Estoque de carbono e quantificação da incerteza propagada combinando inventário florestal e sensoriamento remoto

• Autor(a) principal: Celes, Carlos Henrique Souza
• Data de Publicação: 2017
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPA
• Texto Completo: https://repositorio.inpa.gov.br/handle/1/4982; http://lattes.cnpq.br/5735970963851152
• topic: Inventário florestal; Biomassa; Sensoriamento remoto; Carbono

O REDD+ é um instrumento elaborado nas conferências da UNFCCC para recompensar financeiramente os países em desenvolvimento que adotarem esforços para a redução do desmatamento e degradação florestal. Em 2010, a força tarefa do IPCC em Yokohama, avaliou e recomendou juntar os trabalhos existentes de campo com os de sensoriamento remoto para as estimativas das emissões florestais (IPCC, 2010) em um sistema que deve ser mensurável, reportável e verificável (MRV) (UNFCCC, 2009). Nos países em desenvolvimento estas estimativas são mais difíceis pela falta de um sistema de coleta de dados de campo e disponibilidade de imagens, tanto atuais como temporais, para gerar seu histórico de emissão. A adoção de técnicas associadas a modelagem matemática e sistema em computação é necessária para alcançar as recomendações para projetos de REDD+ e foram aplicadas na Reserva Ducke do INPA. O inventário florestal combinando com dados aerotransportados ALS, LiDAR e espaciais como SRTM, RapidEye e Landsat 8 foram utilizados. Modelos lineares foram usados para estabelecer as relações e a técnica de Monte Carlo foi aplicada para quantificação do erro propagado. O erro na medida do diâmetro pôde ser medido e controlado nos inventários florestais adotando técnicas de remedição com fita e fotogrametria. O desenvolvimento de scripts para o processamento dos dados LiDAR, permitiu quantificar e controlar os erros nas estimativas do terreno. O georreferenciamento das parcelas para a combinação com dados de alta resolução requer procedimentos que garantam sua acurácia sem comprometer as atividades de campo. O método de Monte Carlo foi importante para a estimativa do erro principalmente do georreferenciamento dos dados de campo, uma vez que a fórmula da propagação do erro não permite este tipo de abordagem. Os scripts estão em desenvolvimento e disponíveis a qualquer usuário, com intuito de tornar o método replicável em diferentes locais. Os modelos e suas incertezas demonstraram variação espacial com efeitos de causa e consequência reconhecidos, necessários para a confiabilidade dos modelos. As áreas com florestas maduras mais ameaçadas são as regiões de platô ao redor da Reserva Ducke aptas a projeto de REDD+ e ao desenvolvimento sustentável.