Utilização de inteligência artificial e sensoriamento remoto para estimativa de biomassa, carbono e CO2 equivalente acima do solo em sistema agroflorestal
Visualizar/ Abrir
Data
2023-10-17Primeiro coorientador
Rovedder, Ana Paula Moreira
Primeiro membro da banca
Watzlawick, Luciano Farinha
Segundo membro da banca
Silva, Emanuel Araújo
Metadata
Mostrar registro completoResumo
No Litoral Norte do Rio Grande do Sul, tem-se os sistemas agroflorestais (SAF) silvibananeiros, baseados no cultivo de bananeiras (Musa sp), palmiteiro (Euterpe edulis Mart.) e espécies arbóreas da Mata Atlântica. O objetivo deste trabalho foi obter modelos, ajustados por Redes Neurais Artificiais (RNAs), que estimem o dióxido de carbono equivalente (CO2eq), com uso de dados de sensoriamento remoto (SR), sendo índices de vegetação (IV) e dados de reflectância, obtidos com diferentes sensores. Um SAF de 2,37 ha localizado em Morrinhos do Sul foi utilizado como área experimental. Em agosto de 2022 foi realizado um voo programado com aeronave remotamente pilotada (ARP) Phantom 4 Advanced Plus (DJI) contendo sensor RGB, para obtenção de dados de reflectância e índices de vegetação, o processamento foi realizado com o software Agisoft Metashape. Foi realizado o inventário florestal, sendo instaladas 32 unidades amostrais (ua) pelo método da sexta árvore de Prodan, georreferenciadas com receptor GNSS de navegação. Nestas ua foram identificadas as espécies arbóreas e palmeiras, mensurados CAP (cm) e altura (m), e nas bananeiras foi mensurado o CAP (cm). Os dados de CAP foram transformados em DAP (cm) e juntamente com a altura (m) foram utilizados para calcular biomassa para estimar o CO2eq acima do solo, com uso de equações alométricas específicas para cada espécies. Para complementar os dados de SR, foram adquiridas imagens gratuitas, livres de cobertura de nuvens no local do SAF em estudo, dos sensores MSI Sentinel 2A e sensor WPM CBERS 4A. No QGIS foram calculados os IV e inseridas as imagens das bandas espectrais (RGB, NIR e RedEdge) e da ARP, gerados os limites de cada ua, e com uso da ferramenta estatística zonal (EZ) foram obtidos os valores mínimos, médio e máximos para todos os dados de SR disponíveis. Foi utilizada Análise Multivariada Fatorial (AF) para entender as relações entre as variáveis, com uso do software Statistica12. Para estimar o CO2eq foi utilizado RNAs, visando obter modelo simples e prático e com menores resíduos possíveis. A AF mostrou não haver relações significativas em CO2eq e dados de SR, fatores 1 e 2 foram definidos pelos sensores Sentinel 2A e CBRS 4-A, indicando dificuldade de modelagem a partir de dados de SR ópticos, portanto, o uso de RNA, se justifica. Através da RNAs foi gerado um modelo completo com todas as variáveis de SR e um reduzido utilizando os dados SR que apresentaram importância acima de 70 % no modelo completo, os modelos apresentaram RMSE de 22,92 e 50,20, Bias de -2,11 e -1,85 e um coeficiente de determinação na validação cruzada de 0,99 e 0,95 respectivamente, indicando precisão nos resultado de CO2eq estimado em relação ao valor de CO2eq obtido pelo método indireto. Concluiu-se que os modelos são eficientes para estimar CO2eq com o uso de dados de SR em SAFs na região do estudo e mesmo o modelo completo ter apresentado melhores estatísticas, o modelo reduzido ainda se torna preciso e oferece uma ferramenta eficaz e prática por utilizar um menor número de variáveis.
Coleções
Os arquivos de licença a seguir estão associados a este item: