Escolar Documentos
Profissional Documentos
Cultura Documentos
O ORIENTADOR
_________________________
(Prof: Doutor Domingos Manuel Mendes Lopes)
O CO-ORIENTADOR
_________________________
(Prof: Doutor Jos Manuel Martinho Loureno)
ii
AGRADECIMENTOS
O meu primeiro agradecimento vai para a minha me, a quem dedico este trabalho,
pelo exemplo, pelo carinho, pela fora incondicionalpor ser ME.
Agradeo tambm ao meu pai e irmo, pelo apoio e pacincia durante todo o perodo
em que decorreu este trabalho.
Um beijo grande aos avs Branca, Domingos e Candidinha de quem gosto muito.
Ao Prof. Doutor Domingos Lopes, meu orientador cientfico, que me props o tema
desta tese e me acompanhou em todas as fases do trabalho, pelo incentivo
permanente e pela sua pacincia e amizade.
Ao Prof. Doutor Martinho, meu co-orientador cientfico, pela sua disponibilidade e
amabilidade, pelos correces e recomendaes oportunas que contriburam para o
aprimoramento deste trabalho.
Um agradecimento especial ao Eng. Mrio Duro e ao Armando Carvalho, pela sua
compreenso, ao facilitar a conciliao da minha actividade profissional com os
estudos.
A todas as pessoas que me apoiaram directa ou indirectamente durante todo este
perodo, o meu obrigado.
Ao projecto PTDC/AGR-CFL/69733/2006 por financiar parte das etapas do estudo.
iii
RESUMO
consensual que o aumento do nmero de incndios, e da rea ardida no nosso pas,
est relacionado com a crescente acumulao de biomassa na floresta. Este flagelo
tem merecido a ateno dos governos e da sociedade pelo seu impacto negativo, quer
a nvel econmico quer ambiental. Actualmente, a acumulao de biomassa florestal
vista como uma oportunidade. Esta viso surge quando se percebe que a biomassa
pode ser utilizada para produo de energia, atravs de centrais de queima de
biomassa.
A utilizao ou quantificao de biomassa, independentemente do fim a que se
destina, est fundamentalmente dependente do conhecimento da realidade actual em
termos da sua disponibilidade e localizao. As avaliaes convencionais, com
recurso a inventrios, tornaram-se pouco prticas e de custo demasiado elevado.
Neste contexto, o desenvolvimento tecnolgico das ltimas dcadas fez com que
outras tecnologias, como a Deteco Remota (DR) e/ou os Sistemas de Informao
Geogrfica (SIG), surgissem como disciplinas com potencialidades de aplicao
acrescidas.
Pelos motivos acima expostos, este trabalho pretende contribuir para melhorar o
aproveitamento da tecnologia SIG e DR na estimativa de biomassa, em povoamentos
florestais de uma das principais espcies florestais em Portugal, a Pinus pinaster. A
sua implementao pressups o desenvolvimento de trabalho em duas fases. Na
primeira fase procurou perceber-se a capacidade da tecnologia satlite, e em
particular de imagens Landsat TM, na criao de mapas de ocupao do solo, em
sistemas heterogneos e fragmentados. Numa segunda fase, uma vez identificados os
povoamentos alvo, tentou quantificar-se biomassa neles presente, de forma indirecta.
Para a criao de mapas de ocupao do solo foi avaliado o desempenho de trs
classificadores: paraleleppedo, mnima distncia e mxima verosimilhana. Foi
igualmente testada a metodologia de validao da classificao recorrendo ao mapa
contnuo de ocupao do solo e a fotopontos. Para a estimativa de biomassa foi
delineado um inventrio em povoamentos de Pinus pinaster, analisando a sua
componente arbrea e o subcoberto. Com os dados recolhidos em campo procurou-se
estabelecer uma relao entre a resposta espectral e a biomassa, e a criao de
equaes que permitissem estim-la de forma indirecta, unicamente com recurso a
imagens de satlite.
ABSTRACT
There is no doubt that the increased number of fires and burned area in the
Portuguese territory is related to the increasing accumulation of biomass in forested
areas. This scourge has been concern of our governments and our society by the
negative impact that has either at the economical and environmental levels. However,
currently, the problem of accumulation of forest biomass is been faced as an
opportunity, when realizes that biomass can be used to produce energy through
burning of plants biomass.
This potential use is fundamentally dependent on knowledge of current reality in terms
of their availability and location. Evaluations using conventional inventories have
become time consuming and very expensive. In this context, the technological
development of recent decades related to the Remote Sensing (DR) and / or the
Geographic Information Systems (GIS) makes them technologies with great potential.
For all these reasons, this paper aims to contribute for the improvement of the use of
GIS technology and DR in the estimation of biomass of the main forest species in
Portugal: Pinus pinaster. This research was developed in two phases. The first phase
sought to understand the ability of satellite technology, and particularly of the Landsat
TM images, for creating maps of land use, in these heterogeneous and fragmented
areas. In a second phase, and once identified the target population, we tried to quantify
biomass based on Remote Sensing data. To create maps of land use it was evaluated
the performance of three classifiers: parallelepiped, minimum distance and maximum
likelihood. It was also tested two different methods for validating the obtained land use
maps. For the estimation of total and parcial biomass was outlined an inventory of
stands of Pinus pinaster, quantifying tree and understorey biomass. With field data we
tried to establish a relationship between spectral response and biomass, and thus the
creation of models that allow only an indirect estimate of using satellite images.
Key
words:
Landsat
TM,
classification
algorithm,
estimation,
modeling.
NDICE GERAL
INTRODUO -------------------------------------------------------------------------------------------------1
1.1
Enquadramento--------------------------------------------------------------------------------------------1
1.2
Objectivos ---------------------------------------------------------------------------------------------------3
1.3
REVISO BIBLIOGRFICA--------------------------------------------------------------------------------5
2.1
2.1.1
2.1.2
2.2
2.1.2.1
2.1.2.2
2.2.1
2.2.2
2.2.2.1
Os princpios ------------------------------------------------------------------------------------- 16
2.2.2.2
2.2.2.3
2.2.2.4
2.2.2.5
2.2.2.6
2.2.3
2.3
2.3.1
2.3.1.1
Pontos de controlo------------------------------------------------------------------------------ 33
2.3.2
2.3.3
2.3.4
Correco topogrfica-------------------------------------------------------------------------------- 38
2.3.5
2.3.5.1
2.3.5.2
vi
3.1
Caracterizao fsica----------------------------------------------------------------------------------- 50
3.2
3.3
3.3.1
METODOLOGIA --------------------------------------------------------------------------------------------- 55
4.1
4.1.1
4.1.2
4.2
4.2.1
4.2.1.1
4.2.1.2
4.2.2
4.2.2.1
Correco Geomtrica------------------------------------------------------------------------- 61
4.2.2.2
4.2.2.3
4.3.1
4.3.1.1
4.3.1.2
4.3.1.3
4.3.2
DISCUSSO DE RESULTADOS------------------------------------------------------------------------ 72
5.1
5.1.1
5.1.2
vii
5.1.3
5.1.4
5.1.5
5.2
5.2.1
5.2.2
deteco Remota------------------------------------------------------------------------------------------------ 92
CONCLUSES----------------------------------------------------------------------------------------------- 99
viii
NDICE DE FIGURAS
Figura 1 Estrutura do consumo final de energia por tipo de energia em Portugal - Balano
energtico de 2003 (DGEG 2008). ............................................................................................... 5
Figura 2 Evoluo da rea ardida e do nmero de ocorrncias de 1980 a 2006 (DGRF 2008).
....................................................................................................................................................... 7
Figura 3 Localizao e potncias prevista para as Centrais de Biomassa lanadas a concurso
em Fevereiro de 2006 (MATEUS s/d)........................................................................................... 8
Figura 4 Componentes da fitomassa florestal e respectivo interesse (CANAVEIRA 2006).... 10
Figura 5 - Base de funcionamento de um SIG (planos de informao) (LLOPIS 2005)............. 15
Figura 6 - Componentes de um S.I.G. (LLOPIS 2005). .............................................................. 15
Figura 7 - Radiao electromagntica, comprimento de onda e frequncia (Adaptado de CCRS
2003). .......................................................................................................................................... 18
Figura 8 - Espectro electromagntico (Adaptado de PAJARI 2009)........................................... 18
Figura 9 Comportamento espectral dos principais elementos superfcie (RSE 2006). ........ 19
Figura 10 Factores dominantes da reflexo e absoro na folha (Adaptado de RSE 2006). . 21
Figura 11 Comportamento da vegetao em funo da energia incidente (CCRS 2003). ..... 22
Figura 12 Caractersticas dos sensores (Adaptado de KEY et al. 2001). ............................... 26
Figura 13 Perodo de operacionalidade dos vrios satlites da srie Landsat. ...................... 28
Figura 14 Bandas do sensor TM em relao s assinaturas espectrais dos principais
elementos superfcie (Adaptado de DRURY 1993). ................................................................ 29
Figura 15 Esquema ilustrativo da correco geomtrica com recurso a pontos de controlo. . 32
Figura 16 Mtodos de interpolao de brilho para os novos pixeis (Adaptado de CCRS 2003).
..................................................................................................................................................... 33
Figura 17 Principais fases do processo de correco radiomtrica. ....................................... 36
Figura 18 Exemplo de um histograma de uma imagem da banda 1 do Landsat-5 sem
correco atmosfrica. ................................................................................................................ 38
Figura 19 Esquema de uma classificao supervisionada (Adaptado de CANTY 2007)........ 41
Figura 20 Conceito esquemtico do classificador do paraleleppedo no espao tridimensional.
(Adaptado de NASDA e RESTEC 1999). ................................................................................... 43
Figura 21 Esquema ilustrativo do conceito da mnima distncia (Adaptado de MULLER 1999).
..................................................................................................................................................... 44
ix
xi
NDICE DE QUADROS
xii
1 INTRODUO
1.1 ENQUADRAMENTO
O processo de concertao multilateral desenvolvido a partir dos resultados da
Conferncia do Rio em 1992, e consubstanciado em 1997 nos acordos do Protocolo
de Quioto, contribuiu de forma relevante para a sensibilizao e consciencializao da
sociedade no que diz respeito aos impactos do consumo de energia e a sua relao
com as emisses de gases com efeito de estufa (GEE), um dos principais factores
responsveis pelo aquecimento global e consequente alterao climtica (MADRP
2005). Sob este ponto de vista, a floresta tem sido alvo de grande ateno devido ao
seu potencial para mitigar os efeitos do aquecimento global. de conhecimento geral
que as plantas absorvem dixido de carbono da atmosfera e tm capacidade de o
armazenar atravs do processo de fotossntese sob a forma de biomassa
(MUUKKONEN 2006). Desta forma, a floresta assume-se como sendo a acumulao
natural de biomassa, actuando como sumidouro temporrio de dixido de carbono que
as actividades humanas emitem para a atmosfera, chegando a armazenar 60% da
totalidade de carbono existente na vegetao e solo da superfcie terrestre (ASFR
2003; PSCOA et al. s/d)
O potencial das florestas com vista mitigao do chamado efeito de estufa passa
tambm pela sua capacidade de produo de energia renovvel. As emisses de CO2
provenientes da queima da biomassa florestal para a produo de energia so
consideradas pelo protocolo IPCC (International Panel for Climate Change) como
neutras do ponto de vista climtico (ASFR 2003; NETTO 2008).
Fazendo igualmente parte de uma das componentes do tringulo do fogo, a crescente
acumulao de biomassa nos espaos florestais e o risco de incndio associado, so
questes que requerem medidas mitigadoras. actualmente reconhecido que a
quantidade de biomassa acumulada na nossa floresta est directamente relacionada
com grandes incndios (YU et al. 2004; VARGAS et al. 2008).
O papel da biomassa florestal ainda valorizado na reposio da biodiversidade,
providenciando habitats para um variado nmero de espcies de plantas, animais e
fungos. Sob o ponto de vista fisiolgico, proporciona informaes sobre o stock de
macro e micronutrientes retidos na vegetao, sendo da maior importncia nas
actividades de maneio florestal (SANTOS et al. 2004). Apresenta tambm uma
importncia ao nvel da regulao dos fluxos de gua que atravessam ecossistemas
1
1.2 OBJECTIVOS
Por todas estas razes, este trabalho pretende ser um contributo para melhorar o
aproveitamento da tecnologia dos Sistemas de Informao Geogrfica e Deteco
Remota na estimativa de biomassa em povoamentos florestais da principal espcie
florestal em Portugal, Pinus pinaster, substituir ao mximo as tcnicas clssicas de
inventrio florestal, mais morosas e caras, e ao mesmo tempo conseguir uma
metodologia polivalente, que permita uma avaliao contnua, no espao e tempo, e
ainda a monitorizao permanente do estado e alterao de toda uma rea florestal.
2 REVISO BIBLIOGRFICA
2.1 A BIOMASSA FLORESTAL
2003
economia
portuguesa
apresentava
um
consumo
de
energia
Figura 1 Estrutura do consumo final de energia por tipo de energia em Portugal - Balano
energtico de 2003 (DGEG 2008).
Actualmente, tem havido uma consciencializao por parte da nossa sociedade, e por
parte dos nossos governos, do impacto que as actividades do sector energtico tm
no ambiente, com especial nfase nas alteraes climticas, pelo que a definio das
Figura 2 Evoluo da rea ardida e do nmero de ocorrncias de 1980 a 2006 (DGRF 2008).
2008; NETTO 2008; MATEUS s/d). Com estas novas centrais prev-se a produo de
100 MVA de potncia, com um consumo de 10000 ton ha-1ano-1 de biomassa seca por
cada MVA instalado (Figura 3), segundo comunicao verbal do Prof. Jos Lus
Lousada do departamento de Cincias Florestais e Arquitectura Paisagista da UTAD.
Incio de funcionamento
1999
2007
Potncia instalada
10 MVA
10 MVA
-1
verde)
10
(Eq. 1)
onde:
B = biomassa em kg ou ton;
P = parmetro de uma rvore ou talho; por exemplo, volume em m3;
BF = factor apropriado da biomassa utilizado na converso.
(Eq. 2)
onde:
B = biomassa em kg ou ton.
11
12
Varivel
Biomassa
Biomassa
Biomassa
Espcie
Resinosas
e folhosas
Floresta
Floresta
Imagem
utilizada
Modelo
de
regresso
Variveis
seleccionadas
Localizao
2
estudo
Landsat
stepwise
0.70
Landsat
3,4,5,7
0.57
Landsat
Banda 1, 2, 3
da rea de
Fonte
bibliogrfica
Gergia
Hayashi
(USA)
(2006)
Alberta
Hall et al.
(Canada)
(2006)
Califrnia
Franklin
(USA)
(1986)
Wisconsin
Zheng et al.
(USA)
(2004)
Amaznia
Lu et al.
(Brasil)
(2002)
Amaznia
Lu et al.
(Brasil)
(2005)
Amaznia
Steininger
(Brasil/Peru)
(2000)
NDVI
Regresso
Pinheiro
Biomassa
Landsat
mltipla +
medies
em campo
Folhosas
Banda 1, 4, t,
0.86
IVsolo
Banda 4, t
0.95
Informao
Biomassa
Floresta
tropical
Landsat
Regresso
espectral +
mltipla
medidas de
0.88
textura
Biomassa
Biomassa
Floresta
tropical
Floresta
tropical
Landsat
stepwise
Banda 4, 5
Landsat
Banda 5
Resinosas
Biomassa
Landsat
Banda 2, 3, 7
Folhosas
0.75
0.20.3
Mediterrneo
(Norte da
Grcia)
Mallinis et al.
(2004)
Magnusson
Volume
Floresta
Landsat
Anlise de
Banda 1,2,4,5
regresso
e7+h
0.90
Sucia
and
Fransson
(2005)
13
2.2 NOVAS
TECNOLOGIAS
FLORESTAL
APLICADAS
AO
ESTUDO
DA
BIOMASSA
14
Da mesma forma que sucede para a definio de SIG, a descrio dos componentes
de um sistema de informao geogrfica no consensual. Em termos genricos,
pode considerar-se os componentes de um SIG como: entrada de dados;
armazenamento de dados; manipulao e anlise de dados e sada de dados (VIANA
2005). De acordo com LLOPIS (2005), um SIG composto por um conjunto de
elementos distintos como mostra a Figura 6.
Utilizadores: o
componente mais
Software: Inclui quer os
importante de um SIG
programas informticos
procedimentos e definir as
de bases de dados,
tarefas do SIG
estatsticos, de
Dados: A
processamento de
disponibilidade e
imagens ou qualquer
outro software.
pode afectar os
resultados de
qualquer anlise
Hardware: As possibilidades
do equipamento informtico
afectam a capacidade de
armazenamento, a
velocidade de
processamento, facilidade
Procedimentos: A anlise
requer mtodos bem definidos
e consistentes para produzir
resultados correctos e
reproduzveis
disponvel.
15
Das vrias fontes de dados utilizadas em SIG, uma das mais importantes , sem
dvida, a Deteco Remota (DR) (GONALVES 2005). As imagens de satlite em
formato digital permitem uma rpida integrao dos resultados, obtidos pelas anlises
de DR, em Sistemas de Informao Geogrfica (VIANA 2005). Desta forma, so
ultrapassadas as limitaes que alguns sistemas de DR apresentam para realizar
operaes de anlise com informao vectorial (VIANA 2005). Por outro lado, diversas
tcnicas de processamento digital de imagens so envolvidas por procedimentos em
SIG.
Embora reconhecida a importncia da informao da DR, DEMERS (2005) refere que
os SIG e a DR devem ser vistos como tecnologias complementares, uma vez que os
SIG tm capacidades analticas nicas.
16
17
18
19
A gua limpa absorve grande parte de todos os comprimentos de onda. Possui uma
pequena reflectncia na zona do visvel com o seu pico a ser atingido na zona do azul,
que diminui medida que aumenta o comprimento de onda (RSE 2006).
A vegetao saudvel revela quase sempre uma configurao de pico e vale
(LILLESAND e KIEFER 1994). Os valores de reflectncia mais baixos ocorrem na
zona do visvel (particularmente no vermelho) e h um aumento significativo na zona
do infravermelho prximo (LOPES 2005).
20
21
22
NDI(MIR1)
( NIR MIR1)
( NIR + MIR1)
NDI(MIR2)
( NIR MIR 2)
( NIR + MIR 2)
NDTI
NDVI
MVI1
MVI2
RVI1
VIT1
VIT2
VIT3
VIT4
( MIR1 MIR2)
( NIR + MIR 2)
( NIR R)
( NIR + R)
MIR1
MIR 2
NIR
MIR 2
NIR
R
NIR
R
( NIR + R)
( NIR R )
G
R
G
R
VIT5
G-R
VIT6
G+R
VIT7
VIT8
VIT9
(G R)
(G + R )
(G + R)
(G R)
(G R)
+ 0.5
(G + R)
23
24
25
27
Landsat-7
Landsat-6
ETM+
ETM+
MSS,
TM
MSS,
TM
MSS
MSS
MSS
Landsat-5
Landsat-4
L
L
L
L
O
F
L
1972
Landsat-3
Landsat-2
Landsat-1
Perodo de operacionalidade
L
F
D
D
3 4 5 6 7 8 9
1 2 3 4 5 6 7 8 9
2000
Sensor
1980
Satlite
1 2 3 4 5 6 7 8 9
Uma vez que este estudo se baseia na utilizao de imagens Landsat-5 TM vai-se dar
mais alguma ateno a este satlite, nomeadamente ao sensor TM.
O sensor TM do satlite Landsat-5 possui sete bandas, com amplitude espectral que
varia desde 0.45 m a 2.35 m, e uma resoluo temporal de 16 dias. Uma imagem
inteira abrange, no solo, em mdia, uma rea de 185 x 185 km. A resoluo
28
29
Cor
espectral
(m)
Azul
0.45 0.52
Verde
0.52 0.60
Vermelho
0.63 0.69
Infravermelho
prximo
Infravermelho
mdio 1
1.55 1.75
Trmica
10.4 12.5
Infravermelho
mdio 2
2.08 2.35
do
seu
conhecimento
prende-se
com
propsitos
cientficos
30
31
na
maioria
das
vezes,
nos
mtodos
de
processamento
de
imagem(NASA 2008).
32
Figura 16 Mtodos de interpolao de brilho para os novos pixeis (Adaptado de CCRS 2003).
33
(Eq.3)
34
antes de atingir o sensor, originando erros (NASDA e RESTEC 1999). Estes erros,
vulgarmente designados de rudo, podem relacionar-se com as condies de
iluminao, condies atmosfricas, geometria da viso, entre outras, e variam de
acordo com as caractersticas dos instrumentos de medio (LILLESAND e KIEFER
1994). O objectivo deste pr-processamento o de remover ou minimizar a influncia
das vrias interferncias nos dados para a sua posterior utilizao (CAMPBELL 2007).
Uma operao essencial que ocorre nesta fase diz respeito converso dos valores
de DN para valores de parmetros fsicos como a radincia ou reflectncia (Figura 17).
Esta converso tem como objectivo a caracterizao espectral dos objectos mas
tambm permitir a elaborao de clculos de dados de imagens com diferentes
bandas espectrais ou de diferentes sensores. O facto de cada sensor, em cada banda,
ter o seu prprio critrio para descriminar os valores de radincia medidos na escala
especfica da sua resoluo radiomtrica (ver em resoluo radiomtrica), tem como
consequncia a incapacidade de poder comparar DNs de bandas diferentes, mesmo
para o mesmo sensor (UNESCO 1999). Desta forma transformando os valores de DN
para valores de reflectncia, procede-se normalizao dos dados permitindo a
caracterizao espectral de um objecto. Apesar da normalizao, preciso ter noo
que o valor de reflectncia aparente, pois no diz unicamente respeito ao brilho do
objecto superfcie, e pode sofrer, durante todo o processo, diversas contaminaes
ou distores (PONZONI e SHIMABUKURO 2007). Na altura em que a radiao
atinge o sensor j atravessou a atmosfera por duas vezes: Sol atmosfera objecto
superfcie; objecto superfcie atmosfera sensor.
35
36
37
39
40
41
Este tipo de classificao, tambm conhecida como regra da caixa de deciso, baseiase no intervalo de valores dentro da rea de treino para definir regies dentro do seu
espao multidimensional. Utilizando os valores mnimos e mximos dentro de cada
rea de treino, cria uma caixa para cada classe, centrada com o respectivo valor
mdio (Figura 20) (HOWARD 1991; NASDA e RESTEC 1999). Os valores espectrais
de uma classificao sem supervisionamento so projectados no espao, queles que
carem dentro da regio definida pela rea de treino so atribudas as respectivas
categorias (SUPICHAI 1999; CAMPBELL 2007).
42
A maioria dos autores unnime ao considerar esta tcnica como simples, rpida e
bastante eficiente (CURRAN 1985; HOWARD 1991; KLEIN 2008). Referem no
entanto, algumas desvantagens, nomeadamente: dificuldades de classificao quando
h intercepo de regies espectrais da informao das vrias categorias; ou a no
atribuio de informao categrica aos pixeis que carem fora das caixas
representativas das vrias classes (SUPICHAI 1999).
Este classificador utiliza os valores apresentados nas vrias bandas para determinar a
posio de cada pixel dentro de cada cluster (classe) originado pela anlise das reas
de treino das vrias categorias, tal como na classificao no supervisionada
(RANDALL 2006). No entanto, ao contrrio desta, o agrupamento de pixeis no
criado de acordo com a estrutura natural dos dados. Estes grupos so formados
pelos valores dos pixeis dentro de cada rea de treino definida pelo analista (CURRAN
1985).
A classificao de um novo pixel pelo mtodo da mnima distncia obtido a partir da
menor distncia entre o pixel a ser classificado e os valores espectrais mdios obtidos
das reas de treino, como mostra a Figura 21 (MULLER 1999).
Em seguida, cada pixel a classificar na cena associado classe do seu vector
principal mais prximo em valor (CURRAN 1985; DWIVEDI et al. 2004; EOEDU 2008).
43
44
45
reas homogneas no terreno, tendem a possuir uma varincia reduzida, o que torna
as assinaturas recolhidas, para cada classe, enviesadas e menos representativas
(CHEN e STOW 2002).
46
K=
(Eq.4)
Onde:
Pii representa a proporo da imagem total na qual a categoria i
coincidente em ambas.
Pi. representa a proporo da imagem total na qual a categoria i a
imagem de referncia.
P.i representa a proporo da imagem total na qual a categoria i no
a imagem de referncia.
P( A) = Pii
(Eq.5)
i =1
P( E ) RL = Pi. P.i
(Eq.6)
i =1
PONTIUS (2002) afirma que a grande falha da matriz de erro se deve ao facto de
classificar um pixel como incorrecto, mesmo quando a categoria correcta se encontra
na vizinhana desse mesmo pixel. Da mesma forma, a matriz no est desenvolvida
47
(Eq.7)
(Eq.8)
48
(Eq.9)
49
(5) Coordenadas expressas em metros no sistema Hayford-Gauss Militar (origem no ponto ficticio)
50
12.5 e 15.0C nas reas voltadas para o Vale do Tmega e 10.0 C e 12.5C, nas
zonas mais frias e altas (APA 2008). A precipitao mdia anual varia entre 1200 mm
e 1400 mm nas reas voltadas a SW, sob influncia do conjunto montanhoso Alvo
Maro, e 1000 mm a 1200 mm, nas restantes reas (APA 2008). A nvel de solos
predominam Cambissolos em toda a rea, excepo de zona Sudeste, onde h um
predomnio dos Rankers (IGP 2006). Ecologicamente a rea de estudo apresenta
variaes acentuadas de altitude, sendo possvel assinalar zonas ecolgicas desde o
andar SubMontano (400 a 700 m), Montano (700 a 1000 m) e Altimontano (1000 a
1300 m) (ALBUQUERQUE 1982).
51
tridentatum) e urze (Erica spp), e a floresta autctone (foram substitudas por reas
contnuas de Pinus pinaster (pinheiro bravo) alternadas com pequenas manchas de
Pinus sylvestris (pinheiro silvestre), Pseudotsuga menzieesi (pseudotsuga) e Pinus
nigra (pinheiro larcio). Nas linhas de gua, de forma muito contida, foram plantados
alguns bosquetes de Btula celtibrica (vidoeiro) e de Castanea sativa (castanheiro).
A partir de 1975, deu-se uma profunda alterao na sociedade portuguesa com
repercusses
tambm
ao
nvel
paisagstico
de
ocupao
do
solo.
52
800
700
rea (x 1000 ha)
600
Eucalipto
Sobreiro
Azinheira
Carvalhos
500
Pinheiro manso
400
300
200
100
0
Castanheiro
Folhosas diversas
Resinosas diversas
Outras formaes
lenhosas e diversas
Povoamentos jovens
Figura 25 rea ocupada pelas principais espcies florestais ao nvel de Portugal Continental
de acordo com IFN 2005.
54
4 METODOLOGIA
Para atingir os objectivos, este estudo foi desdobrado em duas partes. Na primeira
procurou-se perceber a capacidade da tecnologia satlite, e do sensor TM em
particular, na criao de mapas de ocupao do solo, em sistemas heterogneos e
antropognico, como os presentes na nossa rea, por comparao com metodologias
clssicas de inventrio. Numa segunda, uma vez identificados os povoamentos de
Pinus pinaster, procurou quantificar-se a biomassa neles presente evitando recorrer a
metodologias de inventrio convencionais (Figura 27).
Em termos de operacionalizao de trabalho estes dois objectivos foram tratados
simultaneamente, sendo possvel enquadr-los em trs momentos perfeitamente
distintos: o primeiro, em gabinete, onde se definiu a estratgia, se reuniu informao
de base e se delineou e preparou o trabalho de campo; o segundo, j em campo, onde
se procedeu recolha dos dados, nomeadamente a delimitao da ocupao do solo,
por confirmao no terreno, e o estabelecimento e recolha de dados nos fotopontos e
nas parcelas de amostragem; o terceiro, de novo em gabinete, onde se trataram os
dados recolhidos no campo, se aplicaram as diversas metodologias e se analisaram
os resultados.
As etapas subsequentes vo centrar a ateno primordialmente nos dois ltimos
momentos, por serem aqueles que resultam da planificao do primeiro, descrevendo
os passos das operaes mais importantes.
55
4.1 COMPILAO
Cartas militares;
Computador;
Para alm deste material foi compilada uma srie de informao de fonte diversa, no
que respeita rea de estudo, nomeadamente: estudos e trabalhos anteriores;
cartografia digital, entre outros.
florestadas, afectadas por fogos ou sujeitas a corte raso onde no voltou a ocorrer
(Incultos)
Superfcies com
gua
Solo nu
rea agrcola
57
Pinus sylvestris
Pseudotsuga
Pinus nigra
Folhosas
58
59
Em gabinete foi efectuada uma triagem prvia dos fotopontos, classificando por fotointerpretao aqueles que no ofereciam dvidas quanto ao estrato correspondente.
Os restantes foram confirmados no terreno, aproveitando as deslocaes em campo
para a delimitao contnua da ocupao do solo. Nos pontos visitados foi recolhida
informao do estrato com maior representatividade num raio de 10 metros.
possvel,
em
reas
facilmente
identificveis,
recolhidos/reconhecidos
introduo dos valores de X,Y mnimo e X,Y mximo, foi extrada da cena apenas a
rea de estudo.
Figura 31 Curvas de nvel da Carta Militar Portuguesa em (srie M888) formato vectorial
(esquerda); DEM elaborado a partir das curvas de nvel da Carta Militar Portuguesa (srie
M888) (direita).
62
Banda1_Kl=44
Banda2_Kl=15
Banda3_Kl=12
Banda4_Kl=6
Banda5_Kl=9
Banda6_Kl=128
Banda7_Kl=3
63
64
4.3 QUANTIFICAO
DE
BIOMASSA
EM
POVOAMENTOS
DE
PINUS
PINASTER
A quantificao de biomassa dos povoamentos de Pinus pinaster pressupunha, desde
logo, a sua identificao e localizao. Da a importncia da primeira fase do trabalho,
com a criao do mapa contnuo de ocupao de solo. Nesta fase, utilizando o
ArcGis, foi efectuada uma Query base de dados geogrfica do ficheiro de ocupao
do solo, seleccionando os polgonos ocupados por pinheiro bravo, com idade igual ou
superior a 15 anos. Como resultado obteve-se a distribuio espacial dos
povoamentos que constituiriam o nosso estudo de quantificao de biomassa.
O nosso clima e solos fazem com que apenas a partir dos 15 anos haja
formao de indivduos com ds susceptveis de algum interesse comercial;
65
Uma vez em campo localizou-se o centro das parcelas utilizando cartografia impressa
escala 1:4000. Em cada ponto visitado foram instaladas parcelas de amostragem
circulares de 300 m2 de acordo com a metodologia descrita por MARQUES et al.
(2007). Em cada parcela foram recolhidos dados sobre o d, altura e idade das rvores
a presentes.
O dimetro altura do peito (d) de todas as rvores das parcelas de amostragem foi
medido com a suta de braos. Na rvore mdia, obtida pela mdia quadrtica dos ds,
foram
efectuadas
medies
com
relascpio
de
Espelhos
de
Bitterlich,
66
nomeadamente a Ltopo e Lbase, para poder obter uma estimativa da altura total da
rvore (ht). Utilizando o valor de d, Ld/2 e Ld foi estimado o volume do tronco da rvore
mdia (Vg), de acordo com a metodologia descrita por MARQUES e FONSECA
(2006), e depois extrapolado para toda a parcela (Vparc). Ainda de acordo com a
metodologia destes autores foram calculadas outras variveis, nomeadamente idade,
rea basal por hectare (G), nmero de rvores por hectare (N), altura mdia (hg) e
dimetro mdio (dgobs).
Para alm das caractersticas do povoamento atrs referidas, optou-se por calcular
tambm a varivel LAI (leaf area index) pelo facto de a bibliografia a considerar como
uma varivel facilmente estimada via deteco remota (FASSNACHT et al. 1997;
FRANKLIN et al. 1997; LOPES 2005). O seu clculo pressupunha inicialmente a
separao da biomassa da componente folhada de toda a copa, de acordo com os
resultados obtidos por LOPES (2005) (Eq.7).
Bfolhada = 0.44* Bcopa
(Eq.7)
Utilizando a metodologia descrita por LOPES (2005) foi ento estimado o valor do LAI.
A estimao da biomassa da copa e do tronco baseou-se nas equaes propostas por
LOPES e ARANHA (2004) (Eq.s 8 e 9), tendo d como varivel de predio.
Bcopa = (d) Log (Bcopa) = 2.911+2.130 * Log (d)
Btronco = (d) Log (Btronco) = 3.769+2.706 * Log (d) (R2=98.6; R2adj=97.9) (Eq.9)
Com: d expresso em metros e biomassa (B) em kg
67
Btronco Volumetronco
Bbicada Volumebicada
Numa etapa inicial, recorrendo curva de adelgaamento criada por FONTE (2000),
estimou-se a altura do d=7cm correspondente base da bicada. Tendo conhecimento
da altura total da rvore, por medies em campo, calculou-se ento a altura da
bicada (Eq.10):
hbicada = htotal-hd=7cm
(Eq.10)
(Eq.11)
68
Como j foi referido, a sua avaliao baseou-se numa amostragem realizada em cada
uma das 103 parcelas instaladas. A biomassa de cada transepto foi calculada atravs
da frmula emprica (Eq.12):
(Eq.12)
Onde:
B = biomassa total (kg.ha-1);
L = mdia ponderada das alturas medidas para a espcie i (m);
= densidade aparente da espcie i (Kg.m-3);
cob = proporo de coberto da espcie i (m).
-2
Nome cientifico
mdia aparente
()
Giesta
Cytisus spp.
1.929
Sargao
Cistus salvifolius L.
Tojo
Ulex spp.
1.888
2.500
Urze
Erica spp.
2.230
Carqueja
2.250
Fetos
1.841
Fonte: Valores cedidos pelo Prof. Paulo Fernandes do Departamento de Cincias Florestais e
Arquitectura Paisagista da UTAD.
69
(Eq.13)
(Eq.14)
Por ltimo, os valores de cada uma das componentes de biomassa obtidos por parcela
foram organizados numa matriz de dados (biomassa de arbustivas, biomassa da copa,
biomassa do tronco, biomassa da bicada, biomassa total e biomassa dos resduos).
70
Y=a0*P1a1*P2a2
(Eq.15)
Onde Y ser o ndice de biomassa (biomassa dos resduos ou biomassa total); a0, a1,
a2, () os coeficientes; e P1, P2, () os parmetros de input. O objectivo que P1
sejam ndices de Vegetao (IV), mas pode surgir a necessidade de introduzir
igualmente uma varivel estrutural do povoamento (VE), como se pode antever da
reviso bibliogrfica sumariada pelo Quadro 2. No caso desta hiptese, e seguindo a
metodologia desenvolvida por MIKYS et al. (2007), o modelos ajustados testam as
variveis preditivas IV, VE, IV2VE e IV e VE em conjunto.
As estatsticas utilizadas para avaliao das equaes ajustadas foram: coeficiente de
determinao (R2) (Eq.16); coeficiente de determinao ajustado (R2adj) (Eq.19) e o
erro (Sxy) (Eq.20).
Coeficiente de determinao -
R2 = 1
SSR
SST
(Eq.16)
(Y
i =1
yi ) 2
(Eq.17)
(Yi Y ) 2
(Eq.18)
i =1
__
Erro - s xy = RMSE =
adj
= 1
(n i ) SSR
(n p) SST
(Eq.19)
( yi yi ) 2
(n p)
(Eq.20)
71
5 DISCUSSO DE RESULTADOS
5.1 CLASSIFICAO DE IMAGENS PARA OBTENO DE MAPAS DE USO DO
SOLO
72
Apesar disso, logo se percebeu que tal comportamento poderia ser devido presena
de material vegetal que nascera ps-incndio, uma vez que estes ocorreram dois ou
trs anos antes, nomeadamente em 2004 e 2005. Desta forma, estes dois estratos
deixaram de fazer sentido e a rea ardida passou a ser integrada no estrato matos.
Este agrupamento no foi inicialmente efectuado em campo porque apesar de haver
regenerao de herbceas e pequenas arbustivas, visualmente havia muito material
queimado, inclusive rvores, e na altura desconhecamos ento o comportamento do
sensor perante uma rea deste tipo.
O estrato urbano e solo nu apresentaram um comportamento semelhante ao longo do
espectro apesar de possurem intensidades de reflectncia ligeiramente distintas
(Figura 36). Na verdade, o solo nu resulta quase sempre de uma aco humana e tem
tendncia a estar associado a estruturas ou construes. Desta forma estes estratos
passaram a ser um s.
73
Face a estes resultados constatou-se que quer o Pinus nigra quer a Pseudotsuga
menziesii possuiam assinaturas facilmente distinguveis do Pinus pinaster, mas
haveria alguma dificuldade em separar o Pinus sylvestris das restantes resinosas
incluindo do Pinus pinaster. Como o objectivo primrio do estudo implicava a distino
da espcie Pinus pinaster, esta passou a constituir um estrato nico e as restantes
trs, com um comportamento espectral mais semelhante, foram agrupadas num novo
estrato conforme sintetizado no Quadro 7.
Quadro 7 Reclassificao dos estratos.
Estratos iniciais
Agrcola
Agrcola
rea ardida
Matos (Incultos)
Matos (Incultos)
Folhosas
Folhosas
Pinus pinaster
Pinus pinaster
Pinus sylvestris
Pinus nigra
Outras resinosas
Pseudotsuga menziesii
10
Solo nu
11
rea urbana
74
Figura 38 - Comparao das assinaturas dos sete estratos usados na classificao das
imagens de satlite.
75
Figura 39 Exemplo de uma rea de mato (com predominncia de Erica spp.) com
regenerao de Pinus pinaster, de densidade varivel, resultante de um incndio ocorrido em
2003.
76
Figura 40 - rea de mato (Erica spp., Cytisus spp., Ulex spp.) com regenerao natural de
Pinus pinaster disperso e de idade e densidade varivel.
Figura 41 - Regenerao natural de carvalho (Quercus pyrenaica) a entrar por uma rea de
mato (Erica spp., Cytisus spp.).
77
Preciso global
Kappa global
Preciso global
Kappa global
Fotopontos
Mxima verosimilhana
Mnima distncia
0.60
0.70
0.46
0.60
Mapa contnuo de ocupao do solo
0.58
0.50
0.43
0.38
Paraleleppedo
0.48
0.26
0.43
0.20
78
sentido
so apresentadas,
no
Quadro
9,
algumas
das
estatsticas
0.60
kloc
0.65
Khisto
0.91
79
ambgua. O mtodo dos fotopontos mostrou ser mais rpido, mais fivel e mais barato
que o mapa contnuo, no entanto, mais exigente no processamento dos dados para
poder ser extrada informao.
Em termos estatsticos a diferena entre as duas metodologias de validao
bastante considervel e comprova a ineficincia da metodologia de mapa contnuo
para reas extensas, com o nvel de detalhe pretendido e em ecossistemas to
heterogneos e fragmentados como o da rea deste estudo.
80
A anlise estatstica das vrias classificaes, com o clculo do ndice de kappa para
cada um dos estratos, permitiu realar as diferenas entre classificadores e assim
seleccionar o mais adequado para este estudo (Quadro 10).
81
Estrato
Mxima verosimilhana
Agrcola
0.57
0.54
0.16
Sup. gua
0.00
0.00
0.00
Matos
0.41
0.48
0.14
Folhosas
0.33
0.70
0.07
O.Resinosas
0.51
0.68
0.06
Pinus pinaster
0.47
0.66
0.81
Urbano/solo nu
0.57
0.72
0.54
Prec. global
0.60
0.70
0.48
Kappa global
0.46
0.60
0.26
Agrcola
Sup.
Matos Folhosas
gua
Agrcola
Pinus
Urbano/solo
Resinosas
pinaster
nu
Total
84
16
112
Matos
17
83
20
128
Folhosas
12
55
73
21
15
36
15
40
189
261
10
11
28
138
143
75
30
237
15
638
Sup.
Imagem Classificada
O.
gua
O.
Resinosas
Pinus
pinaster
Urbano/solo
nu
Total
De uma forma geral verificou-se que o estrato agrcola e as reas de matos foram
aquelas onde ocorreu uma maior dificuldade na classificao. No foi classificada
nenhuma rea de gua, pois no existia nenhuma com dimenso suficiente dentro da
rea de estudo.
83
84
O estrato matos foi o que obteve piores resultados com quase metade dos pontos de
controlo incorrectamente classificados. Este estrato possui caractersticas muito
particulares, pois pode existir de forma individualizada em reas mais ou menos
extensas, como nica ocupao vegetal do solo, embora muitas vezes ocorra
associado floresta, quer em reas menos densas quer em subcoberto. Est
normalmente associado a um conjunto de espcies pioneiras, fazendo a transio
entre um estado de perturbao do solo e novamente o equilbrio. O maior erro obtido
na classificao deste estrato deveu-se, aparentemente, dificuldade em diferenci-lo
das reas de pinheiro bravo. Este erro ocorreu com maior frequncia no em pinhal
adulto mas em reas de regenerao natural, com idades entre os 0-5 anos, onde o
mato se encontra ao mesmo nvel da regenerao e onde existem grandes variaes
de densidade (Figura 46).
85
Figura 46 Exemplo de uma classificao numa rea de regenerao de Pinus pinaster jovem
com densidade varivel.
86
Por fim, as reas urbanas e reas de solo nu exibem o valor mais elevado de preciso,
0.72. Na Figura 48 apresentado um exemplo do comportamento da classificao
numa pequena rea urbana.
88
5.2 AVALIAO
PINUS
PINASTER
N
(rv/ha)
G
(m2/ha)
dgobs
(cm)
hd
(m)
Mdia
37
859
27
21.5
13.2
Desv pad
17
648
18
9.6
4.8
89
Biomassa da rvore
Copa
Tronco Bicada
Totais
Biomassa
da rvore
Biomassa
Biomassa
de
total
resduos
Mximo
31.975
79.368 356.621
8.035
435.989
84.348
436.563
Mdia
6.046
22.457
74.842
1.145
97.059
29.409
103.105
Mnimo
0.000
1.627
0.887
0.072
1.136
5.584
11.294
Desvio padro
6.337
15.457
66.515
1.370
81.772
14.247
79.836
Erro padro
1.048
0.688
0.889
1.197
0.842
0.484
0.774
90
Biomassa de residuos
Biomassa Total
Tronco
72%
Copa
76%
Copa
21%
ArbustivasBicada
6%
1%
Bicada
4%
Arbustivas
20%
Biomassa
(ton ha-1)
23.36
Perodo
(anos)
37
Produo anual
(ton ha-1ano-1)
0.63
Subcoberto (mato)
6.05
0.86
TOTAL
29.41
1.49
92
Tal como seria de esperar existe uma alta correlao entre as variveis
dendromtricas e a biomassa da rvore. A idade, o volume da parcela (vg), rea basal
(G), dimetro mdio (dgobs), altura dominante (hd) e o LAI destacam-se pela positiva.
O LAI a varivel mais bem correlacionada, apresentado valores na ordem dos 0.98.
Por sua vez, o nmero de rvores por hectare (N) e o dimetro mdio (vg) apresentam
valores de correlao bastante baixos, pelo que se encontram, partida, excludas
como variveis de predio.
Ao nvel da biomassa das arbustivas verifica-se uma diminuio considervel dos
valores de correlao. A idade do povoamento e o LAI so as variveis mais bem
correlacionadas, apesar de apresentarem valores modestos, enquanto que a N e vg
so novamente as que menor correlao apresentam. Esta fraca correlao com as
arbustivas acaba por se reflectir na biomassa dos resduos total, levando a valores na
ordem dos 0.75 no caso do LAI.
Quadro 15 Correlao de Pearson entre as componentes de biomassa florestal e as variveis
estruturais recolhidas em campo.
Barbustivas
Brvore
Bresduos da rvore
Bresduos TOTAL
BTOTAL
Idade
-0.334
0.685
0.615
0.398
0.675
-0.080
-0.109
0.092
0.093
-0.118
-0.313
0.881
0.896
0.683
0.878
vg
-0.043
0.087
0.045
0.009
0.085
dgobs
-0.234
0.763
0.644
0.445
0.762
hd
-0.300
0.817
0.739
0.543
0.813
LAI
-0.325
0.968
0.975
0.750
0.966
NDI(MIR1) foi o mais bem correlacionado, logo seguido pelo NDI(MIR2) e pelo MIR1.
Num estudo desenvolvido por ARANHA et al. (2008), apesar de no ter considerado
os mesmos ndices de Vegetao, o melhor resultado foi obtido com o ndice NDVI.
Nos resultados obtidos por este estudo o NDVI mesmo um dos ndices de
Vegetao com desempenho mais fraco.
Quadro 16 Correlao de Pearson entre variveis remotas e as componentes de biomassa
florestal.
Barbustivas
Brvore
Bresduos da rvore
Bresduos TOTAL
BTOTAL
-0.080
-0.207
-0.169
-0.200
-0.218
-0.082
-0.199
-0.187
-0.206
-0.210
-0.081
-0.196
-0.173
-0.172
-0.207
NIR
0.011
-0.043
-0.016
-0.003
-0.044
MIR1
-0.051
-0.314
-0.316
-0.322
-0.325
TM6
-0.102
-0.288
-0.272
-0.245
-0.303
MIR2
-0.073
-0.282
-0.275
-0.286
-0.295
MIR1
-0.051
-0.314
-0.316
-0.322
-0.325
NDI(MIR1)
0.068
0.334
0.348
0.358
0.348
NDI(MIR2)
0.078
0.317
0.320
0.327
0.331
MVI2
0.043
0.330
0.330
0.307
0.341
NDVI
0.095
0.211
0.198
0.195
0.224
94
correlao, indicada por diversos autores como facilmente estimada via deteco
remota, e o ndice de vegetao NDI(MIR1) por ser a varivel remota estudada que
melhor correlao apresenta para as diferentes componentes de biomassa.
Biomassa de resduos da rvore
90
90
80
80
70
70
-1
-1
60
50
40
30
20
60
50
40
30
20
10
0
0.00
10
0
2.00
4.00
6.00
8.00
10.00
-0.2
0.2
LAI (m2m2)
140
100
80
60
40
20
0
4.0
6.0
8.0
10.0
0.6
0.8
80
60
40
20
0
-0.2
0.2
0.4
NDI(MIR1)
Biomassa Total
500
500
450
450
400
400
-1
-1
0.8
100
Biomassa Total
0.6
120
LAI (m2m2)
350
300
250
200
150
100
350
300
250
200
150
100
50
0
0.00
0.8
140
-1
120
2.0
0.6
-1
0.0
0.4
NDI(MIR1)
50
0
2.00
4.00
6.00
LAI (m2m2)
8.00
10.00
-0.2
0.2
0.4
NDI(MIR1)
Da anlise da Figura 50 pode mais uma vez comprovar-se que sempre que se utiliza o
LAI como varivel estrutural (e o mesmo se perspectiva para outra varivel estrutural
do povoamento, dados os valores das correlaes encontrados) a preciso do modelo
de regresso superior estimativa com recurso ao ndice de vegetao com melhor
desempenho. A heterogeneidade de situaes verificadas, quando se recorre a
ndices de Vegetao, est bem patente nos grficos apresentados, e torna-se ento
95
R2
Estatstica
R2ajust
Sxy (RMSE)
Biomassa Total
BTotal = a NDI ( MIR1)
Bresduos = a
[NDI (MIR1)
LAI
LAI c
a = 186.333
b = 0.454
0.126
0.118
77.547
a = 209.71
b = 0.501
0.542
0.538
55.582
a =37.237
b = 0.059
c =1.135
0.944
0.944
16.026
a = 181.127
b = 0.481
0.115
0.106
79.096
a = 208.491
b = 0.561
0.549
0.545
55.180
a =10.128
b = 0.011
c =0.939
0.950
0.949
2.887
a = 45.551
b = 0.279
0.106
0.098
17.832
a = 44.372
b = 0.189
0.256
0.248
16.273
a =22.907
b = 0.076
c =0.509
0.391
0.385
14.200
[NDI (MIR1)
LAI
LAI c
[NDI (MIR1)
LAI
LAI c
96
97
Desta forma, por recurso a uma ou duas etapas, ou de forma directa ou indirecta, a
deteco remota fundamental na estimativa da biomassa, tornando estas
metodologias expeditas e facilmente aplicveis a uma vasta gama de escalas de
anlise.
98
6 CONCLUSES
A utilizao de um Sistema de Informao Geogrfica (SIG) revelou-se de grande
importncia em todo o processo. A sua utilizao potenciou enormemente a
capacidade de criao, extraco e manipulao da informao, fornecendo uma base
comum para o cruzamento de dados provenientes de diferentes fontes e em diferentes
formatos. A sua importncia foi revelada, inicialmente, na caracterizao e avaliao
da rea de estudo, na criao de mapas de ocupao do solo e de fotopontos para
validao, no delineamento do inventrio florestal, na criao de parcelas de
amostragem e no apoio delimitao de reas de treino. Numa segunda fase permitiu
cruzar a informao criada por classificao com os dados de referncia,
nomeadamente os ortofotos, mapas de ocupao do solo e fotopontos, possibilitando
uma anlise visual do comportamento da classificao.
O sensor Landsat TM permitiu criar mapas de ocupao do solo com uma preciso
bastante aceitvel. Percebeu-se, no entanto, que houve algumas limitaes
relacionadas com a resoluo espacial, que, em virtude de a rea de estudo ser muito
heterognea e fragmentada, levou a erros de classificao. Ao nvel da resoluo
espectral, as bandas presentes mostraram ser adequadas uma vez que, como se
comprovou, a melhor regio para diferenciar a vegetao ao nvel do infravermelho,
regio onde o sensor possui trs bandas. Para alm disso o sensor conseguiu separar
espectralmente estratos de primeira, segunda e terceira ordem, nomeadamente a
separao de povoamentos de Pinus pinaster das restantes resinosas bem como dos
diferentes tipos de floresta.
No que respeita s metodologias de validao da classificao, a criao de um mapa
contnuo revelou-se um trabalho hercleo e pouco eficaz, em especial quanto a servir
de termo de comparao em reas extensas, para o nvel de detalhe pretendido e em
ecossistemas to fragmentados como o da rea de trabalho. Para este tipo de anlise,
a imagem obtida por satlite mostrou-se, em muitos casos, com maior rigor que o
prprio mapa elaborado no terreno. Por sua vez, os fotopontos, para alm de menos
trabalhosos, permitem uma recolha de informao mais fcil e revelaram melhores
resultados.
Dos trs classificadores convencionais utilizados, o mtodo da mnima distncia foi
aquele que, de uma forma geral, melhor classificou toda a rea, nomeadamente os
povoamentos de Pinus pinaster, com um valor de Kappa de 0.66. O classificador da
99
Uma vez que o LAI uma varivel que muitos autores consideram facilmente
estimvel via deteco remota, esta foi utilizada para, em conjunto com o NDI(MIR1),
criar alguns algoritmos que permitissem avaliar indirectamente as diferentes
componentes de biomassa. Foram criadas equaes para estimativa da biomassa
total e biomassa de resduos da rvore, com valores de R2 de 0.94 e 0.95
respectivamente. A adio da componente mato estimativa de biomassa de
resduos levou a uma diminuio do valor de R2 e ao aumento considervel do erro,
para valores de 0.39 e 14.20 ton ha-1.
Os modelos aqui ajustados podero permitir que os gestores das reas florestais e/ou
das centrais de biomassa, possam quantificar o stock existente, quer na sua verso
exclusiva de deteco remota, quer recorrendo a ndices de Vegetao e ao LAI. O
objecto das estimativas e o grau de preciso desejado vo condicionar a opo por
cada uma das abordagens. De qualquer forma ambas as abordagens podem tender
para utilizao exclusiva da deteco remota se numa primeira etapa se optar por
tambm estimar o LAI a partir de imagens de satlite. Esta abordagem permite a
utilizao e replicao das metodologias para reas de anlise de nvel regional e/ou
nacional.
A metodologia desenvolvida pode ser aplicada a estudos de biomassa de resduos
para fins energticos, mas foram tambm criadas equaes para quantificao de
biomassa da componente arbrea, e biomassa total, que podem ter utilidade para
estudos de outra natureza, como por exemplo o armazenamento de carbono, ou para
estimao da carga combustvel.
Este estudo demonstra claramente a importncia e potencial que a Deteco Remota
e a utilizao de imagens de satlite possui a nvel qualitativo, ao permitir a criao de
mapas de ocupao do solo ou ao identificar e localizar reas de ocupao com
caractersticas especficas, mas mais do que isso, a nvel quantitativo, ao conseguir
obter estimativas de caractersticas estruturais at agora obtidas unicamente atravs
de inventrios clssicos.
101
7 BIBLIOGRAFIA
ADDINK, E. A., CLEVERS, J. e JONG, S., 2005. The Stained Glass Procedure, a
new method to compare classification performance of images acquired with
different pixel sizes. International Journal of Applied Earth Observation and
Geoinformation, 8: 237-245.
AKGUN, A., ERINAT, A. e TURK, N., 2004. Comparing different satellite image
classification methods: an application in Ayvalik district, Western Turkey. GeoImagery Bridging Continents - XXth ISPRS Congress. Instambul, Turkey.
ALBUQUERQUE, J., 1982. Carta ecolgica de Portugal. Direco Geral dos Servios
Agrcolas. Ministrio da Economia, Lisboa, 58p.
Desenvolvimento
Regional.
http://www.iambiente.pt/atlas/est/index.jsp
(Acedido em 21/02/2008).
102
ASFR, 2003. Australia's state of the forests report 2003. Fisheries and Forestry
Australian Government - Department of Agriculture, BRS-National Forest
Inventory in the Bureau of Rural Sciences, 408p.
Embrapa
Monitoramento
por
Satlite.
CAETANO, M., 1995. Burned vegetation mapping in mountains areas with satellite
Remote Sensing. Dissertao de Doutoramento, University of California, Santa
Barbara, 191p.
103
CAMPBELL, J. B., 2007. Introduction to Remote Sensing. 4th Edition, Guilford Press,
New York, 626p.
CANTY, M. J., 2007. Image analysis, classification and change detection in Remote
Sensing: with algorithms for ENVI/IDL. Taylor & Francis, Boca Raton, 348p.
CASACA, J., MATOS, J. e BAIO, M., 2000. Topografia geral. 3 Edio, Edies
Tcnicas Lda., 306p.
2003.
CCRS,
Fundamentals
of
Remote
Sensing.
http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/fundam/fundam_e.html (Acedido
em 12/04/2008).
CELPA,
2007.
Boletim
estatstico.
Indstria
Papeleira
Portuguesa.
CHUST, G., DUCROT, D. e PRETUS, J. L., 2004. Land cover mapping with patchderived landscape indices. Landscape and Urban Planning, 69 (4): 437-449.
104
CURRAN, P. J., 1985. Principles of remote sensing. 2nd Edition, Longman Scientific &
Technical, New York, 282p.
DAVI, H., SOUDANI, K., DECKX, T., DUFRENE, E., LE DANTEC, V. e FRANCOIS,
C., 2006. Estimation of forest leaf area index from SPOT imagery using NDVI
distribution over forest stands. International Journal of Remote Sensing, 27 (56): 885-902.
DRURY, S. A., 1993. Image interpretation in Geology. 2nd Edition, Chapman & hall,
London, 283pp.
105
EASTMAN, J. R., 1997. IDRISI for windows, Users Guide version 2.0. Introduction Tutorial exercices. Clark University Graduate School of Geography, Worcester,
192p.
ENF, 2006. Estratgia Nacional para as Florestas. Direco Geral dos Recursos
Florestais. http://www.dgrf.min-agricultura.pt/ (Acedido em 26/02/2008).
EOEDU,
2008.
Earth
observation
for
everyone.
Belgian
Science
Policy.
ERBERT,
M.,
2001.
Uso
da
anlise
discriminante
regularizada
(RDA)
no
de
FONTE, C., 2000. Estimao do volume total e mercantil em Pinus pinaster Ait. no
Vale do Tmega. Relatrio final de estgio, Universidade de Trs-os-Montes e
Alto Douro, Vila Real, 67p.
106
FORDA e JICA, 2005. Manual of biomass survey and analysis. Forestry Research and
Development Agency, Japan International Cooperation Agency, 23p.
FRASER, R. H. e LI, Z., 2002. Estimating fire-related parameters in boreal forest using
SPOT VEGETATION. Remote Sensing of Environment, 82 (1): 95-110.
FU, A. M., SUN, G. Q., GUO, Z. F. e WANG, D. Z., 2008. Forest cover classification
from MODIS images in Northeastern Asia. 2008 International Workshop on
Earth Observation and Remote Sensing Applications. Beijing, China.
GARCAS-MARTN, A., RIVA-FERNNDEZ, J., PREZ-CABELLO, F., PASCUALPUIGDEVALL, J. e GARCA-GALINDO, D., 2006. Forest residual biomass:
renewable resource assessment in a Mediterranean area with satellite data.
Geophysical Research Abstracts, 8.
107
HAGEN, A., 2002. Comparasion of maps containing nominal data. RIKS BV, Research
Institute for Knowledge Systems, Maastricht, 101p.
HAME, T., SALLI, A., ANDERSSON, K., LOHI, A. e RAUSTE, Y., 1995. Estimation of
biomass and other characteristics of boreal forest over extensive areas using
Noaa Avhrr data. Multispectral and Microwave Sensing of Forestry, Hydrology,
and Natural Resources, 2314: 200-210.
HEISKANEN, J., 2006. Estimating aboveground tree biomass and leaf area index in a
mountain birch forest using ASTER satellite data. International Journal of
Remote Sensing, 27 (5-6): 1135-1158.
HOUGHTON, R. A., 2005. Aboveground forest biomass and the global carbon
balance. Global Change Biology, 11: 945-958.
HOWARD, J. A., 1991. Remote Sensing of forest resources - Theory and application.
1st Edition, Chapman & Hall, London, 420p.
108
IFN, 2005. Inventrio florestal nacional -2005. Direco Geral dos Recursos Florestais.
http://www.dgrf.min-agricultura.pt/. (Acedido em 14/01/2008).
JENSEN, J., 1996. Introductory digital image processing. 2nd Edition, Prentice Hall,
New Jersey, 544p.
109
KLEIN,
A.,
2008.
Digital
image
processing.
http://geog.tamu.edu/klein/geog661/lecture_notes.html
Lecture
(Acedido
notes.
em
11/06/2008).
KUNTSCHIK, G., 2004. Estimativa de biomassa vegetal lenhosa em cerrado por meio
de sensoriamento remoto ptico e de radar. Dissertao de Mestrado, Instituto
de Biocincias, Universidade de So Paulo, So Paulo, 155p.
LIU, R. G., LIU, J. Y., LV, X. L. e YAN, H., 2005. Mapping forest burned area using
MODIS data in China. IGARSS 2005: IEEE International Geoscience and
Remote Sensing Symposium, 1-8: 4355-4357.
110
LOPES, D. M., 2005. Estimating Net Primary Production in Eucalyptus globulus and
Pinus pinaster Ecosystems in Portugal. Dissertao de Doutoramento, Kingston
University, Kingston, 291p.
LU, D. S., 2006. The potential and challenge of remote sensing-based biomass
estimation. International Journal of Remote Sensing, 27 (7): 1297-1328.
111
MIRONGA, J. M., 2004. Geographic Information Systems (GIS) and Remote Sensing
in the managment of shallow tropical lakes. Applied Ecology and Environmental
Research, 2 (1): 83-103.
MOSS,
S.,
2004.
Kappa
statistics.
The
Institute
of
Cancer
Research
Japan
Association
of
Remote
Sensing.
http://www.rsgis.ait.ac.th/~honda/textbooks/rsnote_giswkbook/index.htm
(Acedido em 02/12/2008).
NETTO, C. P., 2008. Potencial da biomassa florestal residual para fins energticos de
trs concelhos do distrito de Santarm. Dissertao de Mestrado, Faculdade de
Cincias e Tecnologia - Departamento de Cincias e Engenharia do Ambiente,
Universidade Nova de Lisboa, Lisboa, 129p.
OLIVEIRA, A. C., 1999. Silvicultura do pinheiro bravo Manual. Edio Centro Pinus,
Porto, 31p.
113
PNAC, 2006. Programa nacional para as alteraes climticas - Anexo tcnico Floresta. Instituto do Ambiente - Ministrio do Ambiente e do Ordenamento do
Territrio, 4p.
PONTIUS, J., 2002. Statistical methods to partition effects of quantity and location
during comparison of categorical maps at multiple resolutions. Photogrammetric
Engineering & Remote Sensing, 68: 1041-1049.
PROFBP, 2006. Plano regional de ordenamento florestal do Barroso e Padrela Proposta de plano. Direco Geral dos Recursos Florestais, 243p.
Instituto
Superio
de
Estatstica
Gesto
da
Informao,
114
ROY, P. S. e RAVAN, S. A., 1996. Biomass estimation using satellite remote sensing
data - An investigation on possible approaches for natural forest. Journal of
Biosciences, 21 (4): 535-561.
RSE,
2006.
Introduction
to
Remote
Sensing
of
environment.
TNTmips.
RUIZ, J. A. M., BARON-MARTINEZ, J. e GARBIN, M. C., 2006. Estimating aboveground burned biomass and CO2 emissions for tropical Africa for the year 1990
with the NOAA-NASA Pathfinder AVHRR 8 km land dataset. International
Journal of Remote Sensing, 27 (18): 3749-3749.
115
SOUZA, C., FIRESTONE, L., SILVA, L. M. e ROBERTS, D., 2003. Mapping forest
degradation in the Eastern Amazon from SPOT 4 through spectral mixture
models. Remote Sensing of Environment, 87 (4): 494-506.
University
(Acedido
em
26/07/2008).
TAN, K., PIAO, S. L., PENG, C. H. e FANG, J. Y., 2007. Satellite-based estimation of
biomass carbon stocks for northeast China's forests between 1982 and 1999.
Forest Ecology and Management, 240 (1-3): 114-121.
THENKABAIL, P. S., STUCKY, N., GRISCOM, B. W., ASHTON, M. S., DIELS, J.,
VAN DER MEER, B. e ENCLONA, E., 2004. Biomass estimations and carbon
stock calculations in the oil palm plantations of African derived savannas using
IKONOS data. International Journal of Remote Sensing, 25 (23): 5447-5472.
TOLL, D. L., 1985. Effect of Landsat Thematic Mapper sensor parameters on land
cover classification. Remote Sensing of Environment, 17 (2): 129-140.
116
VAN WAGNER, C. E., 1968. The line intersect method in forest fuel sampling. Forest
Science, 10: 267-276.
VARGAS, R., ALLEN, M. F. e ALLEN, E. B., 2008. Biomass and carbon accumulation
in a fire chronosequence of a seasonally dry tropical forest. Global Change
Biology, 14 (1): 109-124.
VIEIRA, S. A., ALVES, L. F., AIDAR, M., ARAJO, L. S., BAKER, T., BATISTA, J. L.
F., CAMPOS, M. C., CAMARGO, P. B., CHAVE, J., DELITTI, W. B. C.,
HIGUCHI, N., HONORIO, E., JOLY, C. A., KELLER, M., MARTINELLI, L. A.,
MATTOS, E. A. d., METZKER, T., PHILLIPS, O., SANTOS, F. A. M. d.,
SHIMABUKURO, M. T., SILVEIRA, M. e TRUMBORE, S. E., 2008. Estimation
of biomass and carbon stocks: the case of the Atlantic Forest. BiotaNeotropica,
8: 21-29.
WILLIAMS, D. L., IRONS, J. R., MARKHAM, B. L., NELSON, R. F., TOLL, D. L.,
LATTY, R. S. e STAUFFER, M. L., 1984. A statistical evaluation of the
advantages of Landsat Thematic Mapper data in comparison to multispectral
scanner data. IEEE Transactions on Geoscience and Remote Sensing, 22 (3):
294-302.
YU, X. F., PANG, Y., ZHUANG, D. F. e HOU, X. Y., 2004. Forest fire disturbance and
its effect on forest biomass in Daxinganling region. IGARSS 2004: IEEE
International Geoscience and Remote Sensing Symposium Proceedings, 1-7:
2310-2313.
ZHENG, G., GHENB, J., TIANA, Q., JUB, W. M. e XIAA, X. Q., 2006. Combining
remote sensing imagery and forest age inventory for biomass mapping. Journal
of Environmental Management, 85: 616-623.
118