Estimativa da biomassa florestal para fins energéticos utilizando índices de vegetação e dados de campo, Distrito de Mabalane – Moçambique

• Autor(a) principal: Mabunda, Idolgy Ribeiro dos Santos
• Data de Publicação: 2021
• Outros Autores: Guasselli, Laurindo Antônio, Nhongo, Eufrasio Joao Sozinho, Bandeira, Benjamim
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/220241
• topic: Sensoriamento remoto; NDVI; Equações alométricas; Plantas lenhosas florestais

Na África Subsaariana, a intensa exploração de florestas para a extração da lenha e carvão em áreas áridas e semiáridas. O Distrito de Mabalane abastece delenha e carvãoas cidades de Maputo, Matola e Xai-Xai. Entretanto, existe pouco conhecimento sobre adisponibilidade da biomassa nessas áreas. O presente estudo tem como objetivos: analisar a relação entre NDVIderivado daimagem de satélite eabiomassa estimada em campo; modelar a estimava de biomassa em área árida. Os valores do NDVI foram obtidos a partir da imagem desatélite Landsat-8. No campo, quinze parcelas com área de 30 x 30 m foram georeferenciadas e todas as plantas lenhosas vivas com diâmetro à altura do peito (DAP) igual ou maior que 2.5 cm foram medidas as alturas e DAPse suas biomassas estimadas a partir de equações alométricas. Os valores de NDVI nos pontos amostrais variaram entre -0.508 e -0.236, positivamente correlacionados com os valores de biomassa estimados nas 3 equações, que variaram 5,32 e 56,87푡.ℎ−1. A regressão linear entre NDVI e a biomassa no modelo que apresentou melhor resultado, obteve coeficiente de determinação R2= 0,882. A equação de regressão ajustada a partir de medição indireta da biomassa e índice de vegetação pela diferença normalizada (NDVI), possibilitou a estimativade biomassa florestal em áreas semiáridas por sensoriamento remoto, com um erro de 36% na área do presente estudo. O modelo ajustado pode ser suporte para estudos de estimação da biomassa utilizando sensoriamento remoto e os dadosde campo em áreas similares.