| Summary: | Quantificar a biomassa florestal tropical e caracterizar a estrutura da floresta em escalas finas é fundamental para compreender melhor o papel dos ecossistemas tropicais no ciclo global de carbono. O sensoriamento remoto por LiDAR é uma ferramenta poderosa para avaliar a estrutura da vegetação em 3D e estimar a biomassa acima do solo, considerando que as medições do LiDAR penetram na vegetação densa da floresta gerando estimativas precisas da topografia e das alturas das árvores. Florestas tropicais com dossel denso apresentam vários desafios para o sensoriamento remoto por LiDAR, especialmente em áreas de topografia acidentada, onde grande parte das remanescentes da Mata Atlântica se encontra. Dados de LiDAR aerotransportado foram adquiridos sobre o Parque Estadual da Serra do Mar - SP, Brasil, em uma área montanhosa com declives íngremes cobertas por floresta tropical densa. Modelos digitais de terreno derivados do LiDAR foram comparados com 35 pontos de controle medidos com receptores GNSS de alta precisão, pós-processados com correção diferencial. Os dois modelos de terreno obtidos do LiDAR mostraram-se extremamente precisos, com erros médios de 0,19 m ($\pm 0,97$ m) e 0,18 m ($\pm 0,95$ m) em relação aos pontos de controle. Redução aleatória da densidade original de pontos de LiDAR (20 pontos/$m^{2}$) resultou em diminuição da precisão dos modelos de terreno: os erros médios subiram para 0,38 m ($\pm 1,32$ m), 1,12 m ($\pm 2,04$ m), 1,59 m ($\pm 3,13$ m) e 3,21 m ($\pm 3,12$ m) com as densidades de 8, 4, 2 e 1 pontos/$m^{2}$, respectivamente. As diferenças de elevação entre o modelo de terreno e os pontos de controle em áreas submontanas foram consistentemente mais altas do que as diferenças em áreas montanas, possivelmente refletindo a complexidade variável do terreno e os efeitos da altura do vôo. A altura do dosse1 calculada a partir dos dados de LiDAR com densidade reduzida diferiu também significativamente da altura do dossel estimada a partir dos dados com densidade original. A altura média da superfície do dossel diminuiu de 3\%, 8\%, 16\% e 25\% com densidades de 8,4,2 e 1 pontos/$m^{2}$,, respectivamente. A magnitude da mudança na altura do dos sel foi maior nas parcelas submontanas (entre 0,79-6,08 m) do que nas montanas (entre 0,60-4,24 m) dentro de todas as classes de densidade de dados. A baixa variação das elevações do modelo da superfície da vegetação com dados reduzidos indicou que a diminuição da altura do dosse1 foi devido a dificuldade de caracterizar a topografia e não a incapacidade de capturar as alturas máximas das árvores. Métricas de estrutura do dossel e características do terreno derivadas dos dados de LiDAR (densidade original) foram bons preditores de componentes da biomassa acima do solo em parcelas permanentes de 1 hectare dentro da área de estudo. A fração de aberturas no dossel foi fortemente relacionada a perda de biomassa acima do solo ($R^{2}$ = 0,87) e a variação líquida ($R^{2}$ = 0,91), enquanto que a altura média da superfície do dos seI explicou 43\% da variação na biomassa total acima do solo e 68\% da variação na área basal total. A fração de aberturas no dossel e as taxas de mortalidade foram menores em terrenos íngremes do que em encostas suaves, sugerindo que encostas mais íngremes podem proporcionar condições mais favoráveis (de nutrientes, de água e disponibilidade de luz) para o crescimento das árvores e acúmulo de biomassa. Dada a crescente ênfase sobre o uso de LiDAR aerotransportado para manejo florestal e esforços de conservação (REDD+), os resultados deste estudo destacam a importância do planejamento cuidadoso de levantamentos futuros com amostragem consistente para a quantificação precisa dos estoques e dinâmica da biomassa acima do solo. Em terreno montanhoso coberto com densa vegetacão tropical, como a Mata Atlântica da Serra do Mar, dados de LiDAR de baixa densidade vão subestimar a biomassa e podem não caracterizar verdadeiramente a heterogeneidade espacial da estrutura da floresta. === Quantification of tropical forest biomass and characterization of forest structure at fine scales is critical for a better understanding of the role of tropical ecosystems in the global carbon cycle. LiDAR remote sensing is a powerful tool for assessing 3D vegetation structure and estimating aboveground forest biomass, provided that LiDAR measurements penetrate dense forest vegetation to generate accurate estimates of surface topography and canopy heights. Dense tropical forest canopies present various challenges for LiDAR remo te sensing, especially in areas of steep topography where much of the remaining Atlantic Forest is concentrated. Airbome LiDAR data were acquired from a commercial provider for a region of the Serra do Mar State Park in the state of São Paulo, Brazil, a mountainous area with steep slopes covered by mature tropical dense forest. Digital terrain models (DTMs) derived from all LiDAR data were compared to 35 ground control points measured with survey grade GNSS receivers, post-processed with differential correction. The two LiDAR-based terrain mo dels were extremely accurate, with mean signed errors of 0.19 m ($\pm 0.97$ m) and 0.18 m ($\pm$ 0.95 m) compared to ground points. Random thinning of the original LiDAR point density (20 points/$m^{2}$) decreased the accuracy of the terrain mode1s, with signed errors rising to 0.38 m ($\pm$ 1.32 m), 1.12 m ($\pm$ 2.04 m), 1.59 m ($\pm$ 3.13 m) and 3.21 m ($\pm$ 3.12 m) as point density was reduced to 8, 4, 2 and 1 points/m-, respective1y. Offsets between LiDAR DTMs and ground data in submontane areas were consistently higher than those in montane areas, possibly reflecting the varying complexity of the terrain and the effects of variable ranging distance. Canopy heights ca1culated from the thinned LiDAR data also differed significantly from canopy heights estimated with the full LiDAR density. Mean canopy surface height decreased by 3\%, 8\%, 16\% and 25\% as retum density was reduced to 8, 4, 2 and 1 points/m-, respectively. The magnitude of change in canopy height was greater in submontane plots (range of 0.79-6.08 m) than in montane plots (range of 0.60-4.24 m) within all data density classes. Low variation in vegetation surface model elevations with reduced data density indicated that the decrease in canopy heights was due to the difficulty to characterize topography precisely and not the inability to capture the top heights of trees. Metrics of canopy structure and terrain characteristics derived from the full-density LiDAR data were significantly related to aboveground biomass components in 1-ha permanent plots at the study site. Canopy gap fraction showed close correspondence with aboveground biomass loss ($R^{2}$ = 0.87) and net change ($R^{2}$ = 0.91), while mean canopy surface height explained 43\% of the variation in total aboveground biomass and 68\% of the variation in total basal area. Both canopy gap fraction and rates of mortality were lower on steep terrain than on gentler slopes, suggesting that steeper slopes might provi de more favorable conditions (nutrient, water and light availability) for tree growth and biomass accumulation than flat terrain. Given the growing emphasis on the use of airbome LiDAR for forest management and conservation efforts (REDD+), the results of this study highlight the importance of careful survey planning and consistent sampling frames for accurate quantification of aboveground biomass stocks and dynamics. In mountainous terrain under closed-canopy tropical forest, such as the Atlantic Forest of the Serra do Mar, low-density LiDAR coverage will underestimate biomass and might not characterize truthfully the spatial heterogeneity of forest structure.
|
|---|
