PREDIÇÃO E PROJEÇÃO DO CRESCIMENTO E DA PRODUÇÃO DE PLANTIOS DE EUCALIPTO POR MEIO DE IMAGENS MULTIESPECTRAIS DE MÉDIA RESOLUÇÃO ESPACIAL

Nome: JEANGELIS SILVA SANTOS
Tipo: Tese de doutorado
Data de publicação: 11/02/2020
Orientador:

Nomeordem decrescente Papel
ADRIANO RIBEIRO DE MENDONÇA Orientador

Banca:

Nomeordem decrescente Papel
ADRIANO RIBEIRO DE MENDONÇA Orientador
ANDRÉ QUINTÃO DA ALMEIDA Examinador Externo
FABIO GUIMARÃES GONÇALVES Coorientador
GILSON FERNANDES DA SILVA Examinador Interno
SAMUEL DE PÁDUA CHAVES E CARVALHO Coorientador

Resumo: O manejo e planejamento eficiente de áreas florestais dependem, diretamente, da aquisição de informações acuradas sobre os povoamentos. Informações sobre o desenvolvimento das florestas podem ser obtidas previamente por modelos de crescimento e produção. Entretanto, para o ajuste desses modelos são necessários dados de inventários florestais contínuos, que são atividades complexas e onerosas. Uma das alternativas que pode reduzir os custos do inventário florestal é a utilização de técnicas de sensoriamento remoto. Diante disso, o objetivo deste trabalho foi propor uma metodologia para a utilização de dados multiespectrais de média resolução espacial para a predição e projeção do crescimento e produção de florestas de eucalipto. Além disso, foi avaliada a possibilidade de redução do número de parcelas mensuradas no inventário florestal. Para tanto, foi utilizada uma base de dados contendo informações de idade e volume por hectare em 40 parcelas permanentes mensuradas anualmente durante os anos de 2006 a 2011, com idades variando de dois a sete anos. Para esse mesmo período, foi obtida uma base de dados contendo séries temporais das métricas do tasseled cap extraídas de imagens do sensor ETM+/Landsat 7, suavizadas pelo filtro Savitzky-Golay. Para avaliar a possibilidade de redução no número de parcelas mensuradas no inventário florestal contínuo para estimar a predição e projeção do crescimento por meio de dados de sensoriamento remoto, foram propostos três cenários, com diferentes intensidades amostrais: 1) uma parcela a cada 28 ha; 2) uma parcela a cada 42 ha, e; 3) uma parcela a cada 83 ha. A estimação da predição e projeção foi realizada por redes neurais artificiais, sendo que na predição as variáveis de entrada foram a idade do povoamento e as métricas do tasseled cap (brightness, greenness e wetness). Para a projeção, as variáveis de entrada foram as idades atual e futura e o volume atual, obtido pela predição para o primeiro ano do inventário florestal contínuo. A predição e a projeção foram aplicadas em toda a área dos povoamentos, sendo que os mapas de projeção foram utilizados para cálculo do incremento médio mensal e incremento corrente mensal. Na predição para toda a área, os valores de RMSE foram de 7,92% no cenário 1, 8,86% no cenário 2 e 10,67% no cenário 3. Já para a projeção, o RMSE foi de 10,07% no cenário 1, 9,68% no cenário 2 e 11,75% no cenário 3. De modo geral, não houve uma discrepância entre as medidas de acurácia nos três cenários. Além disso, todos os cenários analisados para predição e projeção apresentaram média dos valores estimados dentro do intervalo de confiança do inventário florestal. Os valores de incremento médio e corrente mensais projetados pelos diferentes cenários analisados não se diferiram do obtido pelo IFC, sendo os pontos de inflexão da curva de crescimento e de maturidade da floresta próximos. Assim, pode-se concluir que o uso de dados do sensoriamento remoto permitiu realizar a predição e projeção do crescimento e da produção de florestas de eucalipto com acurácia. Além disso, ao aplicar a metodologia aqui apresentada, é possível reduzir significativamente a intensidade amostral em até uma parcela a cada 83 ha, com acurácia compatível com a metodologia tradicionalmente utilizada no inventário florestal contínuo.

Palavras-chave: Manejo Florestal, Tasseled Cap, Redes Neurais Artificiais, Google Earth Engine, Inventário Florestal Aprimorado.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910