Análise de sobrevivência para avaliação dos processos demográficos de árvores da Mata Atlântica brasileira

Abstract

As florestas fornecem múltiplas funções e serviços ecossistêmicos, incluindo o fornecimento de bens por meio da produção primária, regulação do clima por meio do sequestro de carbono e serviços hidrológicos. Dentre as florestas tropicais brasileiras, a Mata Atlântica é considerada uma das mais importantes em termos de biodiversidade. No entanto, sofreu uma drástica redução da sua área devido a atividades antrópicas. Por tanto, identificar e entender os fatores que impulsionam a persistência dos ecossistemas florestais em meio às perturbações é essencial. O objetivo geral deste trabalho foi avaliar diferentes técnicas de análise de sobrevivência para modelar o efeito de covariáveis ambientais e antrópicas no desenvolvimento de fragmentos de Mata Atlântica. O trabalho foi dividido em três capítulos. No primeiro capítulo o objetivo foi avaliar a técnica de análise de sobrevivência intervalar para modelar o efeito de covariáveis ambientais no recrutamento e na mortalidade de árvores em fragmentos de Mata Atlântica. A metodologia avaliou com eficácia o efeito de covariáveis ambientais no recrutamento e na mortalidade de árvores em fragmentos de Mata Atlântica. No segundo capítulo avaliou-se a mortalidade individual de árvores de um fragmento de Mata Atlântica, por meio da técnica de análise de sobrevivência com dados discretos. Esta metodologia apresentou uma acurácia superior a 80% na avaliação da mortalidade de árvores na Mata Atlântica. No terceiro capítulo foi utilizada a abordagem de análise de sobrevivência, por meio de métodos de aprendizado de máquina, para estudar a mortalidade de árvores da Mata Atlântica, em função de covariáveis ambientais e antrópicas. A metodologia random survival forests apresentou os maiores valores de índice de concordância e menores valores do Brier-Score, sendo eficiente em avaliar a mortalidade individual de árvores nos fragmentos de Mata Atlântica. Os métodos aplicados neste estudo podem servir como ferramentas estratégicas para a tomada de decisões por gestores florestais, contribuindo para a conservação e manejo sustentável da Mata Atlântica. Palavras-chave: Dados censurados, Modelos paramétricos, Modelos de regressão discretos, Aprendizado de máquina, Florestas tropicais, Mortalidade, Recrutamento.Forests provide multiple ecosystem functions and services, including the provision of goods through primary production, climate regulation through carbon sequestration, and hydrological services. Among the Brazilian tropical forests, the Atlantic Forest is considered one of the most important in biodiversity. However, its area has been drastically reduced due to human activities. It is virtually impossible to isolate or measure, at the field scale, all the biotic and abiotic components that influence the development of a forest, making it essential to identify and understand the factors that drive the persistence of forest ecosystems amid disturbances. The overall objective of this work was to evaluate different survival analysis techniques to model the effect of environmental and anthropogenic covariates on the development of Atlantic Forest fragments. The work was divided into three chapters. The first chapter aimed to evaluate the interval survival analysis technique to model the effect of environmental covariates on tree recruitment and mortality in Atlantic Forest fragments. A methodology effectively evaluated the effect of environmental covariates on tree recruitment and mortality in fragments of the Atlantic Forest. The second chapter evaluated the individual mortality of trees in an Atlantic Forest fragment using the survival analysis technique with discrete data. This methodology showed an accuracy of over 80% in assessing tree mortality in the Atlantic Forest. The third chapter used a survival analysis approach using machine learning methods to study tree mortality in the Atlantic Forest as a function of environmental and anthropogenic covariates. The random forest survival methodology presented the highest concordance index values and the lowest Brier-Score values, being efficient in assessing individual tree mortality in Atlantic Forest fragments. The methods applied in this study can serve as strategic tools for managers' decision-making, contributing to forest conservation and sustainable management of the Atlantic Forest. Keywords: Censored data, Parametric models, Discrete regression models, Machine learning, Tropical forests, Mortality, Recruitment.