CARACTERIZAÇÃO ESPECTRAL E FUSÃO DE DADOS LIDAR E HIPERESPECTRAIS COLETADOS POR DRONE PARA ESTIMAR A BIOMASSA ACIMA DO SOLO DE FLORESTAS SECUNDÁRIAS DA MATA ATLÂNTICA
Nome: NIVEA MARIA MAFRA RODRIGUES
Data de publicação: 28/03/2025
Banca:
Nome |
Papel |
|---|---|
| CATHERINE TORRES DE ALMEIDA | Examinador Externo |
| ERIC BASTOS GORGENS | Examinador Externo |
| FÁBIO GUIMARÃES GONÇALVES | Examinador Externo |
| GILSON FERNANDES DA SILVA | Presidente |
| RORAI PEREIRA MARTINS NETO | Examinador Externo |
Resumo: As florestas tropicais desempenham um papel fundamental no ciclo global do carbono, na conservação da biodiversidade, do solo e da água e oferecem uma vasta gama de serviços ecossistêmicos. Portanto, aprimorar o monitoramento das florestas tropicais com dados coletados por aeronave remotamente pilotada (RPA) é de fundamental importância para assegurar esses serviços. Tendo em vista o exposto, este trabalho teve como objetivo avaliar a utilização de dados hiperespectrais coletados por RPA para caracterizar a vegetação de fragmentos de floresta secundária da Mata Atlântica em diferentes estágios sucessionais. Além disso, também foi um objetivo combinar dados LiDAR e hiperespectrais para aprimorar a estimativa da biomassa acima do solo (AGB) e espacializar as estimativas nestas áreas. Para tal, foram identificados e inventariados todos os indivíduos arbóreos com diâmetro à altura do peito (D, medido a 1,3 m do solo) > 5 cm de 30 parcelas de campo (30 m x 30 m cada) de cinco remanescentes florestais localizados no sul do estado do Espírito Santo. Nuvens de pontos aéreas de LiDAR e cubos de imagens hiperespectrais foram geradas para todos os fragmentos analisados. Em seguida, foram estimadas métricas tradicionais e derivadas da transformada de Fourier a partir das alturas da nuvem de pontos, bem como informações espectrais, incluindo valores de reflectância e índices de vegetação, para cada parcela. A AGB de campo foi estimada utilizando uma equação alométrica ajustada para floresta estacional semidecidual. Foi possível diferenciar os estágios sucessionais dos fragmentos florestais secundários analisados com os dados hiperespectrais coletados por RPA. No contexto de florestas tropicais secundárias, caracterizadas por alta variabilidade estrutural e diferentes estágios sucessionais, a integração de dados LiDAR e hiperespectrais resultou em ganhos mínimos na precisão da estimativa de AGB. Em alguns casos, a fusão dos dados não trouxe melhorias em relação aos modelos baseados exclusivamente em LiDAR, o que mostra que as informações espectrais não contribuíram de maneira expressiva para aprimorar as estimativas de AGB.
