RESUMO
O presente trabalho teve como objetivo avaliar o potencial das variáveis geomorfométricas extraídas de dados SRTM (Shuttle Radar Topographic Mission) para identificação de tipos vegetacionais da região do interflúvio Madeira-Purus. As variáveis geomorfométricas (elevação, declividade, orientação de vertente, curvatura vertical e curvatura horizontal) foram confrontadas com o mapa de vegetação do projeto RADAMBRASIL através de análises de histogramas e análises discriminantes. Tais análises indicaram os grupos de classes vegetacionais que podem ser separados mais facilmente em contraste com outros grupos que ocorrem sob as mesmas condições topográficas. As variáveis de relevo mais importantes na distinção entre os tipos vegetacionais foram: a elevação, a declividade e a orientação de vertentes. Apesar dos dados geomorfométricos mostrarem potencial indicativo das classes de vegetação, as análises resultaram em discriminação em um nível aquém do detalhamento temático máximo apresentado pelos dados RADAM. Tal desempenho pode ser explicado pela incompatibilidade das escalas de variação exibidas entre os dados geomorfométricos em relação ao tamanho das unidades de mapeamento da vegetação, além da co-ocorrência de classes de respostas distintas ao relevo sob uma mesma associação de classes sob as mesmas classes na legenda. Com base nas análises discriminantes das variáveis geomorfométricas, foi possível o mapeamento da vegetação experimentalmente até o nível de subfisionomias.
The objective of this work was to assess the potential of geomorphometric variables, derived from SRTM (Shuttle Radar Topographic Mission) data, to help identify vegetation types in the Amazonian Madeira-Purus interfluvio region. A RADAMBRASIL project vegetation map was used as a reference and the geomorphometric variables (elevation, slope, aspect and profile and plan curvatures) were compared to the mapped units. Analyses indicated vegetation types easily discriminated, depending on the topographic position. The variables of elevation, slope and aspect were the most important for their high discrimination power of the vegetation types. Although geomorphometric data are recognized as having strong potential for characterizing vegetation, this was not shown in the results, due to the mismatching of variability scales between the two sources of data; large units tend to exhibit similar distribution patterns of geomorphometry, and comprise classes with different responses for geomorphometric constraints. Discriminant analyses of geomorphometric variables permitted vegetation mapping up to the sub-physiognomy levels.