Estratificação de povoamentos de Eucalyptus spp. em classes de idade por escaneamento a laser aeroembarcado

• Ano de defesa: 2017
• Autor(a) principal: Camargo, Alexandre Pansini
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Age classification; Classificação etária; Forest inventory; Índices de vegetação; Inventário florestal; LiDAR; Remote sensing; Sensoriamento remoto; Vegetation indices
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/11/11150/tde-05012018-182841/

As condições climáticas do Brasil aliadas ao desenvolvimento tecnológico favorecem a obtenção de sucessivos incrementos em produção florestal e estimulam a expansão de área cultivada com povoamentos voltados para a produção madeireira. Com o objetivo de contribuir para o processo de quantificação das florestas plantadas em uma escala regional, este estudo propõe utilizar informações combinadas de imagens de satélites e dados obtidos do LiDAR (Light Detecting and Ranging) para a construção de modelos determinísticos capazes de distinguir em duas categorias de idade agrupamentos de florestas plantadas no Vale do Paraíba, estado de São Paulo. A primeira etapa constitui utilizar informações de parcelas de campo como resposta para modelos gerados com variáveis de escaneamento a laser aeroembarcado (ALS) e extrapolar os parâmetros para toda a região da plantação; em um segundo momento, utilizar as informações extrapoladas para gerar um modelo composto por variáveis de índice de vegetação (IV) calculados das imagens de satélite. As informações LiDAR (Light Detecting and Ranging) foram obtidas de sete fazendas da região do Vale do Paraíba, estado de São Paulo, em 2012, mesmo ano em que foram coletados os dados das parcelas de campo dos inventários florestais e que as imagens foram obtidas pela constelação de satélites RapidEye. Como variáveis de dados ALS foram utilizados o cálculo de todos os pontos por célula de 5 x 5 m avaliados, alturas máxima, mínima, média, desvio padrão e percentis de altura, calculados pelo programa de análise de dados LASTools®. Foram incluídas também métricas de diferença de alturas do percentil 90 e o percentil 10 (p9010) e a medida dessa diferença relativa à altura do percentil 90 (p9010r). Na modelagem dos dados LiDAR para imagens de satélite foram utilizadas como variáveis, de forma individual ou conjuntamente, os índices NDVI, NDVI705, EVI, GNDVI, SAVI, Red-Green ratio e SRI. Os modelos foram avaliados quanto ao seu desempenho no coeficiente de determinação (R2) e na raíz do erro quadrático médio (RMSE) e em uma análise final predizendo as fazendas em categorias de idade jovem e maduro. O modelo com melhores estimativas (R2 e RMSE) para idade na primeira etapa foi o que possuía variáveis Hp90 e Hp9010r, com R2=0,85 e RMSE=11,736 meses, e para a segunda etapa foi o modelo contendo como variáveis os índices de vegetação NDVI705, Red-Green índex e SAVI, com R2=0,49 e RMSE=0,378 meses. Apesar dos resultados melhores, o modelo contendo índices de vegetação GNDVI e Red-Green índex foi o que melhor representou a distribuição das florestas quanto a sua maturidade.