Titelaufnahme

Titel
Land-use change modeling in the Brazilian Amazon - Exploring the impact of environmental factors / Thomas Piribauer
VerfasserPiribauer, Thomas
Begutachter / BegutachterinFrank, Andrew ; Aguiar, Ana Paula ; Câmara, Gilberto
Erschienen2010
UmfangVII, 90 Bl. : graph. Darst., Kt.
HochschulschriftWien, Techn. Univ., Dipl.-Arb., 2010
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)LUCC / Landnutzungsveränderungen / Amazonas / Potentielles Vegetationsmodell / Wasserbilanzmodell
Schlagwörter (EN)LUCC / land-use change modeling / Amazon / potential vegetation model / water balance model
URNurn:nbn:at:at-ubtuw:1-45381 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Land-use change modeling in the Brazilian Amazon - Exploring the impact of environmental factors [7.14 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Der Amazonas-Regenwald ist der größte tropische Regenwald der Welt mit einer Größe von circa 5.5 Millionen km2. In den letzten Jahrzehnten wurde der Amazonas-Regenwald massivem Druck durch den Menschen ausgesetzt.

Um den menschlichen Einfluss auf tropische Wälder zu kontrollieren und wichtige Ökosystemdienstleistungen zu erhalten, besteht die Notwendigkeit anthropogene Entwicklungen in tropischen Regionen zu verstehen. Land-Use and Land-Cover Change (LUCC) Modelle wurden für diesen Zweck entwickelt. Statistische Modelle, welche als Grundlage für LUCC-Modelle dienen können, spiegeln Verbindungen zwischen unterschiedlichen landnutzungsbestimmenden Faktoren und Landnutzungsklassen wider. Weiters ist das Zusammenspiel zwischen Landnutzungsveränderungen und lokalem und globalem Klima von großer Bedeutung.

Mit dieser Arbeit soll ein Schritt in Richtung Kopplung von Klima- und LUCC-Modellen gemacht werden, um die Repräsentation der komplexen bi-direktionalen Interaktionen zwischen diesen Wissensgebieten zu verbessern. Für diesen Zweck wurden ein Potentielles Vegetations Modell (CPTEC-PVM) und das dazugehörige Wasserhaushaltsmodell in derselben Modellierungsumgebung (TerraME) wie ein auf verschiedenen Maßstäben basierendes, räumlich-explizites, dynamisches LUCC-Modell (AmazonClueINPE) implementiert. Der Einfluss von hydrologischen und weiteren Umweltfaktoren auf die, durch den Menschen beeinflusste, räumliche Entwicklung des brasilianischen Amazonasgebiets wurde untersucht um statistische Modelle zu erstellen. Diese Modelle sollten dazu dienen die räumlichen Abholzung- und Landnutzungsstrukturen zu rekonstruieren.

Die wissenschaftliche Frage dieser Diplomarbeit ist daher zu verstehen wie hydrologische Faktoren von einem Wasserhaushaltsmodell in Verbindung mit weiteren Umweltfaktoren, wie Hangneigung und Geländehöhe, helfen können um Landnutzungsveränderungen im Amazonasgebiet zu prognostizieren und den Aufbau von gekoppelten Klima-LUCC Modellen in der Zukunft zu erleichtern.

Die Resultate der statistischen Analyse zeigten die Aussagekraft einiger hydrologischer und umweltbedingter Faktoren um temporäre Landwirtschaft und Weideland im Untersuchungsmaßstab zu unterscheiden. Jedoch konnte auf Basis der Ergebnisse der dynamischen Modellierung keine Verbesserung ausschließlich aufgrund dieser Faktoren festgestellt werden. Die Resultate waren, bedingt durch den größeren Einfluss anderer bestimmender Faktoren, ähnlich. Diese betrafen hauptsächlich die Konnektivität und Erreichbarkeit.

Dennoch wird erwartet, dass die Integration von hydrologischen und bio-physikalischen Faktoren eine sinnvolle Ergänzung im angewandten Modellierungsverfahren ist, um Landnutzungsveränderungen zu untersuchen.

Weiters liefert die Implementierung des Potentiellen Vegetation Modells und des dazugehörigen Wasserhaushaltsmodell in der TerraME Modellierungsumgebung neue Möglichkeiten um die Interaktion zwischen Klima-, Vegetations- und LUCC-Modellen zu erforschen.

Zusammenfassung (Englisch)

The Amazon rainforest is the largest tropical rainforest in the world with an extent of approximately 5.5 million km2. In the last decades the Amazon rainforest has been under increasing human pressure.

Understanding of anthropogenic actions and developments in tropical regions is essential to control human impact on tropical forests and to preserve important ecosystem services. Land-Use and Land-Cover Change (LUCC) Models have been developed to serve this purpose. Statistical models, which can provide the input for these models, reflect connections between different land-use determining factors and land-use types. Another important environmental issue is the interplay between land-use and land-cover changes and the local and global climate system.

This thesis can be seen as a step towards the coupling of climate and LUCC models to improve the representation of the complex bi-directional interactions between these domains. For this purpose a Potential Vegetation Model (CPTEC-PVM) and its corresponding Water Balance Model were implemented in the same modeling environment (TerraME) as a multi-scale, spatially-explicit dynamic LUCC model (AmazonClueINPE). The effect of hydrological and other environmental variables on the occupation process in the Brazilian Amazon was investigated to build statistical models that are capable of reproducing actual deforestation and land-use patterns.

Thus the scientific question of this thesis is to understand how such new environmental variables, derived from the Water Balance Model, in conjunction with additional environmental variables, such as slope and altimetry variables, can help to improve land-use change projections in the Amazon, facilitating the construction of coupled climate-LUCC integrated models in the future.

The statistical analysis results showed good explanatory power of some environmental variables to discriminate temporary crops from pasture patterns at the scale of analysis. However, on basis of the dynamic modeling results no improvement in the projected patterns of pasture and temporary crops was obtained solely considering the seasonality index or the altimetry and slope variables. Dynamic modeling results were similar, due to the larger impact of other determinant factors, mainly related to connectivity and accessibility.

Nevertheless integrating a combination of hydrological and biophysical data is thought to be a good and reasonable asset in the modeling approach to study land-use type conversions.

Furthermore the implementation of a Potential Vegetation Model and its corresponding Water Balance Model in the TerraME modeling environment opens new possibilities to study the interaction between climate, vegetation and LUCC models like the AmazonClueINPE model used in this thesis.