Mineração de dados e Big Data ; کتاب‌های آلتا: ریودوژانیرو، برزیل، 2016. [ Google Scholar ]
  60. Newcomb, S. یادداشت در مورد فراوانی استفاده از ارقام مختلف در اعداد طبیعی. صبح. جی. ریاضی. 1881 ، 4 ، 39-40. در دسترس آنلاین: https://www.uvm.edu/pdodds/files/papers/others/1881/newcomb1881a.pdf (در 4 فوریه 2020 قابل دسترسی است). [ CrossRef ][ نسخه سبز ]
Ijgi 09 00398 g001 550
شکل 1. طرح کلی فرآیند قانونی تجارت چوب در برزیل.
Ijgi 09 00398 g002 550
شکل 2. طرح کلی جنگلداری غیرقانونی در برزیل (اقتباس از [ 6 ، 9 ]).
Ijgi 09 00398 g003 550
شکل 3. اجزای GEOINT (اقتباس از [ 16 ]).
Ijgi 09 00398 g004 550
شکل 4. نمودار جریان روش.
Ijgi 09 00398 g005 550
شکل 5. واحدهای تولید استاندارد Plano de Manejo Florestal (PMFS) (داده های [ 46 ]).
Ijgi 09 00398 g006 550
شکل 6. اطلاعات کلی در مورد Mesorregião Sul do Amazonas (MSA) [داده های 42]. ( الف ) مکان، ( ب ) حجم مبادله در سال، ( ج ) مقایسه ایالت آمازوناس در مقابل MSA، ( د ) منشاء تولید الوار در MSA.
Ijgi 09 00398 g007 550
شکل 7. مروری بر MSA و PMFS دارای مجوز در سال های 2014-2018. مستطیل های زرد مناطق اصلی غلظت PMFS را نشان می دهند.
Ijgi 09 00398 g008 550
شکل 8. داشبورد برای داده های غیر مکانی (اصلی به زبان پرتغالی).
Ijgi 09 00398 g009 550
شکل 9. توزیع ارقام اول طبق قانون بنفورد.
Ijgi 09 00398 g010a 550 Ijgi 09 00398 g010b 550
شکل 10. حجم چوب به دست آمده از طریق SisDOF و RADAM در مقابل قانون بنفورد. ( الف ) همه تراکنش‌ها در ایالت آمازوناس در SisDOF (2014–2018)، ( ب ) داده‌های RADAM برای MSA (متر 3 در هکتار)، ( ج ) داده‌های RADAM برای MSA (حجم/ گونه کل).
Ijgi 09 00398 g011 550
شکل 11. داده های تجاری SisDOF Allantoma lineata (2014-2018) در مقابل قانون بنفورد.
Ijgi 09 00398 g012 550
شکل 12. داده های تجاری SisDOF Tabebuia serratifolia (2014-2018) در مقابل قانون بنفورد.
Ijgi 09 00398 g013 550
شکل 13. نمای کلی PMFS استاندارد و مناطق نزدیک حفاظت شده.
Ijgi 09 00398 g014 550
شکل 14. نمای کلی MSA. دایره های سیاه مربوط به همپوشانی PMFS با مناطق حفاظت شده است.
Ijgi 09 00398 g015 550
شکل 15. وجود حیاط ها و جاده های ذخیره سازی در طول ورود به سیستم انتخابی (NDVI) در داخل چند ضلعی های قرمز رنگ که نشان دهنده استاندارد PMFS و واحدهای تولید سالانه آن است. ( الف ) نوار مقیاس: 8 کیلومتر، ( ب ) نوار مقیاس: 3 کیلومتر.
Ijgi 09 00398 g016 550
شکل 16. فقدان کامل زیرساخت و نشانه های ورود به سیستم انتخابی (NDVI) در داخل چند ضلعی قرمز نشان دهنده PMFS (FID 1791). ( الف ) نوار مقیاس: 8 کیلومتر، ( ب ) نوار مقیاس: 3 کیلومتر.
Ijgi 09 00398 g017 550
شکل 17. فلش های قرمز به جنگل زدایی (مناطق قرمز) اشاره می کنند که در APP استاندارد PMFS (چند ضلعی های چین دار) بین سال های 1993 و 2004 (MCTU) رخ داده است.
Ijgi 09 00398 g018 550
شکل 18. جنگل زدایی در PMFS (FID 3364). در داخل و اطراف چند ضلعی نقطه چین مربوط به حدود PMFS، رنگ قرمز مایل به غلبه، با شکل منظم و بافت صاف، سازگار با خاک لخت وجود دارد.
Ijgi 09 00398 g019 550
شکل 19. مستطیل های زرد نشان دهنده وجود حیاط ها، جاده ها و علائم برش انتخابی (NDVI) در داخل سه PMFS (چند ضلعی های قرمز-FIDs 4888، 2987 و 4191) بین آگوست/2011 (a) و آگوست/2013 ( b )، با وجود SisDOF هستند. معاملات فقط در ژوئن/2014 شروع می شود.
Ijgi 09 00398 g020 550
شکل 20. بهره برداری در منطقه بین 2016 ( b )، 2017 ( c ) و 2018 ( d )، پس از آخرین شماره DOF در سال 2015 ( a ). دایره های زرد قسمت هایی از برش انتخابی را در داخل و اطراف چند ضلعی PMFS به رنگ قرمز نشان می دهد (FID 4572).
Ijgi 09 00398 g021 550
شکل 21. دایره های زرد نواحی کاوش شده خارج از چند ضلعی مجاز PMFS (به رنگ قرمز) را مشخص می کنند. ( الف ) NDVI-2009 (~1 هکتار)، ( ب ) NDVI-2016 (~3 هکتار).
Ijgi 09 00398 g022 550
شکل 22. بهره برداری در خارج از محدوده چند ضلعی انجام شده است. دایره های زرد مناطقی را که خارج از چند ضلعی مجاز PMFS کاوش شده اند را با رنگ قرمز مشخص می کنند (FIDs 4888، 2987، و 4191).
Ijgi 09 00398 g023 550
شکل 23. حجم ماهانه فروخته شده توسط FID 4999 ( a ) و 4936 ( b ).
Ijgi 09 00398 g024 550
شکل 24. گونه های اصلی فروخته شده توسط FID 3662 و قیمت های آن.
Ijgi 09 00398 g025 550
شکل 25. سرعت حمل و نقل (FID 4034).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید