Modelos para estimativa de variáveis florestais com a utilização de imagens multiespectrais

Autores

  • Igor Eloi Silva Machado Universidade Federal do Tocantins
  • Micael Moreira Santos Universidade Federal do Paraná
  • Marcos Giongo Universidade Federal do Tocantins
  • Edmar Vinicius de Carvalho Universidade Federal do Tocantins
  • Eduardo Ganassoli Neto Universidade Federal do Paraná

DOI:

https://doi.org/10.4336/2017.pfb.37.90.1380

Palavras-chave:

Landsat, Inventários florestais, Estimativa de volume

Resumo

Técnicas de sensoriamento remoto em monitoramento vegetacional vêm sendo cada vez mais utilizadas e melhoradas. A utilização dessas técnicas é uma alternativa potencial para embasar inventários florestais. O presente trabalho tem por objetivo estimar variáveis florestais utilizando imagens multiespectrais associadas a informações obtidas em levantamento de campo. Foi estudada uma área de floresta tropical com aproximadamente 44.728,5 ha. Foi feito um inventário florestal 100%, fornecendo a volumetria das árvores com circunferência a 1,30 m acima do solo (CAP) superior a 110 cm. Foi utilizada a cena 227/069 do Landsat 7, sendo feita correção radiométrica da imagem, obtendo-se os valores de reflectância. Foram avaliados três tamanhos de parcelas circulares (40, 80 e 120 m de raio) para ajuste dos modelos lineares. O comportamento espectral da área apresentou respostas baixas na região do visível (TM1, TM2 e TM3), aumentando no infravermelho próximo (TM4). A banda TM4 apresentou maior correlação com o CAP (R: -0,5203). O melhor modelo para estimativa do volume exibiu R²aj = 0,387 e Syx = 30,199%, estimando um volume médio de 39,61 m³ ha-1. Os resultados demonstraram viabilidade do uso de imagens de satélites para estimativa de variáveis dendrométricas.

Downloads

Não há dados estatísticos.

Biografia do Autor

Igor Eloi Silva Machado, Universidade Federal do Tocantins

http://lattes.cnpq.br/0973631236923749

Micael Moreira Santos, Universidade Federal do Paraná

http://lattes.cnpq.br/7474383274009277

Marcos Giongo, Universidade Federal do Tocantins

http://lattes.cnpq.br/5712134838373036

Edmar Vinicius de Carvalho, Universidade Federal do Tocantins

http://lattes.cnpq.br/004872554038666

Eduardo Ganassoli Neto, Universidade Federal do Paraná

http://lattes.cnpq.br/1622146643415474

Referências

Almeida, A. Q. et al. Relações empíricas entre características dendrométricas da Caatinga brasileira e dados TM Landsat 5. Pesquisa Agropecuária Brasileira, v. 49, n. 4, p. 306-315, 2014. DOI: 10.1590/S0100-204X2014000400009.

Alves, M. V. G. et al. Aplicação de k-nearest neighbor em imagens multispectrais para a estimativa de parâmetros florestais. Floresta, v. 43, n. 3, p. 351-362, 2013. DOI: 10.5380/rf.v43i3.18083.

Berra, E. F. et al. Estimativa do volume total de madeira em espécies de eucalipto a partir de imagens de satélite Landsat. Ciência Florestal, v. 22, n. 4, p. 853-864, 2012. DOI: 10.5902/198050987566.

Canavesi, V. et al. Estimativa de volume de madeira em plantios de Eucalyptus spp. utilizando dados hiperespectrais e dados topográficos. Revista Árvore, v. 34, n. 3, p. 539-549, 2010. DOI: 10.1590/S0100-67622010000300018.

Canavesi, V. & Ponzoni, F. J. Relações entre variáveis dendrométricas de plantios de Eucalyptus sp. e valores de FRB de superfície de imagens do sensor TM/Landsat 5. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais... São José dos Campos: INPE, 2007. p. 1619-1625.

Defries, R. Terrestrial vegetation in the coupled human-earth system: contributions of remote sensing Annu. Review of Environment and Resources, v. 33, n. 1, p. 369-390, 2008. DOI: 10.1146/annurev.environ.33.020107.113339.

Gürtler, S. et al. Planilha eletrônica para o cálculo da reflectância em imagens TM e ETM+ LANDSAT. Revista Brasileira de Cartografia, v. 57, n. 2, p. 162-167, 2005.

Jensen, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos: Parêntese, 2009. 598 p.

Leal, F. A. et al. Índice de vegetação na estimativa do volume em um povoamento de eucalipto. Enciclopédia Biosfera, v. 9, n. 17, p. 1638, 2013.

Li, D. et al. Estimating the age of deciduous forests in northeast China with Enhanced Thematic Mapper Plus data acquired in different phenological seasons. Journal of Applied Remote Sensing, v. 8, n. 1, p. 083670: 1-20, 2014. DOI: 10.1117/1.JRS.8.083670.

Lu, D. et al. Relationships between forest stand parameters and Landsat TM spectral responses in the Brazilian Amazon Basin. Forest Ecology and Management, v. 198, n. 1-3, p. 149–167, 2004. DOI: 10.1016/j.foreco.2004.03.048.

Novo, E. M. L. de M. Sensoriamento remoto: princípios e aplicações. 3. ed. São Paulo, SP: Blucher, 2008. 387 p.

Pinheiro, E. da S. et al. Imagens Landsat e QuickBird são capazes de gerar estimativas precisas de biomassa aérea de Cerrado? In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14., 2009, Natal. Anais... São José dos Campos: INPE, 2009. p. 2913-2920.

Ponzoni, F. J. & Shimabukuro, Y. E. Sensoriamento remoto no estudo da vegetação. São José dos Campos, SP: INPE, 2007. 150 p.

Queiroz, W. T. Análise de fatores pelo método da máxima verossimilhança: aplicação ao estudo da estrutura de florestas tropicais. 1984. 109 f. Tese (Doutorado em Engenharia Florestal) - Universidade de São Paulo, Piracicaba.

Rêgo, S. C. A. et al. Análise comparativa dos índices de vegetação NDVI e SAVI no município de São Domingos do Cariri-PB. Revista Geonorte, v. 2, n. 4, p. 1217-1229, 2012.

Reis, A. A et al. Amostragens em imagens de sensoriamento remoto para a determinação da correlação entre características dendrométricas e dados espectrais. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 17, 2015, João Pessoa. Anais... São José dos Campos: INPE. 2015. p. 4699-4704.

Rosenqvist, A. et al. A review of remote sensing technology in support of the Kyoto Protocol. Environmental Science & Policy, v. 6, n. 5, p. 441-455, 2003. DOI: 10.1016/S1462-9011(03)00070-4.

Thenkabail, P. S. Detecting floristic structure and pattern across topographic and moisture gradients in a mixed species Central African forest using IKONOS and Landsat-7 ETM+ images. International Journal of Applied Earth Observation and Geoinformation, v. 4, n. 3, p. 255-270, 2003. DOI: 10.1016/S0303-2434(03)00006-0.

United States. Department of the Interior. U. S. Geological Survey. Earth explorer. Washington, DC, [2016]. Disponível em: <http://earthexplorer.usgs.gov/> Acesso em: 10 jan. 2016.

Watzlawick, L. F. et al. Estimativa de biomassa e carbono em floresta com araucária utilizando imagens do satélite IKONOS II. Ciência Florestal, v. 19, n. 2, p. 169-181, 2009. DOI: 10.5902/19805098408.

Downloads

Publicado

2017-06-30

Como Citar

MACHADO, I. E. S.; SANTOS, M. M.; GIONGO, M.; CARVALHO, E. V. de; GANASSOLI NETO, E. Modelos para estimativa de variáveis florestais com a utilização de imagens multiespectrais. Pesquisa Florestal Brasileira, [S. l.], v. 37, n. 90, p. 171–181, 2017. DOI: 10.4336/2017.pfb.37.90.1380. Disponível em: https://pfb.cnpf.embrapa.br/pfb/index.php/pfb/article/view/1380. Acesso em: 28 fev. 2021.

Edição

Seção

Artigos Científicos

Artigos mais lidos pelo mesmo(s) autor(es)