A dinâmica de desmatamento varia ao longo do tempo e no espaço, e está fortemente associado a diversos fatores intrínsecos de cada região, tais como a economia, manejo do solo e aspectos culturais. Compreender os padrões do desmatamento em caráter regional é de fundamental importância, uma vez que possibilita traçar metas que buscam o desenvolvimento embasado em práticas conservacionistas. Esse estudo avaliou os padrões temporais e espaciais do desmatamento na região do Baixo Acre, no oeste da Amazônia brasileira, e a relação com um conjunto de fatores socioeconômicos e demográficos associados ao desenvolvimento humano na região. Para isso, foram utilizados dados anuais sobre o desmatamento na região entre os anos 2000 a 2018 obtidos junto ao PRODES, bem como dados socioeconômicos para o mesmo período disponibilizados pelo SIDRA. Os dados foram especializados com uso do Sistema de Informações Geográficas-SIG e avaliados por meio de Análise de Componentes Principais-ACP. Os resultados obtidos indicam que as maiores perdas de floresta ocorreram entre os anos de 2000 a 2004. A distribuição espacial mostrou que essas perdas ocorreram principalmente na região leste, onde se concentram os maiores assentamentos rurais do estado do Acre. Nesses locais, o desmatamento foi 17% superior quando comparado com áreas devolutas. A ACP sugere que as maiores contribuições para o desmatamento na região estão relacionadas ao aumento populacional e rebanho bovino na capital do estado, enquanto nos municípios do interior, o preço da arroba bovina apresentou maior relação com as taxas de desmatamento.

Conhecer o potencial da chuva em causar erosão do solo é de fundamental importância para a compreensão da fragilidade de uma região, essas informações podem ser utilizadas na prevenção e controle da degradação do solo, auxiliando o planejamento territorial. Este estudo tem por objetivo estimar a erosividade da chuva na bacia hidrográfica do rio Juma, no sul do estado do Amazonas. Foram utilizados dados mensais pluviométricos do produto 3B42-V7 do sensor TRMM obtidos na plataforma Giovanni e comparados com dados de superfície, para a série histórica de 1998 a 2016. O índice de erosividade da chuva foi obtido a partir de um modelo proposto por Oliveira Jr e Medina (1990) desenvolvido para a região. Os resultados obtidos apontam que a variação espacial do índice de erosividade da chuva ao longo da bacia do rio Juma foi pequena (média de 11,66 MJ.mm.ha-1.h-1.ano-1), as maiores variações estão relacionadas a sazonalidade regional, sendo que o mês de julho apresenta o menor índice de erosividade médio (47,74 MJ.mm.ha-1.h-1.ano-1), enquanto que o mês de fevereiro apresentou o maior índice de erosividade (145,73 MJ.mm.ha-1.h-1.ano-1).Palavras–chave: Potencial erosivo da chuva, Degradação do solo, Sensor orbital.Abstract Knowing the potential of rain to cause soil erosion is of fundamental importance to understand the fragility of a region, this information can be used in the prevention and control of soil degradation, assisting the territorial planning. This study aims to estimate the rainfall erosivity in the river basin of the Juma, in the south of the state of Amazonas. Monthly rainfall data from the 3B42-V7 TRMM sensor product obtained from the Giovanni platform and compared with surface data were used for the historical series from 1998 to 2016. The rainfall erosivity index was obtained from a model proposed by Oliveira Jr and Medina (1990) developed for the region. The results indicate that the spatial variation of the rainfall erosivity index along the Juma river basin was small (mean of 11.66 MJ.mm.ha-1.h-1.year-1), the most significant variations are related to regional seasonality, and the month of July It has the lowest mean erosivity index (47.74 MJ.mm.ha-1.h-1.year-1), while February presented the highest erosivity index (145.73 MJ.mm.ha-1.h-1.year-1).Keywords: Erosive potential of rain, Soil degradation, Orbital Sensor.

O uso de sensores remotos aliados ao Sistema de Informação Geográfica tem sido de suma importância na classificação e monitoramento do uso e ocupação do solo, permitindo obter importantes produtos que podem subsidiar o planejamento e gestão do território. Assim, este trabalho teve por objetivo avaliar o desempenho dos classificadores supervisionados Minimum Distance-MD, o Maximum Likelihood-ML e o Spectral Angle Mapping-SAM na classificação do uso do solo em uma área do sul do estado do Amazonas através do uso de geotecnologias gratuitas. Utilizou-se uma imagem do sensor Sentinel-2, na qual foram identificadas seis classes de uso e ocupação. A qualidade dos classificadores foi testada a partir de três índices, exatidão global, Kappa e Tau. Apesar do bom desempenho apresentado pelos métodos utilizados, o método ML foi o mais eficiente, apresentando valores de exatidão global, índices Kappa e Tau superiores a 92%.

Forest fires are global phenomena that pose an accelerating threat to ecosystems, affect the population life quality and contribute to climate change. The mapping of fire susceptibility provides proper direction for mitigating measures for these events. However, predicting their occurrence and scope is complicated since many of their causes are related to human practices and climatological variations. To predict fire occurrences, this study applies a fuzzy inference system methodology implemented in R software and using triangular and trapezoidal functions that comprise four input parameters (temperature, rainfall, distance from highways, and land use and occupation) obtained from remote sensing data and processed through GIS environment. The fuzzy system classified 63.27% of the study area as having high and very high fire susceptibility. The high density of fire occurrences in these classes shows the high precision of the proposed model, which was confirmed by the area under the curve (AUC) value of 0.879. The application of the fuzzy system using two extreme climate events (rainy summer and dry summer) showed that the model is highly responsive to temperature and rainfall variations, which was verified by the sensitivity analysis. The results obtained with the system can assist in decision-making for appropriate firefighting actions in the region.