Estimativa do volume de Pinus taeda L. a partir de dados de sensoriamento remoto

Abstract

O objetivo desse trabalho foi estimar o volume de madeira de um plantio de Pinus taeda L. por meio da correlação entre dados espectrais e características dendrométricas do povoamento. Para o inventário florestal, foi utilizado processo de amostragem aleatória simples com método de área fixa utilizando-se parcelas circulares de 400 m 2. A partir de imagens obtidas pelos sensores Landsat-8 e Sentinel-2, os índices de vegetação médios por parcela foram obtidos e correlacionados com o volume por parcela obtido pelo inventário florestal. Para os dados do Landsat-8, o índice com a melhor correlação foi o GNDVI com 0,5195 e para o Sentinel-2, o SAVI, com 0,4968. O ajuste das equações de regressão com esses índices apresentou R 2 ajustado de 0,5145 e S yx (%) de 14,74% para o Landsat-8, e 0,4673 e 15,20% para o Sentinel-2. Segundo a análise de variância, não houve diferença significativa entre o volume estimado pelo inventário florestal e por dados de Sensoriamento Remoto. Contudo, recomenda-se testar a metodologia aqui apresentada com imagens de alta resolução espacial e com outras espécies florestais. Palavras chave: inventário florestal; índices de vegetação; reflectância.

VOLUMETRIC MODELING OF Pinus taeda L. FROM ORBITAL IMAGES

“…SAVI also showed a positive correlation in a similar work developed by Pertille et al (2019). In that research, this VI (obtained from Sentinel-2 images) had a correlation of 0.4968 with the volume of a stand of Pinus taeda L. This means that SAVI was the most sensitive vegetation index to the vegetation conditions and, therefore, it was used to estimate the volume of wood in the stand.…”

“…Orbital images of different spatial resolution have already been used to determine the volume of a stand of Pinus taeda L. in the study by Pertille et al (2019). Landsat-8/OLI and Sentinel-2/MSI data were tested, and the best estimates were made with a regression model using GNDVI, with an adjusted coefficient of determination of 0.51 and standard error of the estimate of 14.74% for Landsat-8/OLI and 0.46 and standard error of the estimate of 15.20% using SAVI obtained via Sentinel-2/MSI.…”

“…For the use of RS techniques, medium spatial resolution multispectral images represent a possible alternative due to their wide coverage and availability of free images, in the case of some remote sensors (SARKER & NICHOL, 2011). Remote sensors such as the Landsat series and the Sentinel-2 satellite constellation comprise viable alternatives due to the ease and availability of data, as well as the great potential explored by other studies, as can be mentioned: Nink et al (2015), Berra et al (2016), Santos et al (2017), Chrysafis et al (2017), Mura et al (2018), Pertille et al (2019), Gonçalves et al (2019), and Hu et al (2020.…”