Aim of study: In this study we applied 3D point clouds generated by images obtained from an Unmanned Aerial Vehicle (UAV) to evaluate the uniformity of young forest stands.Area of study: Two commercial forest stands were selected, with two plots each. The forest species studied were Eucalyptus spp. and Pinus taeda L. and the trees had an age of 1.5 years.Material and methods: The individual trees were detected based on watershed segmentation and local maxima, using the spectral values stored in the point cloud. After the tree detection, the heights were calculated using two approaches, in the first one using the Digital Surface Model (DSM) and a Digital Terrain Model, and in the second using only the DSM. We used the UAV-derived heights to estimate an uniformity index.Main results: The trees were detected with a maximum 6% of error. However, the height was underestimated in all cases, in an average of 1 and 0.7 m for Pinus and Eucalyptus stands. We proposed to use the models built herein to estimate tree height, but the regression models did not explain the variably within the data satisfactorily. Therefore, the uniformity index calculated using the direct UAV-height values presented results close to the field inventory, reaching better results when using the second height approach (error ranging 2.8-7.8%).Research highlights: The uniformity index using the UAV-derived height from the proposed methods was close to the values obtained in field. We noted the potential for using UAV imagery in forest monitoring.

No abstract

No abstract

Resumo-O objetivo deste trabalho foi realizar o ajuste de modelos para estimar biomassa e carbono total de indivíduos de caixeta (Tabebuia cassinoides (Lam.) DC.), localizado em Guaratuba, litoral Paranaense, Brasil. Foram testados 13 modelos, e a escolha do melhor baseou-se nos indicadores estatísticos R 2 aj , S yx (%) e análise gráfica dos resíduos. Realizou-se ainda, como critério complementar de escolha, a avaliação das condicionantes de regressão dos resíduos dos melhores modelos. Não foram feitos ajustes de biomassa e carbono por compartimentos devido à baixa correlação entre as variáveis dependentes (biomassa e carbono) e independentes, diâmetro à altura do peito (dap) e altura total (h). Para a biomassa total, o modelo Y = β0 + β1*dap se mostrou superior aos demais, apresentando um R 2 aj de 0,96 e S yx (%) de 7,94. Para carbono, melhor ajuste foi obtido pelo modelo (Y = β0 + β1*dap + β2*dap² + β3*dap³ + β4*dap 4 , com valores de R 2 aj 0,97 e S yx (%) 8,09. Constatou-se a baixa variação dos resíduos para ambos os modelos. A variável altura total, utilizada de forma isolada, revelou-se inadequada para explicar as variáveis biomassa total e carbono total. Estimation of yotal biomass and carbon for caixeta trees in Parana State, Brazil

ResumoEste trabalho teve como objetivo predizer a biomassa acima do solo (AGB) em plantações de Pinus taeda L., localizados na região sul do Brasil. A base de dados utilizada no estudo foi originada de levantamentos a laser aerotransportados (LiDAR), complementados por informações de campo. Os modelos preditores da biomassa foram ajustados por modelagem não paramétrica, Random Forests (RF), implementado no ambiente R. Para compor os dados de campo foram inventariadas 50 parcelas de área fixa, nas quais foram mensurados os diâmetros de todas as árvores e parte das alturas. Posteriormente o volume individual foi estimado por modelos polinomiais de quinto grau e serviu de base para o cálculo dos valores de AGB. O modelo final, preditor da biomassa, foi composto pelas métricas LiDAR referente a Altura no percentil 99 (H99TH), Coeficiente de Variação da Altura (HCV) e Assimetria da altura (HSKEW) por proporcionarem baixa correlação entre si, e fornecerem os maiores valores de Razão de Melhoria do Modelo (MIR). O modelo final apresentou um o coeficiente de determinação ajustado (R 2 aj. ) de 0,98, Raiz Quadrada do Erro Médio (RMSE) de 5,98%, enquanto que para a validação, esses valores foram de 0,93 e 12,64%, respectivamente. Portanto conclui-se que o modelo gerou resultados satisfatórios na predição da biomassa aérea em plantações de P. taeda, podendo ser considerado como uma ferramenta eficaz no manejo de florestas plantadas. Palavras-chave:Inventário Florestal, Modelagem Não-paramétrica, Plantações Florestais, Métricas LiDAR. AbstractThe aim of this study was to predict aboveground biomass (AGB) from Pinus taeda L. plantations, located in South of Brazil, using LiDAR data, in-situ measurements and Random Forests (RF) modeling. Fifty regular sample plots were used, in which the diameter at the breast height (DBH) for all trees and about 15% of the heights were measured. Afterwards. forest stem volume was predicted using a fifth degree polynomial model, and used to calculate the field AGB values. To create the RF model we selected the H99TH, HCV and HSKEW LiDAR metrics, because they were not highly correlated to each other and presented the higher calculated value of Model Improvement Ratio (MIR). The estimative model of AGB presented a coefficient of determination (Adj.R 2 ) of 0.98 and RMSE of 5.98%, while for the validation these values were 0.93 and 12.64%, respectively. It was possible to conclude that the RF and LiDAR-derived metrics were able to predict precisely the values of AGB in P. taeda plantation, therefore, it can be used as a helpful tool to forest management.