No abstract

Leaf area (LA) is an important parameter for physiological and phytotechnical studies and its measurement in a fast, accurate, and inexpensive way is essential and desirable. In this context, mathematical modeling is used as a tool to estimate leaf area from its relation with biometrical parameters and biomass. This study aimed to generate, validate, and determine the best mathematical estimation models of leaf area using the linear variables length (with and without petiole) and width of leaves and leaflets, in addition to dry mass of the native species Tabebuia roseoalba, Tabebuia impetiginosa and Handroanthus chrysotrichus collected in Sinop, Mato Grosso State (Brazil), between January and March 2014. The model assessment was performed by the method of weighted values of statistical indicators. The models based on linear measurements as independent variable that provided best performance of LA estimation for T. impetiginosa and T. roseoalba use the average leaflet width (Wla) measurements: LA=10.919×Wla 1.854 and LA=6.196×Wla1.684 , respectively. For H. chrysotrichus, the model was based on the length and width of leaves (L and W): LA=(0.383×L×W)+16.586. The best models of leaf area estimation considering dry mass (DM) were LA=119.510×DM−32.044×DM 2 for H. chrysotrichus, LA=143.610×DM−6.383×DM 2 for T. impetiginosa, and LA=90.623×DM for T. roseoalba.

O uso e a ocupação da terra de forma não planejada modificam a paisagem a ponto de torná-la mais suscetível a perturbações ambientais. Dentre as principais perturbações, destaca-se a fragmentação florestal. Para avaliar esse tipo de perturbação o uso do Sistema de Informação Geográfica (SIG) é indicado por apresentar ferramentas de análise espacial apropriadas para esse fim.  O objetivo deste estudo é analisar a cobertura florestal da bacia hidrográfica do rio Pequeno com a aplicação de métricas de ecologia de paisagem, assim como analisar a conexão destas áreas com os cursos d’água. Foram utilizados dados vetoriais do uso da terra, hidrografia e da bacia Rio Pequeno, adquiridos pelo Instituto Águas Paraná. A área de estudo apresenta 47,16% de cobertura florestal, sendo composta pelas classes de vegetação arbórea, vegetação arbustiva e vegetação arbórea plantada. Nessas classes há um elevado número de fragmentos com uma área menor que 10ha, indicando uma paisagem fragmentada. As classes de vegetação natural apresentam formas mais irregulares (>2,0), enquanto que a classe de vegetação plantada apresenta um padrão mais regular de forma (1,84). Apenas 50% dos fragmentos de vegetação natural estão conectados aos cursos d’água. Esses resultados indicam que a bacia estudada está sofrendo com perturbações ambientais devido ao uso e ocupação da terra de forma indiscriminada. Portanto, a análise da estrutura e a espacialização via SIG culminam em produção de informações importantes que auxiliam na tomada de decisão para o manejo e conservação da paisagem.

RESUMO Há uma constante preocupação com a qualidade do mapeamento da cobertura terrestre, principalmente quanto ao refinamento e compatibilização da base de dados. Para tal finalidade, estão disponíveis gratuitamente imagens multiespectrais geradas a partir dos sistemas-sensores Landsat-8/OLI e Sentinel-2/MSI. Nesse sentido, o objetivo do presente estudo foi avaliar a qualidade da classificação dessas imagens de forma parcialmente não-supervisionada por meio do algoritmo cluster analisys, para retirar assim, a tendência do operador. Para tal, utilizou-se um recorte de uma área localizada no extremo Sul do estado do Rio Grande do Sul. As imagens adquiridas, foram obtidas nos dias 03 e 07 de janeiro de 2018. Foram utilizadas as bandas correspondes a faixa do visível, infravermelho próximo e médio, as imagens foram pré-processadas e classificadas de pelo algoritmo Cluster Analisys e posteriormente avaliadas pelo índice kappa (k). Em geral, a classificação da imagem Landsat 8 teve superestimativa de áreas nas classes ocupadas por campo e culturas anuais e subestimativa nas classes de agricultura, solo exposto, vegetação e água. A classificação da imagem Sentinel-2/MSI produziu resultados mais acurados (k = 0,98) em relação a do Landsat-8/OLI (k = 0,88). No entanto, ambas as classificações produziram resultados considerados como excelentes, ressaltando a qualidade que pode ser obtida a partir de imagens disponibilizadas gratuitamente. PALAVRAS-CHAVE: Mapeamento, resolução espacial, resolução radiométrica.satélites.

A Floresta Amazônica é conhecida pela sua diversidade e quantidade de carbono estocado na biomassa acima do solo (do inglês, Above-Ground Biomass-AGB), o que atrai grande interesse em quantificar estes recursos naturais. Devido às dificuldades de mensuração desses dados em campo, o sensoriamento remoto oferece oportunidade na quantificação destes parâmetros (biomassa e carbono), de forma rápida e com custos relativamente baixos. Porém, a resolução espacial desses dados pode afetar essa estimativa, como é o caso dos resultantes tamanhos de pixels possíveis de se obter com o processamento de dados LiDAR (Light Detection and Ranging). No presente estudo, foram utilizados dados de laser scanner aerotransportado e de inventário florestal realizado na Floresta Nacional do Jamari, localizado em Rondônia. A partir destes dados, foram obtidos a AGB e Above-Ground Carbon (AGC) para sete diferentes tamanhos de pixel (10, 20, 30, 40, 50, 75 e 100 m) e avaliado seus efeitos nas estimativas de AGB e AGC. Não houve diferença significativas em nível de 95% de probabilidade entre as estimativas de AGB e AGC. Dados LiDAR apresentam grande potencial na obtenção de parâmetros como a AGB e AGC em floresta tropical, mesmo em diferentes resoluções espaciais.Palavras-chave: Floresta tropical, laser scanner, carbono, biomassa. USE OF LiDAR DATA IN THE ESTIMATE OF BIOPHYSICAL VARIABLES IN THE AMAZON, UNDER DIFFERENT SPATIAL RESOLUTIONS ABSTRACT:The Amazon Rainforest is known for its diversity and quantity of carbon stored in above-ground biomass (from English, Above-Ground Biomass-AGB), that attracts great interest in quantifying these natural resources. Due to the difficulties of measuring these data in the field, remote sensing offers the opportunity to quantify these parameters (biomass and carbon), quickly and with relatively low costs. However, the spatial resolution of these data can affect this estimate, as is the case with the resulting possible pixel sizes to be obtained with Light Detection and Ranging (LiDAR) data processing. In the present study, were used data from airborne scanner laser and forest inventory realized in the Jamari National Forest, located in Rondônia. From these data, AGB and Above-Ground Carbon (AGC) were obtained for seven different pixel sizes (10, 20, 30, 40, 50, 75 and 100 m) and evaluated for their effects on AGB and AGC estimates. There was no significant difference at the 95% probability level between AGB and AGC estimates. LiDAR data present great potential in obtaining parameters such as AGB and AGC in tropical forest, even in different spatial resolutions.Keywords: Rain forest, laser scanner, carbon, biomass.