Estimating and mapping forest variables of the brazilian national forest inventory to finer scales
2018
Introducao: Brasil deu inicio recentemente ao seu Inventario Florestal Nacional (IFN) seguindo
uma amostragem em larga escala de 1:100.000. Com isso, ha uma crescente demanda em
desagregar variaveis florestais a uma escala mais precisa, refinada. Objetivo: Com auxilio de dados
de sensoriamento remoto, o objetivo deste trabalho foi testar dois metodos para estimar e mapear,
a uma escala fina, componentes florestais como volume de madeira, biomassa e carbono. Metodos:
O procedimento analitico e dividido em sete passos. Primeiro: coletar variaveis dendrometricas;
dados de parcelas do IFN de tres mesorregioes do estado do Parana foram usados. Segundo:
modelagem florestal; necessaria para estimar variaveis ao nivel da arvore, como volume de fuste,
biomassa e carbono de arvores. Terceiro: calculo do erro de amostragem e intervalo de confianca
(IC) do IFN. Quarto: pre-processamento de imagens de satelite; foram usadas sete bandas do
Landsat-8 OLI, portanto Numero Digital (DN) foi transformado em reflectância da superficie
(variavel fisica). Quinto: classificacao de imagens: classificacoes orientadas ao objeto foram
efetuadas para delimitar classes de (i) florestas em estagio sucessional inicial e (ii) medioavancado.
Sexto: modelagem a nivel de pixel; dois metodos em escala fina foram testados para
estimar variaveis florestais ao nivel de pixel. O primeiro deles usa um Modelo de Reflectância da
Superficie (MRS), que e um modelo linear que ajusta volume de madeira em funcao da reflectância
de superficie de dados do Landsat-8 OLI, incluindo bandas do Vermelho, IFP, IFM1, IFM2, Brilho,
e NDVI. O metodo de stepwise foi usado para selecionar as variaveis de reflectância. Componentes
principais das variaveis selecionadas corresponderam as variaveis independentes. O segundo
metodo e baseado na tecnica geoestatistica krigagem com regressao (KR), em que latitude e
longitude foram as unicas variaveis independentes. O primeiro metodo (com MRS) foi aplicado ao
volume florestal, biomassa e carbono. O segundo (com KR) foi aplicado ao volume florestal
apenas. Setimo: Volume florestal foi extrapolado a escalas ampla (sem tecnicas de sensoriamento
remoto) e fina (com tais tecnicas), e entao comparadas entre si. Resultados: O metodo com MRS
teve um desempenho melhor que o metodo com KR, embora ambos forneceram, no geral,
resultados proximos. O MRS estimou um volume medio de 123,8 m³ ha-1 e um total para a area de
estudo de 210.961.589 m³. A KR estimou media de 115,7 m³ ha-1 e total de 203.326.674 m³, ou
seja, 3,7% a menos que as estimativas do MRS. Em relacao a biomassa florestal, o MRS estimou
media e total de 120,1 Mg ha-1 e 217.736.862 Mg, respectivamente. Para o carbono, a media foi de
49,2 MgC ha-1 e total de 89.272.113 MgC, correspondendo a 327.331.082 Mg de CO2 equivalente
estocado na area de estudo. O volume total estimado por ambos metodos de escala fina enquadramse
no IC obtido a uma escala ampla. Conclusao: Apesar do MRS e KR terem sido capazes de
produzir, no geral, estimativas precisas do volume de madeira, o MRS representou melhor
espacialmente o volume de madeira. O MRS tambem estimou acuradamente biomassa e carbono
florestal.
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI