Mangrove area loss is increasing globally, and drivers of loss differ depending not only on natural conditions but also on national and regional policies. Some countries with the most mangrove area, for instance, Brazil, lack broad systematic quantification of specific drivers of mangrove land-use and land-cover (LULC) change dynamics. We investigated the direct conversion (i.e., replacement) of mangrove forests due to changes in 21 types of LULC across Brazil from 2000 to 2020 based on annual LULC maps developed by the MapBiomas project. We quantified the area changes at national, regional, and state scales. We also determined and quantified mangrove forest conversion for each of the 21 LULC types with a pixel comparison analysis and identified temporal trends with a time-series analysis. The total conversion of mangrove area (3429 km2) was offset by a gain that was twice as large (6776 km2). Forest formations and water bodies, which may be interpreted as natural or indirect anthropogenic changes, were associated with most of the areas where mangrove cover was lost. Land-use modifications, mainly creation of pastures, accounted for 4% of direct mangrove conversions. We found that changes in LULC categories and patterns of gain and loss of mangrove areas differed among Brazilian states and regions. Based on other research, they also differ between Brazil and other countries. Thus, integrated mangrove forest conservation and management efforts that transcend political boundaries are essential to effectively address negative impacts on mangrove forests. We provide an interactive map to allow qualitative assessments of mangrove conversion drivers by different stakeholders, such as managers, policymakers, and nongovernmental organizations.
Factores del cambio y eliminación en la superficie de los manglares de Brasil entre el 2000 y 2020 Resumen La superficie de manglares sufre una reducción a nivel mundial y los factores de pérdida dependen no sólo de las condiciones naturales, sino también de las políticas nacionales y regionales. Algunos países con una gran área de manglar, como Brasil, carecen de una cuantificación sistemática generalizada de los factores específicos de las dinámicas de cambio en el uso y cobertura del suelo (LULC) en los manglares. Investigamos la conversión directa (es decir, reemplazo) de los manglares debido a cambios en 21 tipos de LULC en Brasil entre el 2000 y 2020 con base en mapas anuales de LULC desarrollados por el proyecto MapBiomas. Cuantificamos los cambios de área a escala estatal, regional y nacional. También determinamos y cuantificamos la conversión de manglares para cada uno de los 21 tipos de LULC con un análisis de comparación de pixeles e identificamos las tendencias temporales con análisis de series temporales. La conversión total del área de manglares (3,429 km2) estuvo compensada con una ganancia que fue dos veces mayor (6,776 km2). Las formaciones forestales y los cuerpos de agua, que pueden interpretarse como cambios naturales o antropogénicos indirectos, estuvieron asociados con la mayoría de las áreas en donde se perdió la cobertura del manglar. Las modificaciones del uso de suelo, principalmente la creación de pastizales, representaron el 4% de las conversiones directas del manglar. Encontramos que los cambios en las categorías de LULC y los patrones de ganancia y pérdida de manglar difirieron entre los estados y regiones de Brasil; con base en otras investigaciones, también difieren entre Brasil y otros países. Por lo tanto, la conservación integral de los manglares y los esfuerzos de gestión que trascienden las fronteras políticas son esenciales para abordar de forma eficiente los impactos negativos sobre los manglares. Proporcionamos un mapa interactivo que permite que diferentes actores, como los gestores, quienes definen las políticas y las ONGs, hagan evaluaciones cualitativas de los factores de conversión de los manglares.
Keywords: Google Earth; Google Earth Engine; LULC; MapBiomas; anthropogenic drivers; factores antropogénicos; remote sensing; series temporales; teledetección; time series.
© 2024 Society for Conservation Biology.