FUNÇÃO ALOMÉTRICA DE BIOMASSA COM IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO ESPACIAL

Fabrício Lopes de Macedo, Adélia Maria de Oliveira Sousa, Ana Cristina Gonçalves, Hélio Ricardo Silva, Ricardo Antonio Ferreira Rodrigues

Resumo


O presente estudo teve como objetivo ajustar funções para estimar por meio de dados derivados de imagens de satélite de alta resolução espacial, a biomassa total de Eucalyptus em escala local e regional. Para este fim, foram ajustados modelos, combinando os valores de biomassa estimada por meio de parcelas do inventário florestal associadas com índices de vegetação (IV) baseados em imagem do satélite Pléiades. A função com que apresentou melhor performance na estimativa da biomassa total, foi aquela que utilizou como variável independente o IV-SAVI, apresentando um coeficiente de determinação (R2) de 64,6%, no entanto, sem grande diferença para o NDVI e SR. As funções ajustadas poderão ser utilizadas em regiões que apresentem as mesmas espécies, clima e propriedades locais parecidas com as do presente estudo. Esta abordagem pode ser usada como uma ferramenta de baixo custo para produzir estimativas de biomassa em escala local e regional.


Palavras-chave


Eucalipto; Pléiades; índices de vegetação.

Texto completo:

PDF

Referências


CLUTTER, J. L. et al. Timber management: a quantitative approach. Nova Jersey: John Wiley & Sons, 1983.

DRAKE, J. B. et al. Estimation of tropical forest structural characteristics using large-footprint lidar. Remote Sensing of Environment, New York, v. 79, n. 2-3, p. 305-319, fev. 2002a.

DRAKE, J. B. et al. Sensitivity of large-footprint lidar to canopy structure and biomass in a neotropical rainforest. Remote Sensing of Environment, New York, v. 81, n. 2-3, p. 378-392, ago. 2002b.

EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. Brasília: SPI; CNPS, 1999. 412 p.

ENVIRONMENTAL SYSTEMS RESEARCH INSTITUTE. ArcGIS Desktop: release 10. Redlands: ESRI, 2010.

FEARNSIDE, P. M.; GUIMARÃES, W. M. Carbon uptake by secondary forests in Brazilian Amazonia. Forest Ecology and Management, Amsterdam, v. 80, n. 1-3, p. 35-46, jan. 1996.

GARCIA, C. M. P. et al. Decomposição da palhada de forrageiras em função da adubação nitrogenada após o consórcio com milho e produtividade da soja em sucessão. Bragantia, Campinas, v. 73, n. 2, p. 143-152, 2014.

HIGUCHI, N. et al. Biomassa da parte aérea da vegetação da floresta tropical úmida de terra-firma da Amazônica Brasileira. Acta Amazônica, Manaus, v. 28, n. 2, p. 153-166, jun. 1998.

HENTZ, A. M. K. et al. Técnicas de sensoriamento remoto para estimativa de biomassa em ambientes florestais. Enciclopédia Biosfera, Goiânia, v. 10, n. 18, p. 2810, jul. 2014.

HUETE, A. R. et al. A Comparison of vegetation indices over a global set of TM Images for EOS-MODIS. Remote Sensing of Environment, New York, v. 59, n. 3, p. 440-451, mar. 1997.

HUETE, A. R.; JUSTICE, C.; VAN LEEUWEN, W. MODIS vegetation index (MOD13): algorithm theoretical basis document, version 2. Tucson: University of Arizona, 1996.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE. Climate Change: synthesis report. Contribution of working group I, II, and III to the third assessment report of the IPCC. Cambridge: Cambridge University, 2001.

JACKSON, R. D.; HUETE, A. R. Interpreting vegetation indices. Preventive veterinary medicine, Amsterdam, v. 11, n. 3-4, p. 185-200, dez. 1991.

JORDAN, C. F. Derivation of leaf area index from quality of light on the forest floor. Ecology, Washington, v. 50, n. 4, p. 663-666, jul. 1969.

MACIEL, M. N. M. Estimativa de parâmetros estruturais de uma floresta primária na Amazônia Oriental através de dados orbitais. 2002. 144 f. Tese (Doutorado em Ciências Florestais) – Universidade Federal do Paraná, Curitiba, 2002.

MATOS, F. D. A.; KIRCHNER, F. F. Estimativa de biomassa da Floresta Ombrófila Densa de terra firme na Amazônia Central com o satélite IKONOS II. Floresta, Curitiba, v. 38, n. 1, p. 157-171, jan./mar. 2008.

MATHEUS, M. T. Sequestro de carbono sob a óptica floresta no Brasil. Revista Trópica – Ciências Agrárias e Biológicas, Chapadinha, v. 6, n. 1, p. 104-116, jan. 2012.

MELLO, S. L. M.; GONÇALVES, J. L. M. Equações para estimar a biomassa da parte aérea e do sistema radicular em povoamentos de Eucalyptus grandis em sítios com produtividades distintas. Revista Árvore, Viçosa, MG, v. 32, n. 1, p. 101-111, jan./fev. 2008.

MYERS, R. H. Classical and modern regression with applications. Boston: Duxbury, 1986.

NUNES, S. do S. S. Estimativa de biomassa e carbono e indicadores para restauração de florestas secundárias em Paragominhas, Pará. 2011. 127 f. Dissertação (Mestrado em Recursos Florestais) – Escola Superior de Agricultura, Universidade de São Paulo, Piracicaba, 2011.

PONZONI, F. J.; SHIMABUKURU, Y. E. Sensoriamento remoto no estudo da vegetação. São José dos Campos: A. Silva Vieira, 2009. 150 p.

R DEVELOPMENT CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2012.

RAUSTE, J.; HÄME, T. Radar-based forest biomass estimation. International Journal of Remote Sensing, London, v. 15, n. 14, p. 2797-2808, dez. 1994.

RENNER, R. M. Sequestro de carbono e a viabilização de novos reflorestamentos no Brasil. 2004. 147 f. Dissertação (Mestrado em Engenharia Florestal) – Universidade Federal do Paraná, Curitiba, 2004.

ROBINOVE, C. J. et al. Arid land monitoring using Landsat Albedo Difference Images. Remote Sensing of Environment, New York, v. 11, p. 133-156, 1981.

ROSENQVIST, A. et al. A review of remote sensing technology in support of the Kyoto protocol. Environmental Science & Policy, Amsterdam, v. 6, p. 441-455, fev. 2003.

ROUSE, J. W. et al. Monitoring vegetation systems in the Great Plains with ERTS. In: ERTS-1 SYMPOSIUM, 3., 1974, Washington. Proceedings… Washington: NASA Goddard; NASA SP-351, 1974. p. 309-317.

SANQUETTA, C. R. Métodos de determinação de biomassa florestal. In: SANQUETTA, C. R. et al. (Ed.). As florestas e o carbono. Curitiba: [s. n.], 2002. p. 119-140.

SHAPIRO, S. S.; WILK, M. B.; CHEN, H. J. A comparative study of various tests of normality. Journal of the American Statistical Association, Washington, v. 63, n. 324, p. 1343-1372, dez. 1968.

SOMOGYI, Z. et al. Indirect methods of large forest biomass estimation. European Journal of Forest Research, Berlin, v. 126, n. 2, p. 197-207, may 2006.

SOUSA, A. M. O. et al. Biomass estimation with high resolution satellite images: a case study of Quercus rotundifolia. ISPRS Journal of Photogrammetry and Remote Sensing, Amsterdam, v. 101, p. 69-79, mar. 2015.

VISMARA, E. S. Mensuração da biomassa e construção de modelos para construção de equações de biomassa. 2009. 103 f. Dissertação (Mestrado em Recursos Florestais) – Universidade de São Paulo, Piracicaba, 2009.

WATZLAWICK, L. F. et al. O papel do sensoriamento remoto nos estudos de carbono. In: SANQUETTA, C. R. et al. (Ed.). As florestas e o carbono. Curitiba: Brasil, 2002. 265 p.

WATZLAWICK, L. F.; KIRCHNER, F. F. Estimativa de biomassa e carbono utilizando imagens de satélite de alta resolução: In: SANQUETTA, C. R.; BALBINOT, R.; ZILIOTTO, M. A. A. (Ed.). Fixação de carbono: atualidades, projetos e pesquisas. Curitiba: [s. n.], 2004. p. 133-152.

WATZLAWICK, L. F.; KIRCHNER, F. F.; SANQUETTA, C. R. Estimativa de biomassa e carbono em floresta com araucária utilizando imagens do satélite Ikonos II. Ciência Florestal, Santa Maria, v. 19, n. 2, p. 169-181, abr./jun. 2009.

WATZLAWICK, L. F.; KOEHLER, H. S.; KIRCHNER, F. F. Estimativa de biomassa e carbono em plantios de Pinus taeda L. utilizando imagens do satélite IKONOS II. Ciência e Natura, Santa Maria, v. 28, n. 1, p. 45-60, jan./jul. 2006.

YU, C. M. Sequestro florestal de carbono no Brasil: dimensões políticas socioeconômicas e ecológicas. São Paulo: Annablume; IEB, 2004. 280 p.




DOI: https://doi.org/10.5902/1980509833368

Licença Creative Commons