Estimativa da biomassa acima do solo em floresta de terra firme na Amazônia com dados LiDAR aerotransportado e upscaling com imagens orbitais
Visualizar/ Abrir
Data
2023-07-31Primeiro coorientador
Farias, Jorge Antonio de
Segundo coorientador
Eugenio, Fernando Coelho
Primeiro membro da banca
Silva, Emanuel Araújo
Segundo membro da banca
Rovani, Franciele Francisca Marmentini
Terceiro membro da banca
Batista, Fábio de Jesus
Quarto membro da banca
Amara, Lúcio de Paula
Metadata
Mostrar registro completoResumo
A alta concentração de biomassa viva estocada nas suas diferentes formações vegetais confere
protagonismo à floresta amazônica nas discussões sobre ciclagem de carbono e monitoramento
climático. O estudo detalhado da dinâmica do carbono florestal passa pelo aprimoramento da
mensuração da biomassa estocada, uma vez que os métodos tradicionalmente empregados são
onerosos e de alcance espacial limitado. Nesse sentido, o estudo abordou o desenvolvimento de
um protocolo de upscaling que associou dados de sensor aerotransportado LiDAR (Light
Detection and Ranging), imagens OLI/Landsat-8 e informações de campo, para modelagem e
mapeamento da biomassa acima do solo (AGB) em região de Floresta Ombrófila Densa do
bioma amazônico. A pesquisa foi executada considerando três abordagens: (1) Modelar via o
estoque de AGB presente em parcelas inventariadas utilizando dados LiDAR e espacializar as
estimativas ao longo da área de estudo (Fazenda Cauaxi, município de Paragominas/PA); (2)
Realizar o mesmo procedimento utilizando como preditores dados de imagem OLI/Landsat-8;
(3) Utilizar o mapa de AGB via LiDAR como referência de calibração em estimativas com
imagens OLI/Landsat-8. A modelagem foi implementada utilizando o algoritmo de aprendizado
de máquina Support Vector Machine (SVM). Dados de AGB derivados de observações a campo
foram tomados como referência para validação dos modelos. Por fim, os mapas de AGB foram
submetidos a um processo de análise da incerteza associada às estimativas dos pixels. Os
resultados das três abordagens revelam mapas com estimativas dentro do intervalo de confiança
da AGB referência, tanto no valor por hectare (229,6 ± 18,2 Mg.ha-1), quanto para o total da
população (289.256,5 ± 22.851,2 Mg). A nível de parcela, as estimativas apresentaram-se
válidas pelo teste de Wilcoxon. O modelo LiDAR apresentou a maior correlação de Spearman
(rho=0,89 e p-valor<0,0001), menor RMSE (32,8 Mg.ha-1) e menor erro padrão (14,5%), em
relação aos demais. Por outro lado, a abordagem OLI/Landsat-8 apresentou fraca correlação
entre os preditores derivados das imagens e a AGB nas parcelas, o que determinou o pior
desempenho (rho=0,13 e p-valor=0,2642, RMSE=87,2 Mg.ha-1, erro padrão=38,4%). Já o
método upscaling trouxe ganho de performance ao combinar o mapa de AGB via LiDAR com
imagens OLI/Landsat-8 na modelagem (rho=0,31 e p-valor=0,0699, RMSE=79,2 Mg.ha-1, erro
padrão=34,9%). A análise de incerteza revelou a dificuldade dos modelos baseados em
variáveis espectrais reproduzirem toda amplitude da AGB presente na área de estudo. Mesmo
com o ganho de performance, a abordagem upscaling apresentou incerteza média de 108 Mg.ha1
. Os resultados da pesquisa reforçam o potencial emprego da combinação de sensores remotos
na estimativa de atributos florestais. A calibração de modelos espectrais com mapas prévios de
AGB, via dados LiDAR, pode ajudar a compensar a saturação de dados ópticos e melhorar as
predições, especialmente em regiões com alta densidade de AGB e elevada complexidade
estrutural, características da floresta tropical amazônica.
Coleções
Os arquivos de licença a seguir estão associados a este item: