Resumo O monitoramento dos recursos naturais do nosso planeta é essencial para a obtenção de informações que possam subsidiar estratégias de conservação e utilização sustentável desses recursos. Tais estratégias se tornam ainda mais importantes em biomas ameaçados, como é o caso do Cerrado brasileiro, uma das savanas mais ricas e ameaçadas do mundo. Comumente o monitoramento das florestas é realizado por meio de inventários florestais, atividade onerosa, cara e extremamente difícil de ser realizada periodicamente em florestas extensas, como o Cerrado. Nesse sentido, o presente estudo teve como objetivo atualizar o mapeamento do estoque de volume e carbono em fragmentos de Cerrado, diminuindo a quantidade de levantamentos de campo por meio da aplicação de geotecnologias. Utilizaram-se dados de levantamento de campo de 61 fragmentos de Cerrado, sendo que em 25 deles foram realizadas 2 medições em um intervalo de 5 anos. Através dos dados de campo e valores de reflectância de imagens Landsat, modelos lineares múltiplos foram ajustados e validados. Posteriormente, esses modelos foram aplicados aos fragmentos que foram mensurados apenas uma vez. Dessa forma, foram obtidos os valores de volume e carbono para todos os 61 fragmentos, no ano da segunda medição, gerando mapas de produtividade atualizados.

Abstract Monitoring natural resources of our planet is essential to gather information to support strategies for conservation and a sustainable use of these natural resources. This monitoring is even more important in endangered biomes, as is the case of brazilian savannas, one of the most threatened and richest, in terms of biodiversity, savannas in the world. Usually, forest monitoring is accomplish by measuring the trees on the field, the so-called forest inventories, which are expensive, costly and extremely difficult to be performed periodically in extensive forests, as is the case of the Brazilian savannas. Therefore, this study aimed to update the information about volume and carbon stocks in savanna fragments in order to reduce tree measurements in the field. We used data from 61 savanna remnants, where 25 of them had 2 measurements with 5 years interval (monitoring). Multiple linear models, based on field data and reflectance values of Landsat images, were fitted and validated. Subsequently, the best models were applied to remnants that had only one measured, and then volume and carbon estimates were obtained for all 61 remnants in the second year of measurement. Additionally, maps updating the productivity of these remnants were generated.

ABSTRACT According to previous studies involving biometric variables modeling using remote sensing (RS), data did not consider the effects of anthropogenic disturbance as relevant factor. The main objective of this study was to model aboveground biomass (AGB) and total wood volume (TWV) of Brazilian Savanna biome using vegetation indices (VI) from LANDSAT 5 TM. Multiple linear regression (MLR) and random forest (RF) algorithm were applied across 641 field plots of cerrado sensu stricto of the state of Minas Gerais, Brazil, comparing two models: non-stratified, and stratified according to plot’s anthropization degree. AGB and TWV obtained from non-anthropized plots presented linear relation with VIs (R2 = 0.82 and 0.74, respectively) and, on the other hand, presented nonlinear relation when plots were affected by anthropogenic disturbances or were not stratified. This finding helps improving estimates by stratifying plots into their anthropization degree, mainly in the Brazilian Savanna biome undergoing anthropogenic disturbances.

ABSTRACT Brazil has many rural properties with unmanaged eucalyptus stands. These plantations are heterogeneous, presenting different tree sizes, advanced ages, and large wood volumes that can be quantified using forest inventories. The prediction error of dendrometric variables, mainly in highly heterogeneous areas, can be associated with inadequate forest inventory procedures, i.e. low intensity of sampling plots. However, a larger number of plots increases the cost of inventorying. Therefore, a promising alternative is forest stratification into homogeneous sub areas. Accordingly, the aim of this study was to analyze the reduction of volume estimate errors by post-stratification procedures. We used the normalized difference vegetation index (NDVI) derived from Landsat 8 and Spot 6 images and geostatistical techniques, such as kriging the volume (V) and diameter at breast height (DBH). The most precise method to estimate the total volume was the stratified random sampling (STS), based on geostatistical interpolation, using the DBH (error lower than 10%).

RESUMO Assumindo a existência de uma relação entre a heterogeneidade da paisagem e medidas de dependência espacial obtidas de dados de sensoriamento remoto, o objetivo deste estudo foi avaliar o potencial dos parâmetros do semivariograma derivados de imagens de satélite com diferentes resoluções espaciais, para caracterizar áreas cobertas por floresta e áreas sob ação antrópica. Para isso, o NDVI (Índice de Vegetação da Diferença Normalizada) de cada umas das imagens (SPOT 6, Landsat 8 e MODIS Terra) foi gerado em uma área de floresta tropical Amazônica (1.000 km²), onde foram selecionadas amostras (1 x 1 km) de áreas florestadas e áreas antrópicas. A partir destes dados, foram gerados os semivariogramas e extraídos os parâmetros patamar (σ²-variabilidade espacial total) e alcance (φ-distância dentro da qual as amostras apresentam-se estruturadas espacialmente). A análise revelou que a resolução espacial das imagens influencia os parâmetros σ² e φ, apresentando significativo aumento das áreas de florestas para as áreas sob ação antrópica. A maior variação entre estas classes foi obtida com as imagens Landsat 8, indicando estas imagens, com resolução espacial de 30 metros, a mais apropriada para a obtenção dos parâmetros do semivariograma objetivando a caracterização da heterogeneidade espacial da paisagem. Combinando o sensoriamento remoto e técnicas geostatisticas, demonstrou-se que os parâmetros do semivariograma derivados de imagens NDVI podem ser utilizados como um simples indicador de heterogeneidade da paisagem, gerando mapas que permitem aos pesquisadores delinearem com maior eficácia o regime de amostragem. Outras aplicações combinando estas duas técnicas devem ser investigadas, como por exemplo a detecção de mudanças na cobertura do solo e a classificação de imagens utilizando análises orientada a objetos (OBIA).

ABSTRACT Assuming a relationship between landscape heterogeneity and measures of spatial dependence by using remotely sensed data, the aim of this work was to evaluate the potential of semivariogram parameters, derived from satellite images with different spatial resolutions, to characterize landscape spatial heterogeneity of forested and human modified areas. The NDVI (Normalized Difference Vegetation Index) was generated in an area of Brazilian amazon tropical forest (1,000 km²). We selected samples (1 x 1 km) from forested and human modified areas distributed throughout the study area, to generate the semivariogram and extract the sill (σ²-overall spatial variability of the surface property) and range (φ-the length scale of the spatial structures of objects) parameters. The analysis revealed that image spatial resolution influenced the sill and range parameters. The average sill and range values increase from forested to human modified areas and the greatest between-class variation was found for LANDSAT 8 imagery, indicating that this image spatial resolution is the most appropriate for deriving sill and range parameters with the intention of describing landscape spatial heterogeneity. By combining remote sensing and geostatistical techniques, we have shown that the sill and range parameters of semivariograms derived from NDVI images are a simple indicator of landscape heterogeneity and can be used to provide landscape heterogeneity maps to enable researchers to design appropriate sampling regimes. In the future, more applications combining remote sensing and geostatistical features should be further investigated and developed, such as change detection and image classification using object-based image analysis (OBIA) approaches.

RESUMO Recentemente, variáveis geoestatísticas derivadas de imagens de sensoriamento remoto ganharam espaço dentre os procedimentos de detecção de mudanças, porém, o potencial temporal destas variáveis para o mapeamento das mudanças baseado na análise por objetos ainda é pouco estudado. Neste estudo, o desempenho de um conjunto de índices calculados de semivariogramas derivados de imagens NDVI bitemporais para detectar mudanças na cobertura do solo foi analisado e avaliado. O município de Mariana foi selecionado para teste e validação da metodologia devido ao grande impacto ocasionado pelo desastre. O processo iniciou-se com a aquisição de imagens Landsat 8 antes e após o desastre e o cálculo do NDVI. Os objetos foram criados através da segmentação em multiresolução baseada na imagem pós-desastre. Os semivariogramas experimentais foram gerados dentro de cada objeto e os índices foram extraídos e selecionados através da análise de componentes principais. Os índices selecionados foram utilizados como dados de entrada para o algoritmo support vector machines para a classificação de áreas de mudança e não mudança. Os índices selecionados se mostraram efetivos para a detecção de mudanças, indicando a possibilidade de utilização para a detecção de mudanças baseada em objetos, resultando em um mapa precisos das áreas inundadas afetadas pelo desastre. Esta abordagem pode ser usada em muitos outros contextos para uma avaliação rápida e precisa de tais mudanças na cobertura do solo.

ABSTRACT Object-based change detection is a powerful analysis tool for remote sensing data, but few studies consider the potential of temporal semivariogram indices for mapping land-cover changes using object-based approaches. In this study, we explored and evaluated the performance of semivariogram indices calculated from remote sensing imagery, using the Normalized Differential Vegetation Index (NDVI) to detect changes in spatial features related to land cover caused by a disastrous 2015 dam failure in Brazil’s Mariana district. We calculated the NDVI from Landsat 8 images acquired before and after the disaster, then created objects by multiresolution segmentation analysis based on post-disaster images. Experimental semivariograms were computed within the image objects and semivariogram indices were calculated and selected by principal component analysis. We used the selected indices as input data to a support vector machine algorithm for classifying change and no-change classes. The selected semivariogram indices showed their effectiveness as input data for object-based change detection analysis, producing highly accurate maps of areas affected by post-dam-failure flooding in the region. This approach can be used in many other contexts for rapid and accurate assessment of such land-cover changes.

RESUMO O objetivo deste estudo foi avaliar a continuidade espacial ao longo do tempo (para 5 idades consecutivas) das características dendrométricas altura dominante média, volume e incremento médio anual em povoamentos clonais de Eucalyptus sp no estado de Minas Geais. A área foi plantada em 2003, perfazendo um total de 1.072,6 hectares. Os dados foram oriundos de um conjunto de 116 parcelas permanentes, onde foi realizado inventário florestal sucessivo entre os anos de 2006 e 2010. Aos semivariogramas experimentais, foram ajustados os modelos esférico, exponencial e gaussiano pelo Método dos Mínimos Quadrados Ponderados, para cada idade, selecionando-se o mais adequado com base no erro médio reduzido e desvio padrão do erro médio reduzido da validação cruzada. O comportamento dos semivariogramas foram comparados entre as respectivas medições com base no plotagem dos mesmos de forma escalonada, permitindo avaliar se a estrutura espacial foi alterada com a idade do plantio. O modelo exponencial apresentou-se como o de melhor ajuste e todas as características apresentaram-se estruturadas espacialmente, com os modelos espaciais sendo semelhantes entre as idades do povoamento e para as características estudadas. Foi possível verificar que o grau de continuidade espacial se manteve ao longo dos anos para as características avaliadas e que o semivariograma escalonado demonstrou que a estrutura espacial das características é semelhante entre as diferentes idades do povoamento. Os resultados evidenciam que a utilização de métodos geoestatísticos para avaliar o crescimento de povoamentos de eucalipto ao longo do tempo, consiste de uma importante ferramenta de planejamento, permitindo um melhor acompanhamento e uma predição mais precisa do volume de madeira da floresta, levando em consideração a estrutura de dependência espacial.

ABSTRACT The aim of this study was to evaluate the spatial continuity of the dendrometric characteristics average dominant height, volume and mean annual increment, throughout five different continuous ages. The experimental area was planted in 2003, accounting for 1,072.6 hectares. The data sets were derived from 116 permanent plots where successive forest inventory was carried out between 2006 and 2010. Using least squares weighted method, spherical, exponential and gaussian semivariogram models were fitted to the experimental semivariogram. To select the best model, reduced average error and standard deviation of the mean reduced error were analyzed. The spatial continuity assessment at along the time was carried out by comparison of the scaled semivariograms plotted considering the data sets from each age. Exponential semivariogram model has presented the best fitting and all the dendrometric characteristics has presented spatial continuity. The evaluated models were similar for each age and the studied characteristics as well. The results obtained with this study show that the use of geostatistical procedures to evaluate the growth of the trees throughout the time is an important planning tool, allowing a better management and prediction of wood volume in the forest.

O Índice da Vegetação por Diferença Normalizada (NDVI) é, frequentemente, usado para extrair informações de áreas vegetadas, uma vez que está diretamente relacionado com parâmetros da vegetação, como o percentual de cobertura do solo, a atividade fotossintética da planta e o índice de área foliar. Objetivou-se, neste trabalho, analisar o potencial dos semivariogramas gerados a partir do índice de vegetação NDVI, para a detecção de desmatamentos, analisando seu comportamento (forma) e métricas derivadas (alcance, contribuição e efeito pepita). Semivariogramas foram gerados a partir do índice de vegetação NDVI, derivados de imagens Landsat TM de maio de 2010, junho de 2010 e julho de 2011. A área de estudo é uma região de Cerrado, no norte do estado de Minas Gerais, Brasil, totalizando 1.596 ha. Foram gerados semivariogramas, após a análise exploratória dos dados. Modelos foram ajustados, validados e suas métricas analisadas. Observou-se que a forma dos semivariogramas, alcance e contribuição foram diferentes quando houve desmatamentos na área e similares quando a área não foi alterada. O modelo que melhor se ajustou aos dados foi o gaussiano, porém os três modelos testados mostraram comportamentos similares quanto a eficiência na detecção dos desmatamentos. Os resultados sugerem que estudos futuros explorem o grau de intervenção que os semivariogramas temporais consigam detectar, bem como a influência que a sazonalidade de algumas fisionomias pode ter nas análises.

The Normalized Difference Vegetation Index (NDVI) is often used to extract information from vegetated areas since it is directly related to vegetation parameters such as percent of ground cover, photosynthetic activity of the plant and leaf area index. The aim of this paper was to analyze the potencial of semivariograms generated from NDVI values to detect changes in vegetated areas, analyzing their behavior (shape) and derived metrics (range, sill and nugget). Semivariograms were generated from NDVI values derived from Landsat TM images of May 2010, June 2010 and July 2011. The study area is located in the northern state of Minas Gerais, Brazil, and is covered by Brazilian savannas vegetation, totalizing 1,596 ha. Semivariograms were generated after the exploratory data analysis. Models were fitted, validated and their metrics analyzed. The results showed a very clear trend where the shape of semivariograms, sill and range were different when deforestation occurred and were similar when the area had not been changed. The model that generated best fit was the Gaussian, however, the three models tested showed behavior that makes it possible to detect changes in vegetation. It suggests that further researches should explore the degree to which the semivariogram can be used to quantify this spatial variability as well as to analyze the influence of sazonality for changing detection in vegetated areas.

O objetivo deste trabalho foi avaliar a possibilidade de se estimar o diâmetro à altura do peito (DAP) com os dados de altura e de número de árvores derivados do escâner a laser aerotransportado (LiDAR, "light detection and ranging"), e determinar o volume de madeira de talhão de Eucalyptus sp. a partir dessas variáveis. O número total de árvores detectadas foi obtido com uso da filtragem de máxima local. A altura de plantas estimada pelo LiDAR apresentou tendência não significativa à subestimativa. A estimativa do DAP foi coerente com os valores encontrados no inventário florestal; porém, também mostrou tendência à subestimativa, em razão do comportamento observado quanto à altura. A variável número de fustes apresentou valores próximos aos observados nas parcelas do inventário. O LiDAR subestimou o volume total de madeira do talhão em 11,4%, em comparação ao volume posto na fábrica. A tendência de subestimação da altura das árvores (em média, cerca de 5%) impactou a estimativa do volume individual de árvores e, consequentemente, a do volume do talhão. No entanto, é possível gerar equações de regressão que estimam o DAP com boa precisão, a partir de dados de altura de plantas obtidos pelo LiDAR. O modelo parabólico é o que possibilita as melhores estimativas da produção volumétrica dos talhões de eucalipto.

The objective of this work was to evaluate the possibility of estimating the diameter at breast height (DBH) with tree height and number data derived from airborne laser scanning (LiDAR, light detection and ranging) dataset, and to determine the timber volume of an Eucalyptus sp. stand from these variables. The total number of detected trees was obtained using a local maxima filtering. Plant height estimated by LiDAR showed a nonsignificant tendency to underestimation. The estimate for DBH was coherent with the results found in the forest inventory; however, it also showed a tendency towards underestimation due to the observed behavior for height. The variable number of stems showed values close to the ones observed in the inventory plots. LiDAR underestimated the total timber volume in the stand in 11.4%, compared to the total volume delivered to the industry. The underestimation tendency of tree height (5% mean value) impacted the individual tree volume estimate and, consequently, the stand volume estimate. However, it is possible to obtain regression equations that estimate DBH with good precision, from the LiDAR plant height derived data. The parabolic model is the one that provides the best estimates for timber volumetric yield of eucalyptus stands.