Contribution of biophysical and socioeconomic factors to the regeneration of tropical forest: implication for the definition of priority areas for restoration

A restauração de florestas e paisagens florestais são estratégias necessárias para deter o efeito negativo que décadas de desmatamento de florestas tropicais e para recuperar a biodiversidade e provisão de serviços ecossistêmicos. O manejo da regeneração natural pode ser uma ferramenta viável tanto em termos ecológicos como socioeconômicos para atingir as recentes metas de restauração de florestas e paisagens florestais estabelecidas em nível global, regional e nacional. O objetivo desta pesquisa foi analisar a influência de fatores biofísicos e socioeconômicos na regeneração de florestas tropicais, visando oferecer elementos para o planejamento da restauração de florestas e paisagens florestais e o desenvolvimento de estratégias de restauração mais custo-efetivas. Para atingir esse objetivo, realizamos uma revisão sistemática da literatura científica publicada entre 1990 e 2017 a fim de descrever as metodologias mais utilizadas para identificar as áreas de florestas tropicais em regeneração em diferentes escalas (paisagem, regional, nacional e continental) e os determinantes biofísicos e socioeconômicos deste processo. Complementarmente, utilizamos como modelo uma bacia hidrográfica dominada por agricultura no sudeste do Brasil para avaliar a influência dos determinantes biofísicos e socioeconômicos, esses últimos associados ao proprietário e à propriedade rural, na regeneração florestal entre os anos 1995 e 2018. A maioria das informações socioeconômicas associadas ao proprietário e à propriedade rural foi obtida através de uma pesquisa social, no qual a propriedade rural foi escolhida como unidade de estudo. Na revisão sistemática da literatura, verificamos que os algoritmos de classificação automática e a variação da cobertura florestal foram as metodologias mais utilizadas para a detecção de áreas em regeneração florestal e para descrever o efeito dos determinantes biofísicos e socioeconômicos nesse processo. A declividade e a proximidade aos fragmentos de floresta foram os principais fatores biofísicos que influenciaram positivamente a regeneração, ao passo que a inserção em áreas de proteção ambiental e a menor proximidade a centros populacionais foram os principais fatores socioeconômicos promotores da regeneração. No estudo de caso, os principais fatores biofísicos que influenciaram positivamente a regeneração foram aqueles associados à aptidão agrícola do solo e à facilidade de dispersão de sementes para as áreas em regeneração. Entre os fatores socioeconômicos promotores da regeneração, destacaram-se a elevada heterogeneidade de cobertura do solo presentes na propriedade rural e a baixa dependência econômica do proprietário da renda gerada pelas atividades produtivas realizadas na propriedade. Nossos resultados da revisão sistemática podem ajudar no desenvolvimento de modelos preditivos de regeneração florestal em larga escala, ao passo que os resultados do estudo de caso mostram a importância de complementar avaliações de larga escala com dados mais detalhados sobre o efeito local dos fatores biofísicos e socioeconômicos para que tanto os modelos preditivos quanto as atividades de restauração sejam melhor sucedidos.Forest and landscape restoration is necessary to halt the negative effects that decades of deforestation produced on biodiversity and ecosystem service provision. The management of natural regeneration can be a viable tool both ecologically and socioeconomically to achieve commitments of forest and landscape restoration established at regional, national and global levels. The aim of this research was to analyze the influence of biophysical and socioeconomic drivers on natural regeneration of tropical forest and to provide elements for the planning of forest and landscape restoration with the development of cost-effective restoration strategies. To achieve this objective, we developed a systematic literature review from 1990 to 2017 to describe the methodologies employed to identify regenerating tropical forests at different spatial scales (landscape, region, national and continental) and to identify the biophysical and socioeconomic drivers of this process. Complementarily, we used as a model a hydrographic basin in the southeast of Brazil dominated by agricultural uses to evaluate the influence of biophysical and socioeconomic drivers, the latter associated with the owner and the rural property, on natural regeneration of forest between 1995 and 2018. Most of the socioeconomic information associated with the owner and the rural property was obtained through a social survey, in which the rural property was chosen as study unit. With the systematic review, we verified that the transition matrix and the forest cover change were the most common procedures to detect regenerating tropical forest and to describe the effect of biophysic and socioeconomic drivers on this process. Slope and proximity to forest remnants were the main biophysical drivers positively influencing natural regeneration, while the insertion in Protected Areas and the highest distance from population centers were the main socioeconomic drivers that positively promoted natural regeneration of forest. In the case study, the main biophysical drivers that influenced positively forest natural regeneration were those associated to the agricultural suitability of soil and seed dispersal feasibility toward the regenerated areas. Among socioeconomic drivers that positively influenced forest natural regeneration were highlighted the high heterogeneity of land covers in the rural property and the owner\'s low economic dependence over the activities done in the property. The results from the systematic review can be used to develop predictive models of natural regeneration at large scale, while the results from the case study revealed the importance of additional large scale evaluation with detailed data about the local effect of biophysical and socioeconomic drivers in order to secure successful predictive models and restoration activities