Estimativa de biomassa e estoque de carbono em um fragmento de floresta ombrófila mista com uso de dados ópticos de sensores remotos

Abstract

A imprecisão das estimativas de carbono estocado em florestas naturais no ciclo global de carbono vem criando uma demanda de desenvolvimento e padronização de métodos indiretos para modelagem deste ciclo e de emissões de CO2 provenientes de mudanças de uso da terra e florestas. O trabalho teve como objetivo estabelecer as relações empíricas existentes entre a biomassa e o estoque de carbono de uma Floresta Ombrófila Mista (FOM) e os dados ópticos provenientes de sensores remotos de média resolução espacial (ASTER, LiSSIII e TM) por meio de análise de regressão. Além disso, criou-se um cenário hipotético de Redução de Emissões por Desmatamento, Degradação Florestal e Aumento de Estoque de Carbono (REDD+). O estudo foi desenvolvido na Estação Experimental de São João do Triunfo, no estado do Paraná. As equações de regressão envolveram como variáveis dependentes (y): a biomassa e o carbono florestal, obtidos indiretamente do inventário florestal contínuo do Programa de Pesquisas Ecológicas de Longa Duração (PELD), e como variáveis independentes (x) as bandas espectrais e os índices de vegetação (IV). O tratamento estatístico envolveu a análise da matriz de correlação (r) entre as variáveis x e y; a análise de regressão linear simples, não linear e múltipla, com as seguintes estatísticas: R², R²aj., Syx, Syx% e dispersão dos resíduos, Por fim, elaboraram-se mapas temáticos para estas variáveis biofísicas. Como as correlações (r) entre as variáveis biofísicas e espectrais do sensor ASTER (15m) foram baixas, a imagem foi degradada para 30m e 45m. Na resolução de 30m, o uso dos dados ASTER foi superior ao seu uso na resolução original. Não houve diferenças significativas nos valores de r entre o uso das bandas ou dos IVs para predizer as variáveis biofísicas. Regressões lineares simples se mostraram mais adequadas do que as regressões não lineares (exponenciais e logarítmicas) e múltiplas para estimar as variáveis biofísicas, apresentando erros inferiores aos estabelecidos nas campanhas de inventários tradicionais (α < 5%). Os mapas gerados a partir do sensor ASTER 30m foram mais fidedignos ao retratar a distribuição espacial destas variáveis na área de estudo devido à alta correspondência destes com os valores observados no inventário (PELD). Assim, a equação de regressão de carbono florestal a partir do ASTER foi usada na criação do projeto REDD+. A estimativa de biomassa e de carbono florestal da FOM mediante uso de dados de sensores ópticos foi adequada, com possibilidades de ser expandida para extensas áreas. A metodologia, portanto, se mostrou apropriada para ao monitoramento, relatório e verificação de estoques de carbono em florestas.

The imprecision of the estimates of carbon stock in natural forests in the global carbon cycle has created a demand for development and standardization of indirect methods for modeling this cycle and CO2 emissions from land use change and forestry. The work had as objective to establish empirical relationships between biomass and carbon stock of an Araucaria Forest (FOM) and medium spatial resolution remote sensing data (ASTER, and LiSSIII TM) through regression analysis. In addition, we created a hypothetical scenario of Reducing Emissions from Deforestation and Forest Degradation and Enhanced Carbon Stocks (REDD+). The study was developed at the Experimental Station of São João do Triunfo, state of Paraná. The regression analysis involved the forest biomass and forest carbon obtained from continuous forest inventory of the Long Term Ecological Research Program (LTER) as dependent variables (y) and spectral bands and vegetation indices (VIs) as independent variables (x). The statistical analysis comprised correlation analysis (r) between the variables x and y; regression analysis from linear, nonlinear and multiple regressions with the following statistics: R², R²adj, Syx, Syx% and residual dispersion. Furthermore thematic maps were made. Correlations between the biophysical variables and the spectral ASTER data were weak therefore ASTER was scaling up to 30m and 45m. The resolution of 30m, using ASTER data was higher than its use in the original resolution. There were not significant differences in r values between use of bands or VIs to predict the biophysical variables. Linear regressions were more suitable than nonlinear regressions (exponential and logarithmic) and multiple to estimate the biophysical variables, with errors lower than established in traditional inventories campaigns (α <5%). Maps generated from ASTER 30m were more reliable in portraying the spatial distribution of these variables in the study area due to the high correlation of these with the values observed in the inventory (LTER). Thus, the forest carbon equation from ASTER data was used in the creation of REDD+. The estimated biomass and forest carbon by using optical sensors data was adequate, with possibilities to be expanded to large areas. The methodology thus proved suitable for the monitoring, reporting and verification of carbon stocks in forests.