Efeitos da geomorfometria na caracterização florístico-estrutural da Floresta Tropical na região de Tapajós com dados SRTM e PALSAR

• Main Author: Polyanna da Conceição Bispo
• Other Authors: Marcio de Morisson Valeriano
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais 2012
• Online Access: http://urlib.net/sid.inpe.br/mtc-m19/2012/06.03.13.58

O presente trabalho teve como objetivo analisar dados SRTM e PALSAR/ALOS como insumos ao estudo florístico-estrutural da vegetação em resposta a variações do relevo expressa em variáveis geomorfométricas, visando à modelagem da distribuição estrutural e de biomassa aérea na Floresta Nacional do Tapajós. Os dados florísticos estruturais foram coletados em campo, em parcelas distribuídas de acordo com classes fito-ecológicas e com sua condição geomorfométrica. Os dados geomorfométricos derivados de SRTM e dados polarimétricos derivados de PALSAR foram extraídos nos pontos de coleta para análises em conjunto com os dados de vegetação. Uma ordenação de espécies foi feita por meio de uma Análise de Correspondência Destendenciada (DCA) para verificar os agrupamentos de distribuição das espécies. As relações entre as variáveis da composição florística (abundancia, riqueza e florística) e os dados geomorfométricos foram avaliadas com análises de regressão. A relação entre espécies selecionadas e a geomorfometria foi avaliada com regressão logística. No desenvolvimento de estimativas das variáveis estruturais da floresta, os atributos geomorfométricos foram aplicados em análise de correlação canônica seguida de regressão entre cada variável estrutural e as variáveis geomorfométricas. Na estimativa da biomassa, os dados geomorfométricos foram avaliados por regressão múltipla. Os dados SAR, por sua vez, foram submetidos a análises exploratórias, para avaliação das respostas polarimétricas das parcelas amostrais em três diferentes categorias de terreno (plano, ondulado e forte-ondulado). Foi testada uma metodologia para isolar as variáveis polarimétricas do efeito do relevo através do cálculo do fator topográfico de iluminação, para melhoria nas estimativas de biomassa, porém a técnica não teve sucesso nas condições deste experimento. Finalmente, os dados SAR e geomorfométricos selecionados foram aplicados conjuntamente em análises de regressão múltipla em um modelo estatístico mais abrangente para estimativa da biomassa. Este modelo resultou numa estimativa mais correlacionada do que com variáveis polarimétricas sozinhas. === The present study aimed to analyze SRTM and ALOS PALSAR data as inputs for floristic and structural study of vegetation as conditioned by relief variations expressed in geomorphometric variables in the TapajósNational Forest. Floristic and structural data were collected on field survey, in plots distributed according to phyto-ecological classes and to geomorphometric conditions. Geomorphometric data derived from SRTM and polarimetric data calculated from PALSAR were extracted in the survey points for analyses together with vegetations data. A species ordination through Detrended Correspondence Analysis (DCA) was accomplished to identify the species distribution groups. Floristic composition variables (abundance, richness and floristic) and geomorphometric data were evaluated through regression analysis. Logistic regression was applied to study the relationships between the occurrences of selected species. In the development of forest structural variables, geomorphometric variables were applied in canonical correlation analysis followed by regression between each structural variable and the geomorphometric variables. For biomass estimates, geomorphometric data were evaluated though multiple regression. SAR data were submitted to exploratory analysis of the polarimetric responses of plots stratified into three terrain types (flat, gentle and steep). An approach to free polarimetric data from relief effects for improvement in biomass estimates by compensating topographic illumination factor was proposed, but did not succeed in the experimented conditions. Finally, SAR and selected geomorphometric data were applied together in multiple regression analyses for a broader statistic model for biomass estimates. This model resulted in a more correlated estimate of biomass than the models accounting for polarimetric variables alone.