Análise da biomassa florestal de Pinus uncinata por meio de ferramentas de sensoriamento remoto passivo e ativo

• Main Author: Santana, Sidney Henrique Campelo de
• Other Authors: http://lattes.cnpq.br/5034472088902118
• Language: br
• Published: Universidade Federal de Pernambuco 2016
• Subjects: Biomassa florestal; Índices de vegetação; LiDAR; Pinus uncinat.; sensoriamento remoto.; Forest biomass; Pinus uncinata; Remote sensing; Vegetation indexes
• Online Access: https://repositorio.ufpe.br/handle/123456789/16721

Submitted by Fabio Sobreira Campos da Costa ([e-mail]) on 2016-04-19T14:14:56Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_SidneySantana_2015.pdf: 7597504 bytes, checksum: bf6a44dd30bc34dca577bb38b4fb038f (MD5) === Made available in DSpace on 2016-04-19T14:14:56Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_SidneySantana_2015.pdf: 7597504 bytes, checksum: bf6a44dd30bc34dca577bb38b4fb038f (MD5) Previous issue date: 2015-08-31 === As florestas têm um papel fundamental no sequestro de carbono da atmosfera. Dessa forma, este trabalho tem como principal objetivo quantificar e analisar a biomassa de um fragmento florestal de Pinus uncinata pertencente ao Espaço Natural da Montanha de Alinyà, por meio de ferramentas de sensoriamento remoto. O espaço natural está localizado no município de Figòls y Alinyà, na província Lleida, situada na Catalunha – Espanha. Assim, para realizar este estudo foram selecionadas 7 imagens do sensor TM do Landsat 5 correspondentes aos 1984, 2003, 2006, 2008, 2009, 2010 e 2011 com rota 198 e ponto 31. Seguidamente foram trabalhadas as bandas espectrais de cada imagem e calculados a calibração radiométrica, a reflectância e os índices de vegetação NDVI e SAVI. Com os dados LiDAR foram gerados os Modelos Digitais de Terreno (MDT) e realizados os cálculos estatísticos pertinentes para calcular a biomassa florestal, a área basal e o teor de carbono. As informações obtidas foram projetadas em mapas. Como resultado, o NDVI mostrou-se importante por proporcionar a análise temporal do comportamento da massa florestal. No entanto, o NDVI e o SAVI tiveram seus resultados prejudicados pela influência dos efeitos topográficos. Os modelos de regressão linear para biomassa, área basal e teor de carbono tiveram uma correlação satisfatória com os dados de inventário para duas das cinco zonas consideradas. Dessa forma, foi possível estimar estas variáveis florestais para a zona de estudo. O cálculo de biomassa florestal pelos dados LiDAR resultaram em 9.138,6 t para uma área de 69,04 ha, enquanto que os cálculos de inventário resultaram em 11.638,4 tn. O Teor de carbono o cálculo com os dados LiDAR resultaram em 5.425,04 t diante de 6.520,18 t resultantes dos cálculos com os dados de inventário. Portanto se pode afirmar que a tecnologia LiDAR traz ao estudo florestal uma série de aplicações necessárias para uma efetiva gestão dos sistemas florestais. Além disso, o LiDAR apresenta vantagens diante dos outros métodos convencionais, em relação à sua precisão, temporalidade e varredura, ainda mais diante da urgência de se obter resultados confiáveis no cenário atual de mudanças climáticas e vulnerabilidade dos ecossistemas. === The forests have a vital role in carbon capture from the atmosphere. Thus, this work has as its main objective to quantify and analyze biomass of a forest fragment of a Pinus uncinata that belongs to Alinyà Mountain Natural Space, through remote sensing tools. The natural area is located in the County of Figòls y Alinyà, in the Lleida province, located in Catalonia-Spain. In this sense, to conduct this study, 7 images were selected from the Landsat 5 TM sensor corresponding to 1984, 2003, 2006, 2008, 2009, 2010 and 2011 with path 198 and row 31. Subsequently, the spectral bands of each image were manipulated, and then the radiometric calibration, reflectance, and the NDVI and SAVI vegetation indexes were calculated. Using the LiDAR data, the Digital Terrain Models (DTM) were generated, and relevant statistical calculations were made to subsequently calculate the forest biomass, basal area, and carbon content. The information obtained was projected on maps. As a result, the NDVI has supported the study by temporally analyzing the behavior of the forest. However, this index, and even more the SAVI, suffered with the influence of topographic effects. The linear regression models for biomass, basal area, and carbon content had a satisfactory correlation with the inventory data for 2 of the 5 areas considered. In this sense, it was possible to estimate these forest variables for the study area. The calculation of forest biomass by LiDAR data resulted in 9,138.6 ton to an area of 69.04 ha, while the inventory calculations resulted in 11,638.4 ton. For the carbon content, the calculation with the LiDAR data resulted in 5,425.04 ton in comparison with the 6,520 .18 ton resulting from the calculations with the inventory data. Hence, it is safe to say that LiDAR technology brings to the forest study a series of applications that are required for an effective management of forest systems. In addition, the LiDAR presents advantages before other conventional methods, regarding its accuracy, temporality, and range, especially on the urgency of obtaining reliable results in the current scenario of climate change and vulnerability of ecosystems.