O método proposto é uma heurística para identificar o melhor fator de segmentação para as regiões de interesse quando aplicado o algoritmo Multiresolution, portanto, não apresentamos uma prova formal de seu funcionamento em absolutamente todas as situações. Neste sentido, apresentamos alguns exemplos nos quais o método se mostrou válido. Intuitivamente, quando o segmento passa a agregar regiões muito diferentes, a variabilidade diminui e a dispersão das médias dos segmentos também. Este fato faz com que a curva PM passe a apresentar valores menores, na medida que o valor de sp é incrementado e aplicado em B.
Caso o valor inicial para PM seja superior ao valor máximo da janela de avaliação, o ponto para o qual o gráfico apresenta o ponto no eixo sp do primeiro mínimo para a curva PM pode ser utilizado como fator espacial inicial para a área atual.
O cálculo do variograma para cada camada é computacionalmente custoso (O(n2)). Dependendo do tamanho da área avaliada, a identificação do parâmetro sp pode demorar para convergir. O emprego de técnicas de processamento paralelo pode ser de grande ajuda neste sentido, tando para o segmentador, quanto para o cálculo do variograma.
Para exemplificar a aplicabilidade do método proposto, no Capítulo 4 foram a apresentados 3 casos: a definição de Zonas de Manejo Agrícola, a seleção de regiões para amostragem em estudos de biodiversidade aplicados ao problema de avaliação da degradação ambiental de anuros na Mata Atlântica, e a identificação das regiões bioclimáticas que compõem uma Unidade de Conservação da biodiversidade aplicada a UC da Serra da Canastra, em Minas Gerais.
Para o problema de definição de Zonas de Manejo (seção4.1), o método apresentou o comportamento previsto, ou seja, um valor máximo para a avaliação da curva PM que identifica o valor do parâmetro espacial ótimo (spopt) que deve ser utilizado no segmentador, como pode ser verificado na seção 4.1.3. Nesta seção também foram comparados os resultados dos mapas obtidos com a aplicação do algoritmo k-means. O mapa resultante da aplicação do método proposto apresenta como vantagem não apresentar pequenas “ilhas” na definição dos segmentos, além de delinear fenômenos espaciais que, de outro modo, poderiam ser mascarados pelo critério de escolha do número de agrupamentos para o
k-means.
No problema de avaliação de degradação ambiental para anuros na Mata Atlântica (seção 4.2), mostramos que o método permite a seleção de regiões que representam uma parte do Nicho Fundamental sobreposto para as espécies analisadas. Apresentamos, por meio dos gráficos para os dados analisados via PCA, que os fatores predominantes em cada região permitem separar os ambientes que, apesar de pertencerem ao mesmo bioma, apresentam características distintas. A separabilidade dos ambientes são fatores que podem auxiliar na identificação das características principais para cada região, o que pode ser relevante principalmente se consideradas as espécies endêmicas que vivem na Mata Atlântica. Assim, as regiões selecionadas podem ser consideradas como bioclimaticamente importantes para as espécies, de modo que as estimativas obtidas para os segmentos selecionados podem ajudar a evidenciar os fatores de maior impacto para as espécies em questão. Ressaltamos que, neste exemplo, os valores ótimos para cada ponto foram obtidos por motivos de verificação da validade do método. Como no exemplo buscava-se o valor mínimo comum para sp, qualquer ponto que apresentasse valor superior ao mínimo previamente registado poderia ter sua avaliação interrompida. Neste caso o valor para todos seria calculado enquanto não ultrapassasse o mínimo registrado, valendo para o conjunto de pontos o menor valor de sp obtido. Esta pode ser uma das estratégias adotadas para se diminuir o tempo de processamento.
Para o último estudo de caso, mostramos como identificar a extensão das regiões bioclimáticas para a UC do Parque Nacional da Serra da Canastra (seção 4.3). O exemplo mostrou como os segmentos podem auxiliar na tomada de decisão na seleção de regiões dos quais a preservação ou degradação podem impactar diretamente na biodiversidade local. Procuramos mostrar que nem sempre os critérios de divisão política estabelecidos, a seleção de regiões para proteção ou de prioridade de ação, consideram o bioclima, que pode ser um aspecto importante para as espécies que vivem nestas regiões. Pode-se perceber, sem nenhuma análise por especialista, que os rios exercem uma grande influência no clima local, pois diversos segmentos os englobam. Também é possível notar que as regiões com perímetro urbano são englobadas em segmentos, o que evidencia o impacto das cidades no clima local.
Ainda sobre o teste na UC, é importante salientar que não foram utilizados dados de altitude, o que poderia favorecer o contorno de rios e outros acidentes geográficos naturais. No exemplo, foram selecionados apenas os segmentos que apresentavam alguma sobreposição com a área legal da UC. Caso tivéssemos considerado a região de amorteci- mento, mais segmentos teriam sido selecionados. Também é importante destacar que o método não procura substituir os critérios utilizados para delimitar uma UC, mas servir de ferramenta que possa complementar a análise ou auxiliar no estabelecimento de políticas de ações afirmativas, fornecendo a indicação de áreas prioritárias para o estabelecimento
de programas de valorização dos serviços ambientais (HUSSAIN; MILLER, 2014) para a preservação da biodiversidade e recursos naturais locais integrados à comunidade local.