Os biomas antropogênicos (antromas)

Em se tratando de ferramentas utilizadas como suporte ao ordenamento territorial, tratadas precedentemente, os biomas antropogênicos, também denominados antromas na literatura, se destacam por associar características ambientais com o nível de antropização das áreas analisadas. Eles são enquadrados dentro das investigações realizadas pela Ecologia Humana, apresentando-se como um modelo socioecológico para estudos ambientais e modelos para o suporte referido (DANDOIS, OLANO & ELLIS, 2015; ELLIS, 2015; MAGLIOCCA et al., 2015; BUSCHBACHER, 2014; ELLIS, 2014; LÓPEZ-SANTIAGO, 2014; ELLIS, ANTILL & KREFT, 2012).

Figura 1: Enquadramento dos Antromas no Ordenamento Territorial.

Fonte: os autor (2020)

Os antromas já são aplicados a estudos ecossistêmicos em países norte-americanos, europeus e asiáticos. A definição e a caracterização destes setores ambientais auxiliam na compreensão das dinâmicas ambientais, principalmente no que tange aos efluxos e influxos produzidos em um antroma e direcionados a outros. Este conhecimento viabiliza uma compreensão mais complexa das áreas, tornando as medidas de ordenamento e planejamento territorial mais assertivas quando comparadas a outras que isolam informações correlatas (DANDOIS et al., 2017; MAGLIOCCA et al., 2015; MAGLIOCCA, BROWN & ELLIS, 2014; DANDOIS & ELLIS, 2013; ELLIS, 2013; PROSSER et al., 2011; JIAO et al., 2010; JIAO et al., 2010; RUDDIMAN & ELLIS, 2009; WU et al., 2009).

Segundo Ellis e Ramankutty (2008), os antromas são subdivisões dos biomas terrestres baseadas na interpolação entre homem e ambiente. Esta delimitação de áreas cria um gradiente ambiental próprio, fornecendo indicativos para estudos ecossistêmicos e socioecológicos. Os setores caracterizados pelos estudos de antromas são: áreas nativas, florestas, áreas pecuárias, áreas agricultáveis, periferia e centro urbano (ELLIS, 2015; ELLIS, 2014; ELLIS, 2013).

Figura 4: Processo para definição e caracterização dos antromas.

Fonte: imagem extraída de Ellis e Ramankutty (2008), tradução livre.

Adentrando as características dos biomas antropogênicos, por centro-urbano entende-se a área com maior concentração de pessoas (acima de 100 pessoas por km2) e maiores evidências de áreas construídas. Neste sentido, observa-se que, no que tange a efluxos, há uma maior taxa de emissão de dióxido de carbono e nitrogênio radioativo, sendo ambos associados à presença humana e à produção industrial. Além disso, atina-se para a produção primária líquida (PPL), a qual apresenta valor significativo; a PPL descreve a biomassa disponível para consumo, resultante da produção primária bruta menos a taxa respiratória dos organismos autótrofos. Deste modo, os níveis de PPL refletem a disponibilidade de insumos para a realização da fotossíntese, como por exemplo, os elevados níveis de dióxido de carbono. Em contrapartida, é neste antroma onde se encontra a menor biodiversidade nativa, pois nele o impacto da intervenção humana no meio natural é significativo (RICKLEFS & RELYEA, 2016; ELLIS, 2014; ELLIS et al., 2013; ELLIS, 2013; ELLIS & RAMANKUTTY, 2008).

No extremo oposto do gradiente encontra-se a mata nativa, identificada pela ausência da presença humana. Observa-se que nestas áreas não há uso dos solos descrito, pois o único uso é a manutenção da flora e fauna. Além disso, não é percebido nível representativo de nitrogênio radioativo, pois, sua presença está diretamente associada à produção agrícola, pecuária e industrial. Por outro lado, nestas áreas encontra-se a maior biodiversidade, variando a cobertura dos solos entre arbóreos, herbáceos e rasteiros ou nus, atentando-se para os domínios biogeográficos descritos na literatura. Complementarmente, vê-se que as emissões de carbono se apresentam negativas, uma vez que tudo que é produzido é consumido pelos organismos autótrofos através das vias metabólicas da fotossíntese (RICKLEFS & RELYEA, 2016; ELLIS, 2015; ELLIS, 2013; ELLIS & RAMANKUTTY, 2008).

No modelo conceitual de biomas antropogênicos ainda é possível verificar as características das áreas periféricas. Nelas a densidade demográfica encontra-se no intervalo entre 10-100 pessoas por km2, refletindo níveis significativos de emissões de dióxido de carbono e nitrogênio radioativo. A PPL estimada é descrita com valor similar ao dos centros-urbanos, enquanto a biodiversidade mostra-se significativamente introduzida (plantada) e de característica majoritariamente herbácea (RICKLEFS & RELYEA, 2016; ELLIS, 2014; ELLIS et al., 2013; ELLIS & RAMANKUTTY, 2008).

Suplementarmente, as áreas agricultáveis e áreas pecuárias são demarcadas por taxas menores de nitrogênio radioativo e emissões de carbono, quando comparadas ao centro urbano e à periferia. Nestes antromas, há pouca presença humana, menos de 1 indivíduo por km2. A biodiversidade tende a aumentar, entretanto há pouca mata nativa, caracterizada por espécies introduzidas para o cultivo e alimentação (RICKLEFS & RELYEA, 2016; ELLIS, 2014; ELLIS, 2013; ELLIS & RAMANKUTTY, 2008).

Finalmente, as florestas são áreas onde a biodiversidade nativa mistura-se com a introduzida. Também é evidente que as taxas de nitrogênio radioativo são significativamente baixas, enquanto as emissões de carbono passam a valores negativos, retomando o apresentado anteriormente sobre o processo fotossintético. Neste antroma há pouca interferência antrópica, com densidade demográfica de menos de 1 individuo por km2, e o uso dos solos é destinado a manutenção da floresta (RICKLEFS & RELYEA, 2016; ELLIS, 2015; ELLIS et al., 2013; ELLIS & RAMANKUTTY, 2008).

Apesar de todas as características elencadas pelos autores para cada antroma, apenas 2 aspectos são de extrema relevância para se realizar esta delimitação. De acordo com Ellis e Ramankutty (2008), densidade demográfica e uso e cobertura do solo são as características aplicáveis à definição dos antromas. Estes dados podem ser produzidos por meio de estudos de campo ou por captação de informações geográficas e espaciais em bases de dados (CHUAI & FENG, 2019; ELLIS, 2015; ELLIS, 2014; ELLIS, 2011).

Estas informações são transformadas em dados numéricos, os quais são aplicados à análise de correlação (cluster analysis). Esta ferramenta analítica busca similaridades e dissimilaridades entre os dados, criando agrupamentos por meio de algoritmos, os quais são empregados em softwares de mapeamento e consumam na definição dos biomas antropogênicos. A figura a seguir sintetiza o processo para definição dos antromas (SANTOS & PINTO, 2018; COSTA, 2017; ELLIS, 2015; FREIRE & CASTRO, 2014; FILHO & JÚNIOR, 2009).

Após a definição dos antromas, informações suplementares podem ser aplicadas para se caracterizar estes espaços, a exemplo: emissões de carbono e nitrogênio radioativo, produtividade primária líquida e biodiversidade. Assim como os dados de entrada, estas informações são captadas em bases de dados ou produzidas em campo. Estes incrementos fornecem uma percepção mais complexa de cada bioma antropogênico e podem servir como indicadores dentro das áreas, contribuindo para o ordenamento territorial como explicitado anteriormente (WANG et al., 2019; WANG, HAN & VRIES, 2019; GAO et al., 2018; BRIANT et al., 2017; MAGLIOCCA et al., 2015; IPCC, 2014; JIAO et al., 2010).

Figura 3: Processo para definição e caracterização dos antromas.

Fonte: o autor (2020).

Referências Bibliográficas

• Briant, R. et al. Aerosol–radiation interaction modelling using online coupling between the WRF 3.7.1 meteorological model and the CHIMERE 2016 chemistry-transport model, through the OASIS3-MCT coupler. Geosci. Model Dev., n. 10, v. 2, p. 927-944, 2017. DOI: https://doi.org/10.5194/gmd-10-927-2017.

• Buschbacher, R. A teoria da resiliência e os sistemas socioecológicos: como se preparar para um futuro imprevisível? IPEA - boletim regional, urbano e ambiental, n. 9, v. 14, 2014. DOI: http://repositorio.ipea.gov.br/handle/11058/4678.

• Chuai, X., & Feng, J. High resolution carbon emissions simulation and spatial heterogeneity analysis based on big data in Nanjing City, China. Science of The Total Environment, v. 686, p. 828-837, 2019. DOI: https://doi.org/https://doi.org/10.1016/j.scitotenv.2019.05.138.

• Costa, G. G. O. Análise de Correlação Canônica das Variáveis Ambientais Internas e Externas que Influenciam na Elaboração do Orçamento das Empresas. Caderno de Administração - Revista da Faculdade de Administração da FEA, n. 11, v. 1, 2017.

• Dandois, J. P. et al. What is the point? Evaluating the structure, color, and semantic traits of computer vision point clouds of vegetation. Remote Sensing, n. 9, v. 4, 2017. DOI: https://doi.org/10.3390/rs9040355.

• Dandois, J. P., Olano, M., & Ellis, E. C. Optimal altitude, overlap, and weather conditions for computer vision UAV estimates of forest structure. Remote Sensing, v. 7, n. 10, p. 13895-13920, 2015. DOI: https://doi.org/https://doi.org/10.3390/rs71013895.

• Ellis, E. C. Sustaining biodiversity and people in the world's anthropogenic biomes. Current Opinion in Environmental Sustainability, v. 5, n. 3-4, p. 368-372, 2013. DOI: https://doi.org/10.1016/j.cosust.2013.07.002.

• Ellis, E. C. Anthropogenic Taxonomies – A Taxonomy of the Human Biosphere. In: C. Reed & N.-M. Lister (Eds.), Projective Ecologies. Actar, p. 168-182, 2014. DOI: http://dx.doi.org/10.13140/2.1.4524.6240.

• Ellis, E. C. Ecology in an anthropogenic biosphere. Ecological Monographs, v. 85, n. 3, p. 287-331, 2015. DOI: https://doi.org/10.1890/14-2274.1.

• Ellis, E. C., Antill, E. C., & Kreft, H. All is not loss: plant biodiversity in the Anthropocene. PloS one, v. 7, n. 1, 2012. DOI: https://doi.org/10.1371/journal.pone.0030535.

• Ellis, E. C., & Ramankutty, N. Putting people in the map: anthropogenic biomes of the world. Frontiers in Ecology and the Environment, v. 6, n. 8, p. 439-447, 2008. DOI: https://doi.org/10.1890/070062.

• Figueiredo Filho, D. B., & Silva Junior, J. A. Desvendando os Mistérios do Coeficiente de Correlação de Pearson (r). Revista Política Hoje, v. 18, n. 1, p. 115-146, 2009.

• Freire, A. P., & Castro, E. Análise da Correlação do uso e Ocupação do Solo e da Qualidade da Água. Revista Brasileira de Recursos Hídricos, v. 19, n. 1, p. 41-49, 2014.

• Gao, M. et al. Air quality and climate change, Topic 3 of the Model Inter-Comparison Study for Asia Phase III (MICS-Asia III) – Part 2: aerosol radiative effects and aerosol feedbacks. V. 18, n. 2, p. 4859–4884, 2018. DOI: https://doi.org/10.5194/acp-18-4859-2018.

• Intergovernmental Panel on Climate Change (IPCC). Summary for policymakers. In: O. EDENHOFER et al. (Eds.), Climate change 2014: mitigation of climate change – contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, p. 4-30, 2014.

• Jia-Guo et al. Land use and soil organic carbon in China's village landscapes. Pedosphere, v. 20, n. 1, p. 1-14, 2010. DOI: https://doi.org/10.1016/S1002-0160(09)60277-0.

• Jiao, J. et al. Distributions of soil phosphorus in China’s densely populated village landscapes. Journal of Soils and Sediments, v. 10, n. 3, p. 461-472, 2010. DOI: https://doi.org/10.1007/s11368-009-0135-4.

• López-Santiago, C. et al. Using visual stimuli to explore the social perceptions of ecosystem services in cultural landscapes: the case of transhumance in Mediterranean Spain. Ecology and Society, v. 19, n. 2, 16p., 2014. DOI: https://doi.org/www.jstor.org/stable/26269539.

• Magliocca, N. R., Brown, D. G., & Ellis, E. C. Cross-site comparison of land-use decision-making and its consequences across land systems with a generalized agent-based model. PLoS One, v. 9, n. 1, 2014. DOI: https://doi.org/10.1371/journal.pone.0086179.

• Magliocca, N. R. et al. Synthesis in land change science: methodological patterns, challenges, and guidelines. Regional environmental change, v. 15, n. 2, p. 211-226, 2015. DOI: http://dx.doi.org/10.1007/s10113-014-0626-8.

• Prosser, D. J. et al. Modelling the distribution of chickens, ducks, and geese in China. Agriculture, ecosystems & environment, v. 141, n. 3-4, p. 381-389, 2011. DOI: https://doi.org/10.1016/j.agee.2011.04.002.

• Ricklefs, R. E., & Relyea, R. Economia da Natureza. Guanabara Koogan, 7ª ed., 2016.

• Ruddiman, W. F., & Ellis, E. C. Effect of per-capita land use changes on Holocene Forest clearance and CO2 emissions. Quaternary Science Reviews, v. 28, n. 27-28, p. 3011-3015, 2009. DOI: https://doi.org/10.1016/j.quascirev.2009.05.022.

• Santos, A. C. S. & Pinto, R. L. M. Aplicação da análise de correlação e regressão linear simples no setor sucroenergético brasileiro. Exacta, v. 16, n. 2, p. 155-167, 2018. DOI: https://doi.org/10.5585/exactaep.v16n2.7369.

• Wang, G., & Han, Q. Assessment of the relation between land use and carbon emission in Eindhoven, the Netherlands. Journal of environmental management, v. 247, p. 413-424, 2019. DOI: https://doi.org/10.1016/j.jenvman.2019.06.064.

• Wu, J.-X. et al. Agricultural landscape change in China's Yangtze Delta, 1942–2002: A case study. Agriculture, ecosystems & environment, v. 129, n. 4, p. 523-533, 2009. DOI: https://doi.org/10.1016/j.agee.2008.11.008.