Aboveground biomass and carbon stock estimations in a semideciduous forest using IKONOS II images

Estimativas de massa e carbono em povoamentos florestais podem ser obtidas empregando-se equações alométricas. Imagens de alta resolução, provenientes de sensores remotos, também têm sido amplamente utilizadas para estimar massa e carbono de árvores, com base em variáveis digitais (valores de radiância/ reflectância e índices de vegetação) extraídas das ima gens. No caso de florestas naturais, normalmente heterogêneas, com grande diversidade florística, fisionômica e fenológica, a utilização desta técnica reveste-se de maior complexidade, uma vez que há pouca disponibilidade de dados quantitativos de biomassa coletados em nível de campo, havendo, assim, carência de pesquisas que integrem dados de diferentes fontes, como inventários florestais e imagens de satélites, na obtenção daquelas estimativas. Nesta pesquisa, imagens do satélite IKONOS II foram utilizadas para obtenção das estimativas de biomassa aérea e do estoque de carbono de um fragmento de Floresta Estacional Semidecidual, situada no município de Viçosa, MG, em uma área denominada Mata da Silvicultura , pertencente à Universidade Federal de Viçosa. Com base em dados de inventário florestal, conduzido em 15 parcelas de 1.000 m2 (20 m × 50 m), foram obtidas as estimativas dos estoques de biomassa e carbono acima do terreno, a partir de equações alométricas. Estas estimativas foram relacionadas com variáveis digitais (reflectância nas quatro bandas multiespectrais e nos 12 índices de vegetação), extraídas das imagens do satélite IKONOS II, empregando-se análise de regressão e redes neurais artificiais (RNA). Na análise de regressão, as maiores correlações (significativas) com biomassa e carbono foram observadas para as variáveis independentes Banda2 e Banda4 e os índices de vegetação GEMI, SAVI, TCap1, TCap2 e TCap3. Porém, apenas as variáveis Banda4 e TCap1 foram suficientes para estimar tanto a biomassa total quanto o estoque de carbono. No caso das estimativas da biomassa, foram obtidos o coeficiente r2 = 0,394 para a variável Banda4 e r2 = 0,496 para a variável TCap1. Já para o caso das estimativas do estoque de carbono, foi obtido o coeficiente Banda4 r2 = 0,400 para a variável Banda4 e r2 = 0,504 para a variável TCap1. Por meio do treinamento de redes neurais verificou-se que a utilização das quatro bandas espectrais do satélite IKONOS II, como variáveis de entrada, mostraram-se suficientes para estimar os estoques de biomassa e carbono, para o caso da área de estudo. Os resíduos obtidos com o emprego da análise de regressão ultrapassaram 60%, enquanto resíduos na faixa de ±1,5% foram obtidos a partir das redes neurais.Estimates of carbon and biomass in forested areas can be obtained using allometric equations. High resolution remote sensing imagery has also been widely used to estimate tree carbon biomass, based on digital variables (radiance/ reflectance values and vegetation indices) extracted from images. In natural forests, that are typically heterogeneous and present high floristic, physiognomical and phenological diversity, the use of this technique is more complex since there is little quantitative biomass data collected in the field and a lack of research that integrates data from different sources such as forest inventories and satellite images to obtain estimates. In this study a set of IKONOS II satellite images was used to estimate aerial biomass and carbon stock in a semideciduous seasonal forest fragment located in Viçosa, MG, in an area known as Mata da Silvicultura , belonging to the Universidade Federal de Viçosa. Estimates of above ground biomass and carbon stocks were obtained with allometric equations based on forest inventory data conducted in fifteen 1,000 m2 (20 m × 50 m) parcels. These estimates were related to digital variables (reflectance of four spectral bands and 12 vegetation indices) extracted from IKONOS II satellite images using regression analysis and an artificial neural network. In regression analysis the highest (significant) correlations to carbon stock and biomass were found for the spectral bands 2 and 4 and the GEMI, SAVI, TCap1, TCap2 and TCap3 vegetation indices. However, only variables Band4 and TCap1 were necessary for estimating both total biomass and carbon stock. For biomass estimates, correlation coefficients of r2 = 0.394 for Band4, and r2 = 0.496 for TCap1 were observed. For carbon stock estimates, correlations of r2 = 0.400 with Band4 and r2 = 0.504 for TCap1 were found. Through neural network training it was found that use of the four IKONOS II satellite spectral bands as input variables were sufficient to estimate biomass and carbon stocks for the area studied. Residuals obtained using regression analysis exceeded 60% while residuals in the range of ±1.5% were obtained using neural networks