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

Igor Eloi Silva Machado; Micael Moreira Santos; Marcos Giongo; Edmar Vinicius de Carvalho; Eduardo Ganassoli Neto

doi:10.4336/2017.pfb.37.90.1380

Authors

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

Keywords:

Landsat, Forest inventory, Volume estimation

Abstract

Remote sensing techniques for vegetation monitoring has been more used and improved. These techniques are good alternative to be used as as basis for forest inventories. The present study aims to estimate forest variables using multispectral images associated with data from field survey. The studied area was a tropical rain forest of approximately 44,728.5 ha. A forest inventory 100% was carried out providing the volume of tree species with circumference at 1.30 m above soil level (CBH) higher than 110 cm. The used satellite was Landsat 7, scene 227/069. A radiometric correction was performed to obtain the reflectance values. Three plots sizes (40, 80, 120 m radius) were assessed for linear models adjustment. The area spectral behave presented low response on visible region (TM1, TM2 and TM3), increasing on near-infrared (TM4). TM4 band presented higher correlation with CBH (R: -0.5203). The best model to estimate showed a R²_aj = 0.387 and S_yx = 30.199%, estimating an average volume of 39,61 m³ ha^-1. The results showed viability to use satellite images to evaluate dendrometric variables.

Downloads

Download data is not yet available.

Author Biographies

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

References

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.