Estimativa de Biomassa e Carbono Acima do Solo Usando Dados LiDAR Aerotransportados no Parque Natural Municipal de Castanhal, Pará
DOI:
https://doi.org/10.26848/rbgf.v18.07.p5565-5581Palabras clave:
Biomassa florestal, Estoque de carbono, Sensoriamento Remoto, Veículo áereo não tripulado, Estrutura florestalResumen
Diante do cenário de mitigação das alterações climáticas, compreender a dinâmica da biomassa nas florestas é imprescindível para monitoramento ambiental e de carbono, de modo a garantir a conservação dos ecossistemas e desenvolver estratégias visando reduzir emissões de gases do efeito estufa. Torna-se evidente a necessidade por métodos precisos e menos invasivo ao ambiente. Com isso, o objetivo deste estudo é quantificar a biomassa e carbono acima do solo, empregando a tecnologia LiDAR, no Parque Natural Municipal de Castanhal (PA). Para aquisição dos dados LiDAR foi utilizado o veículo aéreo não tripulado, Matrice 300 RTK, equipado com sensor Zenmuse L1, esses foram ingeridos no FUSION/LDV versão 4.50. A partir disso, foram extraídos: Modelo digital de terreno (DTM), Modelo de superfície do dossel (CSM) e o Modelo de altura do dossel (CHM). Além disso, foram obtidos a estimativa de biomassa e carbono acima do solo (AGB e AGC) em diferentes resoluções espaciais e analisado seus efeitos. Assim, os modelos: DTM, CSM e CHM permitiram obter uma visão detalhada da estrutura tridimensional da floresta, fornecendo informações, como topografia, a distribuição horizontal e dimensão das copas, a identificação de clareiras e a determinação da altura do dossel. Quanto a estimativa de AGB e AGC, trouxe informações detalhadas da distribuição deles no parque e houve saturação dos dados na resolução de 20 m. Pode-se concluir, que o LiDAR tem potencial para estimar AGB e AGC de forma precisa, que irão contribuir para a formulação de políticas públicas e estratégias de conservação ambiental no parque.
Descargas
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 1969 Madson Martins, Eder Silva de Oliveira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Material protegido por derechos de autor y plagio. En caso de material protegido por derechos de autor reproducido en el manuscrito, la atribución completa debe ser informada en el texto; un documento de respaldo de la autorización debe enviarse al Consejo Editorial como documento complementario. Es responsabilidad de los autores, no de la revista o de los editores y revisores, informar en el artículo la autoría de los textos, datos, figuras, imágenes y / o mapas publicados anteriormente en otros lugares. Si existe alguna sospecha sobre la originalidad del material, el Comité Editorial puede verificar el manuscrito en busca de plagio. En los casos en que se confirme el plagio, el manuscrito será devuelto sin más revisión y sin la posibilidad de volver a enviarlo. El autoplagio (es decir, el uso de frases idénticas de documentos previamente publicados por el mismo autor) tampoco es aceptable.
