Estimativas das Alterações na Biomassa Florestal Utilizando LiDAR em Área de Manejo Florestal Sustentável na Amazônia Sul-Ocidental
DOI:
https://doi.org/10.11137/2020_3_260_268Keywords:
Cobertura do Dossel, Monitoramento de Florestas Tropicais, Sistema a Laser AerotransportadoAbstract
As estimativas de estoques de biomassa e carbono associadas com a edução das Emissões por Desmatamento e Degradação florestal (REDD) requerem confiabilidade e acurácia das informações. Como a obtenção das variáveis em campo consome tempo e recursos e, em alguns casos, torna-se inviável pelas dificuldades de acesso, o estudo de métodos alternativos têm possibilitado extrair informações de áreas florestais de forma confiável. Os sistemas a laser aerotransportados, baseados na tecnologia LiDAR (Light Detection and Ranging), permitem a obtenção de informações tridimensionais acerca da superfície terrestre com alta precisão. O objetivo deste estudo foi testar o uso de dados LiDAR para estimar as alterações na cobertura do dossel e AGB, associadas à exploração florestal na Amazônia Sul-Ocidental Brasileira. Os sobrevoos ocorreram em 2013, 2014 e 2015, antes e após a exploração, juntos com coletas de dados em campo em dez parcelas permanentes onde a medição do diâmetro de todos os indivíduos com DAP ≥ 10 cm a 1,30 m do solo. Um modelo de regressão para estimar as alterações na AGB foi desenvolvido a partir dos dados LiDAR e dados de campo. Uma simples diferenciação das coberturas do dossel, antes e após a exploração, identificou áreas onde o dossel com mais de 10 m de altura foi removido. A redução média de AGB foi de 21,36 Mg.ha-1 (8,9%). Já a edução na cobertura do dossel, foi estimada em 0,08 ha (8,2%). O modelo pode ser considerado satisfatório, visto que apresentou bons resultados estatísticos como Raj2 de 0,74, RMSE de 21,10 Mg.ha-1 e teste de significância F de 27,19. Este trabalho demonstra o potencial do LiDAR para quantificação de mudanças estruturais do dossel em florestas tropicais exploradas. Esses resultados indicam que o LiDAR pode ser uma ferramenta valiosa para sistemas de monitoramento de carbono relacionados a REDD e pode fornecer um meio de quantificar mudanças no carbono acima do solo atribuíveis a atividades de exploração madeireira. Devido às dificuldades associadas ao trabalho de campo em áreas remotas, é admissível que as remedições sejam obtidas com dados LiDAR, para fins de monitoramento das alterações da AGB.
References
Andersen, H.E.; Strunk, J.; Temesgen, H.; Atwood, D. & Winterberger, K. 2011. Using multi- level remote sensing and ground data to estimate forest biomass resources in remote regions: a case study in the. boreal forests of interior Alaska. Canadian Journal of Remote Sensing, 37(6): 596-611.
Andersen, H.E.; Reutebuch, S.E.; Mcgaughey, R.J.; d’Oliveira, M.V.N. & Keller, M. 2013. Monitoring selective logging in western Amazonia with repeat LIDAR flights. Remote Sensing of Environment, 151: 157-165.
Asner, G.P.; Mascaro, J.; Muller-Landau, H.C.; Vieilledent, G.; Vaudry, R.; Rasamoelina M.; Hall J.S. & Van Breugel M. 2012. A universal airborne LiDAR approach for tropical forest carbon mapping. Oecologia, 168(4): 1147-1160.
Beets, P.N.; Reutebuch, S.; Kimberley, M.; Oliver, G.; Pearce, S. & Mcgaughey, R. 2011. Leaf area index, biomass carbon and growth rate of radiata pine genetic types and relationships with LiDAR. Forests, 2(3): 637-659.
Box, G.E.P.; Hunter, J.S. & Hunter, W.G. 2005. Statistics for experimenters: design, discovery, and innovation. New Jersey, John Wiley & Sons, 655p.
Cruz, C.D. 2013. GENES - A software package for analysis in experimental statistics and quantitative genetics. Acta Scientiarum. 35(3): 271-276.
D'Oliveira, M.V.N.; Figueiredo, E.O. & Papa, D.A. 2014. Uso do LiDAR como ferramenta para o manejo de precisão em florestas tropicais. Brasília, Embrapa, 132p.
D’Oliveira, M.V.N.; Reutebuch, S.E.; Mcgaughey, R.J. & Andersen, H.E. 2012. Estimating forest biomass and identifying low-intensity logging areas using airborne scanning LiDAR in Antimary State Forest, Acre State, Western Brazilian Amazon. Remote Sensing of Environment,124: 479-491.
Gobakken, T.; Næsset, E.; Nelson, R.; Bollandsås, O.M.; Gregoire, T.G. & Ståhl, G. 2012. Estimating biomass in Hedmark County, Norway using national forest inventory field plots and airborne laser scanning. Remote Sensing of Environment, 123: 443-456.
Gonzalez, P.; Asner, G.P.; Battles, J.J.; Lefsky, M.A.; Waring, K.M. & Palace, M. 2010. Forest carbon densities and uncertainties from LiDAR, QuickBird, and field measurements in California. Remote Sensing of Environment, 114: 1561-1575.
Hudak, A.T.; Strand, E.K.; Vierling, L.A.; Byrne, J.C.; Eitel, J.U.H. & Martinuzzi, S. 2012. Quantifying aboveground forest carbon pools and fluxes from repeat LiDAR surveys. Remote Sensing of Environment, 123: 25-40.
Hunter, M.O.; Keller, M.; Morton, D.C.; Cook, B.; Lefsky, M.; Ducey, M.; Saleska, S.; Oliveira Jr., R.C. & Schietti, J. 2015. Structural Dynamics of Tropical Moist Forest Gaps. PLOS One, 10: 1-19.
IBAMA. 2006. Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis. Diretrizes Simplificadas para Instalação e Medição de Parcelas Permanentes em Ovelha errante Florestas Naturais da Amazônia Brasileira. Brasília, Organização Grupo Inter-Institucional de Monitoramento da Dinâmica de Crescimento de Florestas na Amazônia Brasileira, 69p.
IBGE. 2012. Instituto Brasileiro de Geografia e Estatística. Manual Técnico da Vegetação Brasileira. Rio de Janeiro, IBGE, 271p.
Lilliefors, H. 1967. On the Kolmogorov–Smirnov test for normality with mean and variance unknown, Journal of the American Statistical Association, 62: 399-402.
Li, Y.; Andersen, H.E. & Mcgaughey, R. 2008. A comparison of statistical methods for estimating forest biomass from light detection and ranging. Western Journal of Applied Forestry, 23(4): 223-231.
Locks, C.J. & Matricardi, E.A.T. 2019. Estimativa de impactos da extração seletiva de madeiras na Amazônia utilizando dados LIDAR. Ciência Florestal, 29(2): 481-495.
Koch, B. 2010. Status and future of laser scanning, synthetic aperture radar and hyperspectral remote sensing data for forest biomass assessment. ISPRS Journal of Photogrammetry and Remote Sensing, 65(6): 581-590.
Mcgaughey, R.J. 2014. Fusion/LDV: Software for LiDAR data analysis and visualization. Seattle, United States Department of Agriculture, Forest Service, Pacific Northwest Research Sation, University of Washington, 179p.
Meyer, V.; Saatchi, S.S.; Chave, J.; Dalling, J.; Bohlman, S. & Fricker, G.A. 2013. Detecting tropical forest biomass dynamics from repeated airborne Lidar measurements. Biogeosciences Discussions, 10: 1957-1992.
Næsset, E. 2011. Estimating above-ground biomass in young forestswith airborne laser scanning. International Journal of Remote Sensing, 32(2): 473-501.
Næsset, E. & Gobakken, T. 2008. Estimation of above- and below-ground biomass across regions of the boreal forest zone using airborne laser. Remote Sensing of Environment, 112: 3079-3090.
Nyström, M.; Holmgren, J. & Olsson, H. 2012. Prediction of tree biomass in the forest– tundra ecotone using airborne laser scanning. Remote Sensing of Environment, 123: 271-279.
R Development Core Team. 2018. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Disponível em: <https://www.R-project.org/>. Acesso em: 30 out. 2019.
SFB. 2018. Serviço Florestal Brasileiro. Concessões Florestais. Disponível em: <http://www.florestal.gov.br/florestas-sob-concessao?id=101>. Acesso em: 17 jun. 2018.
Sheng J.; Zhou, W. & de Sherbinin, A. 2018. Incerteza nas estimativas, incentivos e reduções de emissões em projetos de REDD +. Revista Internacional de Pesquisa Ambiental e Saúde Pública, 15: 22-25.
Valente, M.D.R.; Queiroz, V.T.; Pinheiro, J.G. & Monteiro, L.A.S. 2011. Modelo de predição para o volume total de Quaruba (Vochysia inundata Ducke) via análise de fatores e regressão. Revista Árvore, 35(2): 307-317.
White, J.C.; Wulder, M.A.; Varhola, A.; Vastaranta, M.; Coops, N.C.; Cook, B.D.; Pitt, D. & Woods, M. 2013. A best practices guide for generating forest inventory attributes from airborne laser scanning data using the area-based approach. Information Report FI-X-10. Natural Resources Canada, Canadian Forest Service, Canadian Wood Fibre Centre, Pacific Forestry Centre. Victoria, BC, 50p.
Weishampel, J.F.; Hightower, J.N.; Chase, A.F. & Chase, D.Z. 2012. Use of airborne LiDAR to delineate canopy degradation and encroachment along the Guatemala-Belize border. Tropical Conservation Science, 5(1): 12-24.
Downloads
Published
Issue
Section
License
This journal is licensed under a Creative Commons — Attribution 4.0 International — CC BY 4.0, which permits use, distribution and reproduction in any medium, provided the original work is properly cited.
Except where otherwise noted, content on this site is licensed under a license 