Estimativa do volume total de madeira em espécies de eucalipto a partir de imagens de satélite Landsat

Elias Fernando Berra, Catize Brandelero, Rudiney Soares Pereira, Elódio Sebem, Laura Camila de Godoy Goergen, Ana Caroline Paim Benedetti, Diogo Belmonte Lippert

Resumo


http://dx.doi.org/10.5902/198050987566

Modelos relacionando respostas espectrais com parâmetros biofísicos visam estimar variáveis, tais como volume de madeira, sem a necessidade de avaliações constantes em campo. Objetivou-se desenvolver modelos estimadores de volume de madeira a partir de imagens TM do Landsat 5, com base em dados de inventário florestal regional. A imagem foi georreferenciada e convertida para imagem reflectância espectral. Em seguida, foram geradas as imagens índice NDVI (índice de vegetação da diferença normalizada) e SR (razão simples). Os valores das reflectâncias das bandas (TM1, TM2, TM3 e TM4) e dos índices (NDVI e SR) foram relacionados com os volumes de madeira. As maiores correlações com volume foram com os índices NDVI e SR. A seleção de variáveis foi feita pelo método Stepwise, o qual retornou três modelos de regressão como significativos para explicar a variação em volume. Por fim, selecionou-se o modelo com melhor ajuste (volume = -830,95 + 46,05 × (SR) + 107,47 × (TM2)), o qual foi aplicado sobre a imagem Landsat onde os pixels passaram a representar o volume estimado em m3/ha nas unidades de produção de Eucalyptus sp. Este modelo, significativo ao nível de 95 % de confiança, explica 68 % da variação de volume de madeira.

Palavras-chave


parâmetros biofísicos; reflectância; índices de vegetação

Texto completo:

PDF

Referências


AGEFLOR - Associação Gaúcha de Empresas florestais. A próxima década das florestas - 20/03/2009. Disponível em: <(www.ageflor.com.br)> Acesso em: 12 de fevereiro de 2011.

BRANDÃO, Z. N. et al. Determinação de índices de vegetação usando imagens de satélite para uso em agricultura de precisão. In: CONGRESSO BRASILEIRO DE ALGODÃO, 5., 2005, Salvador. Anais.... Campina Grande: CNPA, 2005.

CANAVESI, V. et al. Estimativa de volume de madeira em plantios de Eucalyptus spp. utilizando dados hiperespectrais e dados topográficos. Árvore, Viçosa, v. 34, n. 3, p. 539-549, maio/jun. 2010.

CANAVESI, V., PONZONI, F.J. Relações entre variáveis dendrométricas de plantios de Eucalyptus sp. e valores de FRB de superfície de imagens do sensor TM/Landsat 5. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais.... INPE: São José dos Campos, 2007, p. 1619-1625.

FAZAKAS, Z. et al. Regional forest biomass and wood volume estimation using satellite data and ancillary data. Agricultural and Forest Meteorology, v. 98, p. 417−425, dez. 1999.

FERNANDES, D. H. F. M. et al. Uso de imagens ALOS para estimar parâmetros biofísicos em plantações de eucaliptos. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 15., 2011, Curitiba. Anais.... INPE: São José dos Campos, 2011, p. 1674-1671.

FONSECA, E. L. Desenvolvimento de modelo da disponibilidade de fitomassa aérea para formações campestres naturais a partir de dados espectrais orbitais e agrometeorológicos. 2004. Tese (Doutorado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2004.

GEBRESLASIE, M. T. The estimation of eucalyptus plantation forest structural attributes using medium and high spatial resolution satellite imagery. 2008. Tese (Doctor of Philosophy in Applied Environmental Science) - University of KwaZulu-Natal Pietermartizburg, South Africa, 2008.

GÜRTLER, S. et al. Planilha eletrônica para o cálculo da reflectância em imagens TM e ETM+ LANDSAT. Revista Brasileira de Cartografia, v. 57, p. 162-167, ago. 2005.

HALL, R. J. et al. Modeling forest stand structure attributes using Landsat ETM+ data: Application to mapping imaging spectrometer data. Remote Sensing of Environment, v.95, n.1, p.177-194, Mar. 2005.

HÄME, T. et al. A new methodology for estimation of biomass of conifer-dominated boreal forest using NOAA AVHRR data. International Journal of Remote Sensing, v. 18, p. 3211−3243, Jan. 1997.

JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspective em recursos terrestres. São José dos Campos: Parêntese, 2009. 598 p.

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

KNIPLING, E. B. Physical and physiological basis for the reflectance visible and near infrared radiation from vegetation. Remote Sensing of Environment, v.1, n.3, p.155-159, Feb. 1970.

KRANKINA, O. N. et al. Carbon stores, sinks, and sources in forests of North-western Russia: Can we reconcile forest inventories with remote sensing results? Climatic Change, v. 67, p.257-272, Dec. 2004.

KRIEGLER, F. J. et al. Preprocessing transformations and their effects on multispectral recognition. In: INTERNATIONAL SYMPOSIUM ON REMOTES SENSING OF ENVIRONMENT, 6., 1969, Michigan, USA. Proceedings…Michigan: University of Michigan, 1969. p.97–131. Disponível em: < (http://adsabs.harvard.edu//abs/1969rse..conf...97K)> Acesso em: 04 de maio de 2010.

LU, D. et al. Relationship between forest stand parameters and Landsat TM spectral responses in the Brazilian Amazon Basin. Forest Ecology and Management, Amsterdan, v. 198, n.1-3, p. 149-167, Jan./Mar. 2004.

MANDALLAZ, D. Geostatistical methods for double sampling schemes: application to combined forest inventory. Technical report, ETH Zürich, chair of forest inventory and planning, 133 p., 1993.

MENESES, P. R., MADEIRA NETTO, J. S. Sensoriamento remoto: reflectância de alvos naturais. Brasília: UNB-Embrapa Cerrados, 2001. 262 p.

MORENO, J. A. Clima do Rio Grande do Sul. Porto Alegre: Secretaria da Agricultura. 1961. 41 p.

PEARSON, R. L.; MILLER, L. D. Remote mapping of standing crop biomass for estimation of the productivity of the short-grass Prairie. In: INTERNATIONAL SYMPOSIUM ON REMOTE SENSING OF ENVIRONMENT, 8., Ann Arbor, 1972. Proceedings. Ann Arbor: ERIM, 1972, pp. 1357–1381.

PETERSON, D.L., RUNNING, S.W. Aplications in Forest science and management. In: Asrar, G. Theory and applications of optical remote sensing. New York, John Wiley, 1989. Cap. 10, p. 429-473.

PINHEIRO, E. S. et al. Imagens Landsat e QuickBird são capazes de gerar estimativas precisas de biomassa aérea de Cerrado? In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14., 2009, Natal. Anais... INPE:São José dos Campos, 2009, p. 2913-2920.

PINILLA, C. Elementos de teledetección. Madrid: RA-MA, 1995. 313 p.

PONZONI, F. J., SHIMABUKURO, Y. E.. Relação entre índices de vegetação e parâmetros biométricos de plantios de Eucalyptus urophylla e Eucalyptus camaldulensis em Cachoeira do Manteiga (MG). Árvore, Viçosa, v. 22, n. 3, p. 357-366, jul./set. 1998.

PONZONI, F. J., SHIMABUKURU, Y.E. Sensoriamento remoto no estudo da vegetação. São José dos Campos: A. Silva Vieira, 2007. 150 p.

PONZONI, F. J., SHIMABUKURU, Y.E. Sensoriamento remoto no estudo da vegetação. São José dos Campos: A. Silva Vieira, 2009. 127 p.

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

ROUSE, J. W. et al. Monitoring vegetation systems in the Great Plains with ERTS. In: ETRS SYMPOSIUM, 3., 1973, Washington D.C., USA. Proceedings… Washington D.C.: NASA SP-351, 1973. p.309-317.

SANQUETTA, C. R; BALBINOT, C. R. R. Metodologias para determinação de biomassa florestal. In: Fixação de carbono: atualizações, projetos e pesquisas. Curitiba. 2004. p. 77-94.

SCHLERF, M. et al. Remote sensing of forest biophysical variables using HyMap imaging spectrometer data. Remote Sensing of Environment, v. 95, n. 1, p.177-194, Mar. 2005.

SHIMABUKURO, Y. E. Shade Images Derived from Linear Mixing Models of Multispectral Measurements of Forested Areas. 1987. (Ph.D. Dissertation) - Colorado State University, Fort Collins, 1987.

SOUSA, C. L., PONZONI, F. J. Avaliação de índices de vegetação e de bandas TM/Landsat para estimativa de volume de madeira em floresta implantada de Pinus spp. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 9., 1998, Santos, SP. Anais.... INPE: São José dos Campos, 1998, v.13, p. 1725-1732.

THENKABAIL, P. S. et al. Detecting floristic structure and pattern across topographic and moisture gradients in a mixed species Central African forest using IKONOS and Landsat-7 ETM+ images. International Journal of Applied Earth Observation and Geoinformation, v. 4, n. 3, p.255-270, June 2003.

THOMAS, J. R., GAUSMAN, H. W. Leaf reflectance vs. leaf chlorophyll and carotenoid concentrations for eight crops. Agronomy Journal, v. 69, n. 5, p. 799- 802, 1977.

TOMPPO, E. et al. Simultaneous use of Landsat-TM and IRS-1c WiFS data in estimating large area tree stem volume and aboveground biomass. Remote Sensing of Environment, v. 82, p. 156−171, Sept. 2002.

TURNER, D. P. et al. Monitoring forest carbon sequestration with remote sensing and carbon cycle modeling. Environmental Management, v. 33, p. 457−466, Aug. 2004.

WATZLAWICK, L. F. et al. Estimativa de biomassa e carbono em floresta com araucaria utilizando imagens do satélite IKONOS II. Ciência Florestal, Santa Maria, v. 19, p.169-181, abr./jun. 2009.

WOOLLEY, J.T. Reflectance and transmitance of light by leaves. Plant Physiology, v.47, n.3, p. 656-662, May 1971.

XAVIER, A. C. et al. Estimativa de IAF de plantações de eucaliptos a partir de dados TM/Landsat. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 9., 1998, Santos. Anais... INPE: São José dos Campos, 1998. p. 1585-1596.




DOI: http://dx.doi.org/10.5902/198050987566