Dissertação
Predição da biomassa usando redes neurais artificiais e sensoriamento remoto em Florestas na Amazônia
Fecha
2023-01-09Registro en:
COSTA, Adyne Cardoso da. Predição da biomassa usando redes neurais artificiais e sensoriamento remoto em Florestas na Amazônia. 2022. 59 f., il. Dissertação (Mestrado em Ciências Florestais) — Universidade de Brasília, Brasília, 2022.
Autor
Costa, Adyne Cardoso da
Institución
Resumen
As florestas tropicais estocam quantidade muito significativa de carbono orgânico em sua
biomassa aérea e subterrânea. A mensuração da biomassa florestal é uma atividade laboriosa
e demanda muito tempo e recursos financeiros para sua implementação. Portanto, tem sido
crescente o interesse de muitos pesquisadores em desenvolver novas técnicas para
quantificar a biomassa em ecossistemas naturais. No presente estudo, desenvolveu-se um
modelo para a estimativa da biomassa florestal acima do solo (BFAS) em florestas tropicais
a partir de dados de sensoriamento remoto e redes neurais artificiais ajustados e validados
com base em dados de campo. Quatro índices de vegetação, derivados de imagens do Satélite
Landsat-5 TM, foram testados e avaliados estatisticamente em suas correlações com a
biomassa obtida do inventário florestal. Os resultados indicaram os índices de vegetação
Normalized Difference Vegetation Index (NDVI) e Aerosol Free Vegetation Index (AFRI)
como os melhores em desempenho na estimativa da BFAS. A partir daí foram treinadas 286
RNAs usando como dados de entrada o NDVI, o AFRI e a estratificação da área em duas
fitofisionomias – Floresta Ombrófila Densa de Terras Baixas e Floresta Ombrófila Densa
Sub-montana. A seleção da RNA mais adequada foi feita segundo os critérios da análise
gráfica do erro residual e do coeficiente de correlação do modelo. Por fim, a validação da
RNA selecionada foi feita a partir da análise dos resultados do teste t de Student e da
diferença agregada entre os valores preditos pela rede neural e os valores observados para as
parcelas de validação. Assim, este estudo indica que o uso de dados de sensoriamento remoto
associados a redes neurais artificiais possibilita a estimativa com precisão da biomassa
florestal acima do solo em florestas tropicais.