SciELO - Scientific Electronic Library Online

 
vol.21 issue3Use of satellite images in algebraic geoprocessing in the microregion of Campanha Ocidental, Rio Grande do Sul state, BrazilDeforestation assessment in the state of Rondônia between 2001 and 2011 author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

  • Portuguese (pdf)
  • Article in xml format
  • How to cite this article
  • SciELO Analytics
  • Curriculum ScienTI
  • Automatic translation

Indicators

Related links

Share


Floresta e Ambiente

On-line version ISSN 2179-8087

Floresta Ambient. vol.21 no.3 Seropédica July/Sept. 2014  Epub July 29, 2014

http://dx.doi.org/10.1590/2179-8087.052213 

Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitais

 

Biomass stock estimate in a forest fragment using orbital data

 

 

Antonio Santana FerrazI; Vicente Paulo SoaresII; Carlos Pedro Boechat SoaresII; Carlos Antônio Alvares Soares RibeiroII; Daniel Henrique Breda BinotiII; Hélio Garcia LeiteII

IDepartamento de Engenharia Civil, Universidade Federal de Viçosa – UFV, Viçosa/MG, Brasil
IIDepartamento de Engenharia Florestal, Universidade Federal de Viçosa – UFV, Viçosa/MG, Brasil

Endereço para correpondência

 

 


RESUMO

Este trabalho teve como objetivo estimar a biomassa aérea de um fragmento de Floresta Estacional Semidecidual, situada no município de Viçosa-MG, através de imagens ortorretificadas do satélite IKONOS. Com base em dados de inventário florestal, conduzido em 15 parcelas de 1000 m2 (20 m × 50 m), foram obtidas as estimativas dos estoques de biomassa aérea, a partir de equações alométricas. Estas estimativas foram relacionadas com variáveis digitais (reflectância nas quatro bandas multiespectrais e em 12 índices de vegetação), extraídas das imagens digitais, empregando-se Redes Neurais Artificiais (RNA). Os resultados mostraram que, para as condições da área de estudo, o emprego da técnica de RNA com apenas as bandas 1, 2, 3 e 4 do satélite IKONOS como variáveis de entrada foi eficiente para estimar a biomassa aérea total, embora os resíduos tenham sido ainda menores quando foram utilizadas as quatro bandas e os 12 índices de vegetação.

Palavras-chave: sensoriamento remoto, parâmetro biofísico, floresta estacional semidecidual.


ABSTRACT

The objective of this study was to use a set of orthorectified IKONOS satellite data to estimate aerial biomass in a semideciduous seasonal forest fragment located in Viçosa, state of Minas Gerais, Brazil. Estimates of above ground biomass were obtained with allometric equations based on forest inventory data conducted in fifteen 1,000 m2 (20 m × 50 m) parcels. These estimates were related to digital variables (reflectance of four spectral bands and 12 vegetation indices) extracted from digital images using Artificial Neural Network (ANN). The results showed that for the conditions of the study area, the use of ANN with only bands 1, 2, 3 and 4 of the IKONOS satellite as input variables was efficient to estimate the total aerial biomass, although the residual was even lower when 4 bands and 12 vegetation indices were used.

Keywords: remote sensing, biophysical parameter, semideciduous forest.


http://dx.doi.org/10.4322/floram.2014.029

 

 

INTRODUÇÃO

Os estudos de quantificação de biomassa em florestas têm sido realizados por meio de métodos diretos e indiretos. Diferentes técnicas relacionadas a estimativas de biomassa envolvendo o método direto são encontradas na literatura. Descrições de algumas destas técnicas, como a técnica do corte estratificado (stratified clip technique), o método da árvore média (mean tree method) e o método da parcela, são apresentadas por Silveira et al. (2008). Dentre outros trabalhos envolvendo o método direto, citam-se os de Higuchi & Carvalho Júnior (1994) e Watzlawick (2003).

Já os métodos indiretos são baseados na correlação da biomassa com alguma variável obtida por medição no campo, sem necessidade de abate da árvore. Estas estimativas podem ser feitas a partir de relacionamentos empíricos entre a biomassa e outras variáveis mais facilmente mensuradas no povoamento, como o Diâmetro à Altura do Peito (DAP); pode-se partir também de uma base de dados de um Sistema de Informações Geográficas (SIG), construída a partir de um inventário florestal, ou ainda através de imagens orbitais do povoamento, utilizando-se das técnicas do Sensoriamento Remoto (Ferraz, 2012).

Segundo Somogyi et al. (2006), as estimativas de biomassa para grandes áreas florestais têm sido obtidas de forma indireta, com base em informações originárias de inventário florestal. Equações de biomassa são utilizadas para transformar dados de altura, diâmetro e volume em estimativas de biomassa.

Nos últimos anos, com a disponibilidade de imagens de alta resolução, provenientes de sensores remotos, e com os avanços nas técnicas de processamento digital destas imagens, o sensoriamento remoto tem sido utilizado para estudos relacionados à estimativa de biomassa florestal, com base na associação do conteúdo de biomassa com os valores de radiância/reflectância, obtidos com a utilização de imagens de satélite (Watzlawick et al., 2009).

Normalmente, estas estimativas são efetuadas com a utilização dos chamados índices de vegetação (IVs) e de outras variáveis extraídas de imagens de sensoriamento remoto, apresentando a grande vantagem de proporcionar a acessibilidade de informações em locais remotos de difícil acesso, além de ser menos oneroso, em termos de trabalhos de campo, quando comparado aos métodos tradicionais.

A análise comparativa entre os resultados relacionados à quantificação da biomassa obtidos por meio de técnicas de sensoriamento remoto, aqueles oriundos das técnicas tradicionais, é facilitada, quando envolve o caso de florestas plantadas, por estas serem normalmente constituídas de apenas um gênero e periodicamente inventariadas (Silveira et al., 2008).

Entretanto, no caso de florestas naturais, normalmente heterogêneas, com grande diversidade florística, fisionômica e fenológica, a utilização desta técnica reveste-se de maior complexidade, uma vez que há pouca disponibilidade de dados quantitativos de biomassa coletados em nível de campo (Souza & Ponzoni, 1998). Desta forma, há carência de pesquisas que integrem dados de diferentes escalas e fontes, como inventários florestais e imagens de satélites, para a obtenção de mapas de distribuição de dados biofísicos para florestas naturais (Schoeninger, 2008b).

Diante do exposto, este trabalho teve como objetivo estimar a biomassa aérea de um povoamento inequiâneo, utilizando dados de sensoriamento remoto.

 

MATERIAL E MÉTODOS

Caracterização da área de estudo

O trabalho foi realizado em um fragmento florestal de mata nativa, classificado como Floresta Estacional Semidecidual Montana, localizado no município de Viçosa-MG, no campus da Universidade Federal de Viçosa (UFV) (Figura 1). Este fragmento está inserido em uma área denominada de 'Mata da Silvicultura', com cerca de 17 hectares, adquirida pela UFV em 1936 e, desde então, é protegida contra cortes e extração de madeira (Flores, 1993).

Em termos pedológicos, na região há predominância de Latossolos Vermelho-Amarelo Distróficos típicos e Cambissolos HáplicosTb Distróficos latossólicos (Rezende, 1971; Embrapa, 2006).

O clima da região de Viçosa está classificado, segundo Köppen, como Cwb, com verões chuvosos e invernos secos (Romanovski, 2001). A topografia na área de estudos é acidentada, com relevo fortemente ondulado e com altitudes variando de 650 a 750 metros.

Análise dos dados

Inventário da biomassa aérea

Amaro (2010) realizou um inventário florestal temporário (período de janeiro a abril de 2008) em 15 unidades amostrais, com área de 1.000 m2 (dimensões de 20 × 50 m), distribuídas por todo o fragmento estudado. Nestas unidades, foram encontrados 2.026 indivíduos vivos, correspondendo a 2.265 fustes de 198 espécies arbóreas, distribuídas em 46 famílias.

Em cada unidade amostral, todos os indivíduos com dap ≥ 5 cm foram identificados pelo nome regional e científico. Além do dap (medido com trena), foram obtidas, com o hipsômetro digital Vertex IV, a altura dos fustes (hf) (início da copa) e a altura total (ht).

Ainda, em cada parcela, foram efetuadas as medidas das coordenadas plano-retangulares (x, y) da posição dos indivíduos na parcela.

A biomassa estocada no fuste de cada árvore-amostra foi determinada multiplicando-se os volumes de madeira e de casca pelas suas respectivas densidades. De posse dos estoques de biomassa e das medidas de diâmetro (dap) e alturas (fuste e total) das árvores-amostra, foram avaliados alguns modelos de regressão e as melhores equações foram utilizadas para estimar o estoque de biomassa do fuste dos indivíduos presentes nas parcelas do inventário.

Os resultados obtidos por Amaro (2010), a partir da equação que se ajustou melhor aos dados observados, são apresentados na Tabela 1.

Imagens digitais utilizadas

Neste estudo, foram utilizadas imagens ortorretificadas do satélite IKONOS II, com resolução radiométrica de 11 bits e geométrica de 1 m, adquiridas no ano de 2008, cobrindo a Bacia do Ribeirão São Bartolomeu, na qual está inserida a área de estudo. Inicialmente, os números digitais originais da área em que estão situadas as parcelas experimentais, nas bandas MS-1, MS-2, MS-3 e MS-4, foram convertidos em radiância espectral e, posteriormente, em reflectância planetária, de acordo com as equações apresentadas em Taylor (2009). Os valores de reflectância foram posteriormente utilizados na geração dos índices de vegetação.

Limites das parcelas amostrais na imagem

Para a obtenção da localização das parcelas na imagem Ikonos, foi efetuado um levantamento topográfico de precisão da posição de algumas árvores, em cada uma das parcelas, com a utilização de uma estação total Topcon GTS-102n.

O levantamento foi apoiado em pontos implantados na área e previamente ocupados com um receptor GPS ProMark2 (posicionamento estático com tempo de ocupação de, no mínimo, 30 minutos). As coordenadas geodésicas destes pontos de apoio foram obtidas a partir do processamento, no software Ashtech Solutions, dos arquivos coletados nos pontos com receptor ProMark2, utilizando-se como base o ponto da Rede Brasileira de Monitoramento Contínuo (RBMC), situada no campus da UFV.

A partir das coordenadas cartesianas (X, Y) das árvores da parcela, medidas por Amaro (2010), e das coordenadas com referência geodésica das mesmas, obtidas pelo levantamento topográfico por meio de procedimentos de rotação e translação, foi possível obter a localização e a orientação das parcelas na imagem, conforme mostrado no recorte da imagem Ikonos da Figura 2, o qual contempla todas as análises feitas a posteriori.

Estimativas da biomassa aérea a partir das imagens Ikonos

Para a avaliação do potencial das variáveis digitais, originárias de dados do sensor Ikonos, e que proporcionam as melhores estimativas da biomassa aérea, foram utilizadas análises estatísticas empregando Redes Neurais Artificiais (RNA).

Foram considerados, como variáveis dependentes, os dados de biomassa aérea obtidos por meio do inventário florestal e, como independentes, as variáveis digitais, obtidas a partir da imagem do satélite Ikonos (reflectância nas quatro bandas e os índices de vegetação: RVI, NDVI, TVI, SAVI, MSAVI, EVI, ARVI, GEMI, TCap1, TCap2, TCap3 e TCap4).

Durante a fase do inventário florestal, foram efetuadas, separadamente, estimativas dos estoques de biomassa aérea para os indivíduos arbóreos e não arbóreos, com diferentes variáveis dendrométricas (dap e altura do fuste). Desta forma, a variável dependente biomassa aérea foi subdividida em três grupos, de acordo com as variáveis dendrométricas utilizadas no inventário florestal. O objetivo desta subdivisão foi verificar eventuais influências da contribuição dos indivíduos, incluídas nestes grupos as estimativas dos estoques de biomassa aérea a partir dos dados oriundos do sensoriamento remoto.

As Tabelas 2 e 3 apresentam a identificação e a descrição das variáveis usadas nas análises.

Na Tabela 1, são apresentados os dados do inventário florestal, de acordo com os grupos definidos na Tabela 2.

Na Tabela 1, percebem-se nitidamente as influências da diversidade das espécies, da altura das árvores e do diâmetro dos fustes nos estoques de biomassa obtidos para a área de estudo. O estoque de biomassa total (Biom3) ultrapassa 400 t/ha na parcela 7, ao passo que, na parcela 4, é de 101,20 t/ha, apesar de todas as parcelas terem a mesma área (1.000 m2).

Os valores médios da reflectância nas parcelas experimentais, nas quatro bandas espectrais da imagem do satélite IKONOS II, foram calculados pelo software ERDAS Imagine versão 10.0. Para este procedimento, foram utilizados polígonos AOI (area of interest), obtidos a partir das informações coletadas na fase do levantamento topográfico, referentes aos limites de cada uma das parcelas da área de estudo. Com os valores médios da reflectância, foram calculados os valores dos índices de vegetação, para cada uma das parcelas.

Neste estudo, o treinamento das redes foi do tipo supervisionado, ou seja, a saída desejada foi fornecida à rede, que comparou o erro (diferença entre saída desejada e calculada) com a saída calculada. O erro foi informado à rede, que modificou seus parâmetros, a fim de minimizar o erro global e obter uma melhor solução. As redes foram treinadas para estimação dos valores de biomassa (variáveis Biom1, Biom2 e Biom3), a partir de três valores de variáveis de entradas diferentes, sendo:

  • somente os valores das reflectâncias médias das parcelas experimentais nas quatro bandas espectrais (Banda1, Banda2, Banda3 e Banda4);
  • valores médios obtidos para as parcelas experimentais dos índices RVI, NDVI, TVI, SAVI, MSAVI, EVI, ARVI, GEMI, TCap1, TCap2, TCap3 e TCap4; e
  • valores médios da reflectância nas quatro bandas e nas imagens índice de vegetação.

Foram treinadas 100 redes do tipo Perceptrons de Múltiplas Camadas (PMC), para cada combinação de valores de entrada. Das 100 RNA treinadas, selecionou-se apenas a melhor rede, em função do coeficiente de correlação entre valores observados e valores estimados pela RNA. A definição da arquitetura das redes, ou seja, o número de neurônios por camada e o número de camadas, foi otimizada pela ferramenta Intelligent Problem Solver (IPS), do software Statistica 10 (Statsoft Inc., 2011).

 

RESULTADOS E DISCUSSÃO

A Tabela 4 mostra as melhores configurações de redes testadas. Os resultados obtidos para as estimativas das variáveis dependentes Biom1, Biom2 e Biom3 são apresentados nas Tabelas 5, 6 e 7.

Análises das informações constantes da Tabela 5 mostram que os estoques de biomassa total (Biom3) foram estimados com um alto grau de exatidão pelas RNA's, com mínimas variações em relação aos valores estimados pelo inventário florestal, quando foram utilizadas apenas as quatro bandas do sensor Ikonos. Resultados similares foram obtidos quando se consideraram os estoques parciais de biomassa (Biom1 e Biom2).

Quando se utilizaram apenas os índices de vegetação, os resultados apresentados na Tabela 6 mostraram que os estoques de biomassa aérea foram muito próximos aos encontrados a partir da utilização das quatro bandas.

Os resultados apresentados na Tabela 7, quando se utilizaram todas as variáveis para alimentar a rede, também foram bastante eficientes e muito próximos dos dois métodos anteriores.

A Tabela 8 e a Figura 3 apresentam os resíduos percentuais para as três situações utilizadas como variáveis de entrada, para as estimativas da biomassa aérea total (Biom3) nas 15 parcelas experimentais.

A análise da Tabela 8 e da Figura 3 mostra que os resíduos em percentagem variaram de –1,275 a +1,215; –1,003 a +0,742 e –0,045 a +0,043, respectivamente, quando se utilizaram as quatro bandas, os índices de vegetação e a combinação das bandas e os índices de vegetação, como entrada para alimentar a rede.

Com base nos resultados apresentados, verifica-se que, para o caso da área estudada, apenas as bandas 1, 2, 3 e 4 podem ser utilizadas como variáveis de entrada, uma vez que se mostraram eficientes para estimar a biomassa total (Biom3), embora os resíduos tenham sido ainda menores quando foram utilizadas as bandas e os índices de vegetação.

Schoeninger et al. (2008a) usaram RNAs para estimar biomassa em uma Floresta Ombrófila Densa, no Estado de Santa Catarina, a partir das quatro bandas do sensor IKONOS. Os resultados mostraram que as diferenças entre a biomassa estimada pelo inventário e a estimada pela rede apresentaram erros que variaram de 1,05 a 8,18% e um erro percentual médio de 3,73%.

Schoeninger (2006) desenvolveu um trabalho com o objetivo de elaborar mapas temáticos para estimativas de biomassa e carbono orgânico armazenado no componente arbóreo de uma Floresta Ombrófila Densa, localizada nos municípios de Apiúna e Presidente Nereu, no Estado de Santa Catarina. Na pesquisa, foi verificado o desempenho de RNA e equações de regressão linear na predição das variáveis biomassa arbórea e carbono arbóreo. Resultados mostraram que as estimativas de biomassa arbórea e carbono, com a utilização da metodologia de RNA, foram superiores àquelas obtidas com as técnicas de regressão linear. Os melhores resultados com o emprego de RNA apresentaram um erro percentual médio, em relação às amostras de verificação, de 3,73% para a biomassa e de 3,59% para o carbono, enquanto a melhor equação de regressão linear apresentou erros padrão da estimativa da ordem de 29,8%.

Foody et al. (2001) estimaram a biomassa de florestas tropicais no nordeste de Bornéu, utilizando imagens do Landsat 5 TM. No trabalho, as abordagens convencionais utilizadas na estimativa de biomassa florestal, a partir de dados de sensoriamento remoto, foram avaliadas com a aplicação da metodologia da RNA, técnica que mostrou ser adequada para a estimativa de biomassa, uma vez que as estimativas obtidas apresentaram-se fortemente correlacionadas com os dados de inventário florestal (r = 0,80).

 

CONCLUSÕES

A técnica das redes neurais artificiais apresentou um excelente desempenho nas estimativas dos estoques de biomassa aérea em um fragmento de mata natural, através de imagens do satélite IKONOS.

Para as condições da área de estudo, verificou-se que o emprego da técnica de RNA com apenas as bandas 1, 2, 3 e 4 do satélite IKONOS como variáveis de entrada foi eficiente para estimar a biomassa aérea total, embora os resíduos tenham sido ainda menores quando utiizaram-se as quatro bandas e os 12 índices de vegetação.

 

RECOMENDAÇÕES

Para futuros trabalhos, recomenda-se trabalhar com um maior número de amostras, bem como coletar dados em diferentes estações do ano, haja vista que muitas das espécies são caducifólias, perdendo suas folhas durante a estação seca, fato que aconteceu durante o desenvolvimento deste trabalho. Recomenda-se também testar diferentes configurações de redes neurais, de forma a conseguir uma maior correlação entre os dados dendrométricos e digitais.

 

REFERÊNCIAS

Amaro MA. Quantificação do estoque volumétrico, de biomassa e de carbono em uma floresta estacional semidecidual no município de Viçosa-MG. [tese]. Viçosa: Universidade Federal de Viçosa; 2010.         [ Links ]

Embrapa. Serviço Nacional de Levantamento e Conservação de Solos. Sistema Brasileiro de Classificação de Solos. Rio de Janeiro: Embrapa; 2006.         [ Links ]

Ferraz AS. Estimação dos estoques de biomassa e carbono na parte aérea de um fragmento de floresta estacional semidecidual por meio de imagens de satélite Ikonos II. [tese]. Viçosa: Universidade Federal de Viçosa; 2012.         [ Links ]

Flores EJM. Potencial produtivo e alternativas de manejo sustentável de um fragmento de Mata Atlântica secundária, município de Viçosa, Minas Gerais [dissertação]. Viçosa: Universidade Federal de Viçosa; 1993.         [ Links ]

Foody GM, Cutler ME, Mcmorrow J, Pelz D, Tangki H, Boyd DS et al. Mapping the biomass of Bornean tropical rain forest from remotely sensed data. Global Ecology & Biogeography 2001; 10: 379-387.         [ Links ] http://dx.doi.org/10.1046/j.1466-822X.2001.00248.x

Higuchi N, Carvalho Júnior JA. Fitomassa e conteúdo de carbono de espécies arbóreas da Amazônia. In: Seminário Emissão x Seqüestro de Co2 – uma nova Oportunidade de Negócios para o Brasil, 1994; Rio de Janeiro. Rio de Janeiro: CVRD; 1994. p. 125-145.         [ Links ]

Rezende SB. Estudo de crono-toposequência em Viçosa-MG. [Dissertação]. Viçosa: Universidade Federal de Viçosa; 1971.         [ Links ]

Romanovski Z. Morfologia e aspectos hidrológicos da microbacia Rua Nova, Viçosa-MG, para fins de manejo [tese]. Viçosa: Universidade Federal de Viçosa; 2001.         [ Links ]

Schoeninger ER, Koehler HS, Botelho MF, Watzlawick LC, Oliveira Filho PC. Uso de Redes Neurais artificiais para mapeamento de biomassa e carbono orgânico no componente arbóreo de uma floresta ombrófila densa. Ambiência – Revista do Setor de Ciências Agrárias e Ambientais 2008a; 4(2): 175-195.         [ Links ]

Schoeninger ER, Koehler HS, Watzlawick LC, Oliveira Filho PC. Uso de redes neurais artificiais como uma alternativa para mapeamento de biomassa e carbono orgânico no componente arbóreo de florestas naturais. Ambiência – Revista do Setor de Ciências Agrárias e Ambientais 2008b; 4(3): 529-549.         [ Links ]

Schoeninger ER. Uso de redes neurais artificiais para o mapeamento de biomassa e carbono orgânico no componente arbóreo de uma floresta ombrófila densa. [tese]. Curitiba: Universidade Federal do Paraná, 2006. PMid:16941603.         [ Links ]

Silveira P, Koehler HS, Sanquetta CR, Arce JE. O estado da arte na estimativa de biomassa e carbono em formações florestais. Floresta 2008; 38(1): 185-206.         [ Links ]

Somogyi Z, Cienciala E, Makipaa R, Muukkonen P, Lehtonen A, Weiss P. Indirect methods of large-scale forest biomass estimation. European Journal of Forest Research 2006; 126(2):197-207.         [ Links ] http://dx.doi.org/10.1007/s10342-006-0125-7

Souza CL, Ponzoni FJ. Avaliação de índices de vegetação e de bandas TM/Landsat para estimativa de volume de madeira em floresta implantada de Pinus spp. In: Anais do Simpósio Brasileiro de Sensoriamento Remoto, 1988, Santos. São José dos Campos: INPE; 1998. p. 1549-1560.         [ Links ]

Statsoft Inc. Statistica (data analysis software system). version 10. [cited 2011 Mar 5]. Available from: http://www.statsoft.com.         [ Links ]

Taylor M. IKONOS planetary reflectance and mean solar exoatmospheric irradiance. GeoEye – IKONOS Planetary Reflectance; 2009. QSOL Rev. 2. 3 p.         [ Links ]

Watzlawick LF, Kirchner FF, Sanguetta CR. Estimativa de biomassa e carbono em floresta com araucária utilizando imagens do satélite IKONOS II. Ciência Florestal 2009; 19(2): 169-181.         [ Links ]

Watzlawick LF. Estimativa de biomassa e carbono em floresta ombrófila mista e plantações florestais a partir de dados de imagens do satélite IKONOS II [tese]. Curitiba: Universidade Federal do Paraná; 2003.         [ Links ]

 

 

AUTOR(ES) PARA CORRESPONDÊNCIA
Vicente Paulo Soares
Departamento de Engenharia Florestal, Universidade Federal de Viçosa – UFV, CEP 36570-000, Viçosa, MG, Brasil
e-mail: vicente@ufv.br

Recebido: 17 jul., 2013
Aceito: 29 mar., 2014

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License