Estimation of Above Ground Biomass and Carbon Using Airborne LiDAR Data in the Castanhal Municipal Natural Park, Pará.
DOI:
https://doi.org/10.26848/rbgf.v18.07.p5565-5581Keywords:
Forest Biomass, Carbon stock, Remote sensing, Unmanned aerial vehicle, forest structureAbstract
Given the climate change mitigation scenario, understand the dynamics of biomass in forests is essential for environmental and to ensure the conservation of ecosystems and to develop strategies to reduce greenhouse gas emissions. It becomes evident the need for precise methods and less invasive to the environment. Thus, the objective of this study is to quantify the biomass and carbon above the ground, using lidar technology, in the Municipal Natural Park of Castanhal (PA). For data acquisition lidar was used unmanned aerial vehicle, Matrice 300 RTK, equipped with Zenmuse L1 sensor, these were ingested in FUSION/ LDV version 4.50. From this, were extracted: Digital terrain model (DTM), canopy surface model (CSM) and the canopy height model (CHM). In addition, above the ground biomass and carbon (AGB and AGC) were estimated in different spatial resolutions and analyzed their effects. Thus, the models: DTM, CSM and CHM allowed to obtain a detailed view of the three-dimensional structure of the forest, providing information such as topography, the horizontal distribution and size of the canopy, the identification of clearings and the determination of the canopy height. As for the estimate of AGB and AGC, it brought detailed information of their distribution in the park and there was saturation of the data in the resolution of 20 m. It can be concluded that lidar has the potential to estimate AGB and AGC accurately, policies and environmental conservation strategies in the park.
Downloads
References
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. D. M., & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische zeitschrift, 22(6), 711-728. https://doi.org/ 10.1127/0941-2948/2013/0507.
Araújo, Y. R. V., Moreira, Z. C. G., & das Neves, A. I. (2020). Estoque de carbono e de biomassa em vegetação com diferentes estágios de regeneração e alterações antrópicas em área urbana. Revista Brasileira de Meio Ambiente, 8(2). https://revistabrasileirademeioambiente.com/index.php/RVBMA/article/view/353.
Assis, T. O., Aguiar, A. P. D., Von, C. R., Gomes, D. M., P., Kury, J. N., Ometto, J. P. H., & Nobre, C. A. (2020). CO2 emissions from forest degradation in Brazilian Amazon. Environmental Research Letters, 15(10), 104035. https://doi.org/ 10.1088/1748-9326/ab9cfc.
Avelar, M. C., Pontes, A. N., & Paula, M. T. (2023). Educação Ambiental para conservação dos elementos naturais do Parque Natural Municipal de Castanhal (PA). Revista Brasileira de Educação Ambiental (RevBEA), 18(1), 299-317. http://dx.doi.org/10.34024/revbea.2023.v18.1403.
Bar-On, YM, Phillips, R. e Milo, R. (2018). A distribuição de biomassa na Terra. Anais da Academia Nacional de Ciências, 115(25), 6506-6511. https://doi.org/10.1073/pnas.1711842115.
Barros, Q. S., Rodrigues, N. M. M., Mesquita Pinheiro, R., & Ferreira, E. J. L. (2023). Potencial da tecnologia LiDAR terrestre na área florestal. Scientia Naturalis, 5(1). https://doi.org/10.29327/269504.5.1-29.
Berveglieri, A., Imai, N. N., Tommaselli, A. M. G., & Martinez, B. F. (2019). Geração de Modelo de Altura de Árvore Usando Imagens Aéreas Históricas para o Monitoramento da Regeneração em Floresta Tropical de Mata Atlântica. Anuário do Instituto de Geociências, 42(4), 206-218. https://doi.org/10.11137/2019_4_206_218.
Boa Morte, C. D. L. B., Carvalho, L. F. S. G., & Barros, R. S. (2020). Uso de VANT como ferramenta para estimativa de altura de dossel em manguezal: um estudo investigativo em Guaratiba, Rio de Janeiro, Brasil. Revista Tamoios, 16(3). https:// 10.12957/tamoios.2020.55745.
Borsah, A. A., Nazeer, M., & Wong, M. S. (2023). LIDAR-Based Forest Biomass Remote Sensing: A Review of Metrics, Methods, and Assessment Criteria for the Selection of Allometric Equations. Forests, 14(10), 2095. https://doi.org/10.3390/f14102095.
Resolução CONAMA N° 33, de 7 de dezembro de 1994. (1994, 30 de dezemebro). Dispõe sobre a definição dos estágios sucessionais das formações vegetais ocorrentes na região da Mata Atlântica do Rio Grande do Sul. Diário Oficial da União. https://sema.rs.gov.br/upload/arquivos/201612/02142051-resolucao-conama-n-33.pdf.
Caldeira, C. R. T., Polidori, L., El Hage, M., Caldeira, M. C. O., Gorgens, E. B., & Ometto, J. P. H. B. (2023). Comparação entre os Modelos Digitais de Terreno gerados por Radar em Banda P e LiDAR na Amazônia, um estudo de caso no Amapá (Brasil). Revista de Geociências do Nordeste, 9(1), 59-70. https://doi.org/10.21680/2447-3359.2023v9n1ID31573.
Lei Municipal nº 020/2018, de 30 de maio de 2018 (2018, 08 de junho). Dispõe sobre a criação do Parque Natural Municipal de Castanhal, no município de Castanhal. Castanhal, PA. Diário Oficial do Município de Castanhal. https://www.semmacastanhal.com.br/uploads/legislacao/dee60d27bce5e1fa3aa6a6151f1fa022.pdf.
Cățeanu, M., Ciubotaru, A. (2021). The effect of lidar sampling density on DTM accuracy for areas with heavy forest cover. Forests, 12(3), 265. https://doi.org/10.3390/f12030265.
Debastiani, A. B., Moura, M. M., Rex, F. E., Sanquetta, C. R., Dalla Corte, A. P., & Pinto, N. (2019). Regressões robusta e linear para estimativa de biomassa via imagem sentinel em uma floresta tropical. BIOFIX Scientific Journal, 4(2), 81-87. https://doi.org/10.5380/biofix.v4i2.62922.
D'Oliveira, M. V., Reutebuch, S. E., McGaughey, R. J., & Andersen, H. E. (2012). Estimating forest biomass and identifying low-intensity logging areas using airborne scanning lidar in Antimary State Forest, Acre State, Western Brazilian Amazon. Remote Sensing of Environment, 124, 479-491. https://doi.org/10.1016/j.rse.2012.05.014.
Du, L., Pang, Y., Wang, Q., Huang, C., Bai, Y., Chen, D., ... & Kong, D. (2023). A LiDAR biomass index-based approach for tree-and plot-level biomass mapping over forest farms using 3D point clouds. Remote Sensing of Environment, 290, 113543. https://doi.org/10.1016/j.rse.2023.113543.
Fundação Amazônia de Amparo a Estudos e Pesquisas (FAPESPA) (2022). Estatísticas Municipais Paraenses: Castanhal. Belém: Diretoria de Estatística e de Tecnologia e Gestão da Informação. 2.
Fearnside, P. M. (1997). A Roraima e o aquecimento global: Balanço anual das emissões de gases do efeito estufa provenientes da mudança de uso da terra. Ocupação Humana, Ambiente e Ecologia em Roraima, pgs. 337-359. https://repositorio.inpa.gov.br/handle/1/35227.
Fischer, R., Knapp, N., Bohn, F., Shugart, H. H., & Huth, A. (2019). The relevance of forest structure for biomass and productivity in temperate forests: New perspectives for remote sensing. Surveys in Geophysics, 40, 709-734. https://doi.org/10.1007/s10712-019-09519-x.
Freitas, R., Cavalcanti, J. M., Cleger, S., Higuchi, N., Celes, C. H., & Lima, A. (2020). Estimating Amazon carbon stock using AI-based remote sensing. Communications of the ACM, 63(11), 46-48. https://doi.org/10.1145/3416957.
Gatto, A., Barros, N. F. D., Novais, R. F. D., Silva, I. R. D., Leite, H. G., & Villani, E. M. D. A. (2011). Estoque de carbono na biomassa de plantações de eucalipto na região centro-leste do estado de Minas Gerais. Revista Árvore, 35, 895-905. https://doi.org/10.1590/S0100-67622011000500015.
Goldbergs, G., Levick, S. R., Lawes, M., & Edwards, A. (2018). Hierarchical integration of individual tree and area-based approaches for savanna biomass uncertainty estimation from airborne LiDAR. Remote sensing of environment, 205, 141-150. https://doi.org/10.1016/j.rse.2017.11.010.
Goldstein, A., Turner, W. R., Spawn, S. A., Anderson-Teixeira, K. J., Cook-Patton, S., Fargione, J., ... & Hole, D. G. (2020). Protecting irrecoverable carbon in Earth’s ecosystems. Nature Climate Change, 10 (4), 287-295. https://doi.org/10.1038/s41558-020-0738-8.
Gomes, L. F., Brites, R. S., Locks, C. J., & dos Anjos, R. R. (2020). Estimativas das alterações na biomassa florestal utilizando LiDAR em área de manejo florestal sustentável na Amazônia Sul- Ocidental. Anuário do Instituto de Geociências, 43(3), 260-268. https://doi.org/10.11137/2020_3_260_268.
Gorgens, E. B., Motta, A. Z., Assis, M., Nunes, M.H., Jackson, T., Coomes, D., ... & Ometto, J. P. (2019). The giant trees of the Amazon basin. Frontiers in Ecology and the Environment, 17(7), 373-374. https://doi.org/10.1002/fee.2085.
Guerreiro, S. F., Conceição, A. A. S., Barbosa, F. T., Kaspary, R. M., Martins, M. S., & Marchiori, L. M. (2021). Estimativa de biomassa e carbono em floresta plantada adotando o modelo de Schumacher & Hall: estudo de caso. Revista em Agronegócio e Meio Ambiente, 14(Supl. 2), 1-9. https://doi.org/10.17765/2176-9168.2021v14Supl.2.e8818.
Heinrich, V. H., Dalagnol, R., Cassol, H. L., Rosan, T. M., Almeida, C. T., Silva Junior, C. H., ... & Aragão, L. E. (2021). Large carbon sink potential of secondary forests in the Brazilian Amazon to mitigate climate change. Nature communication, 12(1), 1785. https://doi.org/10.1038/s41467-021-22050-1.
Herold, M., Carter, S., Avitabile, V., Espejo, A. B., Jonckheere, I., Lucas, R., ... & De Sy, V. (2019). The role and need for space-based forest biomass- related measurements in environmental management and policy. Surveys in Geophysics, 40, 757- 778. https://doi.org/10.1007/s10712-019-09510-6.
Instituto de Desenvolvimento Florestal e da Biodiversidade (IDEFLOR-Bio) (2018). Resumo dos estudos para a criação legal de Parque Natural Municipal em Castanhal. Prefeitura Municipal de Castanhal. Secretaria Municipal de Meio Ambiente.
Intergovernmental Panel on Climate Change (IPCC) (2023). Summary for Policymakers. In: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, pp. 1-34, doi: 10.59327/IPCC/AR6-9789291691647.001
Khosravipour, A., Skidmore, A. K., & Isenburg, M. (2016). Generating spike-free digital surface models using LiDAR raw point clouds: A new approach for forestry applications. International journal of applied earth observation and geoinformation, 52, 104-114. https://doi.org/10.1016/j.jag.2016.06.005.
Kraus, K., & Pfeifer, N. (1998). Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and remote Sensing, 53(4), 193-203. https://doi.org/10.1016/S0924-2716(98)00009-4.
Locks, C. J., & Matricardi, E. A. T. (2019). Estimativa de impactos da extração seletiva de madeiras na Amazônia utilizando dados LIDAR. Ciência Florestal, 29, 481-495. https://doi.org/10.5902/1980509826007.
Loh, H. Y., James, D., Ioki, K., Wong, W. V. C., Tsuyuki, S., & Phua, M. H. (2022). Estimating aboveground biomass changes in a human- modified tropical montane forest of Borneo using multi-temporal airborne LiDAR data. Remote Sensing Applications: Society and Environment, 28, 100821. https://doi.org/10.1016/j.rsase.2022.100821.
Ma, S., He, F., Tian, D., Zou, D., Yan, Z., Yang, Y., ... & Fang, J. (2018). Variations and determinants of carbon content in plants: a global synthesis. Biogeosciences, 15(3), 693-702. https://doi.org/10.5194/bg-15-693-2018.
Maguya, A. S., Junttila, V., & Kauranne, T. (2013). Adaptive algorithm for large scale dtm interpolation from lidar data for forestry applications in steep forested terrain. ISPRS journal of photogrammetry and remote sensing, 85, 74-83. https://doi.org/10.1016/j.isprsjprs.2013.08.005.
McGaughey, R. J. (2023). FUSION/LDV: Software for LIDAR Data Analysis and Visualization: Version 4.50. USDA Forest Service Pacific Northwest Research Station, Seattle, WA. https://forsys.sefs.uw.edu/software/fusion/FUSION_manual.pdf.
Mukherjee, S., Joshi, P. K., Mukherjee, S., Ghosh, A., Garg, R. D., & Mukhopadhyay, A. (2013). Evaluation of vertical accuracy of open-source Digital Elevation Model (DEM). International Journal of Applied Earth Observation and Geoinformation, 21, 205-217. https://doi.org/10.1016/j.jag.2012.09.004.
Musthafa, M., & Singh, G. (2022). Forest above- ground woody biomass estimation using multi- temporal space-borne LiDAR data in a managed forest at Haldwani, India. Advances in Space Research, 69(9), 3245-3257. https://doi.org/10.1016/j.asr.2022.02.002.
Nguyen, T. H., Jones, S. D., Soto-Berelov, M., Haywood, A., & Hislop, S. (2020). Monitoring aboveground forest biomass dynamics over three decades using Landsat time-series and single-date inventory data. International Journal of Applied Earth Observation and Geoinformation, 84, 101952. https://doi.org/10.1016/j.jag.2019.10195.
Ni-Meister, W., Rojas, A., & Lee, S. (2022). Direct use of large footprint lidar waveforms to estimate aboveground biomass. Remote Sensing of Environment, 280, 113147. https://doi.org/10.1016/j.rse.2022.113147.
Pimentel, E., De Paula, M. T., & Viana, J. H. (2024). Florística, fitossociologia, estimativa de biomassa e sequestro de carbono em uma floresta de terra firme no Parque Ecológico de Gunma, Santa Bárbara, Pará, Brasil. Ciência Plena , 20(2). https://doi.org/10.14808/sci.plena.2024.022402.
Rex, F. E., Dalla Corte, A. P., Debastiani, A. B., Kazama, V. S., & Sanquetta, C. R. (2018a). Uso de dados LiDAR na estimativa de variáveis biofísica na Amazônia, sob diferentes resoluções espaciais. Nativa, 6, 841-847. http://dx.doi.org/10.31413/nativa.v6i0.6312.
Rex, F. E., Dalla Corte, A. P., Machado, S. A., & Sanquetta, C. R. (2018b). Identificação e extração de copas de Araucaria angustifolia (Bertol.) Kuntze a partir de dados LiDAR. Advances in Forestry Science, 5(2), 319-323. https://doi.org/10.34062/afs.v5i2.5815.
Salomão, R., Vieira, I. C., Júnior, S., Amaral, D., & Santana, A. (2012). Sistema Capoeira Classe: uma proposta de sistema de classificação de estágios sucessionais de florestas secundárias para o estado do Pará. Boletim Do Museu Paraense Emílio Goeldi - Ciências Naturais, 7(3), 297-317. https://doi.org/10.46357/bcnaturais.v7i3.592.
Sanchez, A. K., Gomes, S. H. M., & Rodriguez, L. C. E. (2023). Efeitos dos parâmetros de voo em um sistema Drone-LIDAR sobre a nuvem de pontos em aplicações florestais. In Anais ... São José dos Campos, SP: Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo. Recuperado de https://proceedings.science/sbsr-2023/trabalhos/efeitos-dos-parametros-de-voo-em-um-sistema-drone-lidar-sobre-a-nuvem-de-pontos?lang=pt-br
Sanquetta, C. R., Corte, A. P. D., Mognon, F., Maas, G. C. B., & Rodrigues, A. L. (2014). Estimativa de carbono individual para Araucaria angustifolia. Pesquisa Agropecuária Tropical, 44, 01-08. https://doi.org/10.1590/S1983-40632014000100006.
Santana, S. H. C. D., Sastres, L. F. S., Navarro, S. H., Silva, E. R. A. C., Laurentino, M. L. S., & Galvíncio, J. D. (2021). Método de análise de biomassa em um fragmento florestal de Pinus uncinata. Mercator (Fortaleza), 20. https://doi.org/10.4215/rm2021.e20001.
Schick, M., Griffin, R., Cherrington, E., & Sever, T. (2023). Utilizing LiDAR to quantify aboveground tree biomass within an urban university. Urban Forestry & Urban Greening, 89, 128098. https://doi.org/10.1016/j.ufug.2023.128098.
Silva, A. C. F. D., Freire, F. J., Borges, C. H. A., Araujo, E. C. G., Santana, G. M., Cunha, E. M. D., & Sanquetta, C. R. (2022). Teores de carbono em espécies florestais da Caatinga. Ciência Florestal, 32(1), 71-85. https://doi.org/10.5902/1980509842456.
Silva, C. A., Klauberg, C., Hentz, A. M. K., Carvalho, S. P. C., & Corte, A. P. D. (2017). Predição da biomassa aérea em plantações de Pinus taeda L. por meio de dados LiDAR aerotransportado. Scien tia Forestalis, 45(115), 527-259. : https://dx.doi.org/10.18671/scifor.v45n115.10.
Silva, V. V., Nicoletti, M. F., Dobner Jr, M., Vaz, D. R., & Oliveira, G. S. (2023). Fragmentos de floresta ombrófila mista em diferentes estágios sucessionais: caracterização dendrométrica e determinação da biomassa e carbono. Revista de Ciências Agroveterinárias, 22(4), 691-700. https://doi.org/10.5965/223811712242023695.
Souza, I. A. (2024). Causas e consequências da mortalidade de árvores na floresta amazônica. In Amazônia: tópicos atuais em ambiente, saúde e educação-volume 6 (Vol. 6, pp. 43-51). Editora Científica Digital. https:// doi.org/10.37885/240917702
Teixeira, D. L. S., Oda, P. S. S., Marciano, A. G., Di Lorenzo, S., Riondet-Costa, D. R. T., Pons, N. A. D., & de Azevedo, S. C. (2022). Bioma Mata Atlântica: análise temporal da pressão antrópica em unidade de conservação de proteção integral e seu entorno. ENTRE-LUGAR, 13(26), 61-90. https://doi.org/10.30612/rel.v13i26.16438.
Tian, Y., Zhang, Q., Huang, H., Huang, Y., Tao, J., Zhou, G., ... & Lin, J. (2022). Aboveground biomass of typical invasive mangroves and its distribution patterns using UAV-LiDAR data in a subtropical estuary: Maoling River estuary, Guangxi, China. Ecological Indicators, 136, 108694. https://doi.org/10.1016/j.ecolind.2022.108694.
Torre-Tojal, L., Bastarrika, A., Boyano, A., Lopez- Guede, J. M., & Grana, M. (2022). Above-ground biomass estimation from LiDAR data using random forest algorithms. Journal of Computation al Science, 58, 101517. https://doi.org/10.1016/j.jocs.2021.101517.
Vieira, I. C. O., Silva, S. A., Dantas, S. J., Duarte, J. C. dos S., & Santos, V. B. (2020). Balanço Hídrico Climatológico Mensal para o Município de Castanhal – PA em Eventos de ENOS e Efeitos na Produção do Açaizeiro. COINTER PDVAgro. https://doi.org/10.31692/2526-7701.VCOINTERPDVAgro.0186.
Wang, S., Liu, C., Li, W., Jia, S., & Yue, H. (2023). Hybrid model for estimating forest canopy heights using fused multimodal spaceborne LiDAR data and optical imagery. International Journal of Applied Earth Observation and Geoinformation, 122, 103431. https://doi.org/10.1016/j.jag.2023.103431.
Watzlawick, L. F., & Garcia, M. L. (2021). Estratificação vertical da biomassa arbórea na floresta ombrófila mista em dois sistemas de manejo. In: Temas Da Diversidade: Experiências E Práticas De Pesquisa (Vol. 1, pp. 290-306). Editora Científica Digital. https://doi.org/10.37885/201101962.
Watzlawick, L. F., Kirchner, F. F., & Sanquetta, C. R. (2009). Estimativa de biomassa e carbono em floresta com araucária utilizando imagens do satélite IKONOS II. Ciência florestal, 19, 169-181. https://doi.org/10.5902/19805098408.
Yin, T., Montesano, P. M., Cook, B. D., Chavanon, E., Neigh, C. S., Shean, D., ... & Gastellu- Etchegorry, J. P. (2023). Modeling forest canopy surface retrievals using very high-resolution spaceborne stereogrammetry:(I) methods and comparisons with actual data. Remote Sensing of Environment, 298, 113825. https://doi.org/10.1016/j.rse.2023.113824.
Zhao, K., Suarez, J. C., Garcia, M., Hu, T., Wang, C., & Londo, A. (2018). Utility of multitemporal lidar for forest and carbon monitoring: Tree growth, biomass dynamics, and carbon flux. Remote Sensing of Environment, 204, 883-89. https://doi.org/10.1016/j.rse.2017.09.007.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 1969 Madson Martins, Eder Silva de Oliveira
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with Revista Brasileira de Geografia Física agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under the Creative Commons Attribution 4.0 International (CC BY 4.0) license that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted to make their work available online before or during the editorial process, on academic social networks, digital repositories, or preprint servers. After publication in Revista Brasileira de Geografia Física, authors are expected to update the preprint or postprint versions on the platforms where they were originally made available, providing a link to the final published version and any other relevant information, with proper recognition of authorship and the initial publication in this journal.
You are free to:
Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
Adapt — remix, transform, and build upon the material for any purpose, even commercially.
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
