Autor(es): Silva, Ederson José da ; Rosa, Diogo Martins ; Vendruscolo, Jhony ; Cavalheiro, Wanderson Cleiton Schmidt
Data: 2021
Origem: Oasisbr
Assunto(s): Sensoriamento remoto; Povoamentos florestais; Índices de vegetação.; Detección remota; Rodales forestales; Índices de vegetación.; Remote sensing; Forest settlements; Vegetation indices.
The objective was to evaluate the potential of Sentinel-2 satellite images to estimate the biomass of Tectona grandis L.f., in Rolim de Moura - RO. The methodology consists of 7 steps: 1) Forest inventory in 10 plots; 2) Selection and felling of 20 trees to obtain biomass from laboratory samples; 3) Estimation of biomass by plot using mathematical models; 4) Biomass estimation by remote sensing in dry and rainy periods, based on Sentinel-2 satellite images (NDVI, EVI-1, EVI-2 and SAVI); 5) Analysis of correlation, adjustment and selection of equations with biomass data (dependent variable) as a function of variables derived from the images (independent variables); Evaluation of the difference of independent variables acquired in the dry and rainy periods; and 7). Quantification and spatialization of biomass for the study area. The Schumacher and Hall - Log. model was the best for obtaining biomass. Image variables differ between dry and rainy periods. Correlations between biomass and image variables were higher in the rainy season. The variables that best estimate biomass were obtained in the rainy season, with equation 1 being selected (Y=35.625331–528.123868*B02)–2.653078*B03+273.491*B04+92.572857*EVI-1– 108.785571*EVI-2–22.807912*NDVI). Biomass estimates using Sentinel-2 images are accurate and useful for monitoring forest biomass, however, adjustments in mathematical models and studies with different sensors are recommended.
El objetivo de este estudio fue evaluar el potencial de las imágenes satelitales Sentinel-2 para estimar la biomasa de Tectona grandis L.f., en Rolim de Moura - RO. La metodología consta de 7 pasos: 1) Inventario forestal en 10 parcelas; 2) Selección y tala de 20 árboles para obtener biomasa de muestras de laboratorio; 3) Estimación de biomasa por parcela utilizando modelos matemáticos; 4) Estimación de biomasa por teledetección en época seca y lluviosa, basada en imágenes satelitales Sentinel-2 (NDVI, EVI-1, EVI-2 y SAVI); 5) Análisis de correlación, ajuste y selección de ecuaciones con datos de biomasa (variable dependiente) en función de variables derivadas de las imágenes (variables independientes); Evaluación de la diferencia de variables independientes adquiridas en los períodos seco y lluvioso; y 7) Cuantificación y espacialización de biomasa para el área de estudio. El modelo Schumacher y Hall-Log. Fue el mejor para la obtención de biomasa. Las variables de imagen difieren entre períodos secos y lluviosos. Las correlaciones entre la biomasa y las variables de imagen fueron mayores en la temporada de lluvias. Las variables que mejor estiman la biomasa se obtuvieron en la época de lluvias, seleccionándose la ecuación 1 (Y = 35.625331–528.123868 * B02) –2.653078 * B03 + 273.491 * B04 + 92.572857 * EVI-1– 108.785571 * EVI-2–22.807912 * NDVI). Las estimaciones de biomasa que utilizan imágenes de Sentinel-2 son precisas y útiles para monitorear la biomasa forestal, sin embargo, se recomiendan ajustes a los modelos matemáticos y estudios con diferentes sensores.
Objetivou-se avaliar o potencial de imagens do satélite Sentinel-2 para estimar a biomassa de Tectona grandis L.f., em Rolim de Moura - RO. A metodologia é composta por 7 passos: 1) Inventário florestal em 10 parcelas; 2) Seleção e abate de 20 árvores para obtenção da biomassa de amostras em laboratório; 3) Estimativa da biomassa por parcela por meio de modelos matemáticos; 4) Estimativa de biomassa por sensoriamento remoto nos períodos seco e chuvoso, a partir das imagens do satélite Sentinel-2 (NDVI, EVI-1, EVI-2 e SAVI); 5) Análises de correlação, ajuste e seleção de equações com dados de biomassa (variável dependente) em função das variáveis derivadas das imagens (variáveis independentes); Avaliação da diferença das variáveis independentes adquiridas nos períodos seco e chuvoso; e 7) Quantificação e espacialização da biomassa para a área de estudo. O modelo de Schumacher e Hall - Log. foi o melhor para obtenção da biomassa. As variáveis das imagens diferem entre os períodos seco e chuvoso. As correlações entre a biomassa e as variáveis das imagens foram maiores no período chuvoso. As variáveis que melhor estimam a biomassa foram obtidas no período chuvoso, sendo selecionada a equação 1 (Y=35,625331–528,123868*B02)–2,653078*B03+273,491*B04+92,572857*EVI-1–108,785571*EVI-2–22,807912*NDVI). A estimativa da biomassa por meio de imagens do Sentinel-2 são precisas e úteis para o monitoramento da biomassa florestal, contudo, recomenda-se ajustes nos modelos matemáticos e estudos com diferentes sensores.
