Estimativa de estoque de carbono em floresta de Eucalipto usando sensoriamento remoto e dados de sensores de IoT
Carregando...
Data
Orientador
Negri, Rogério Galante 
Coorientador
Massi, Klécia Gili
Pós-graduação
Curso de graduação
São José dos Campos - ICT - Engenharia Ambiental
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
O surgimento dos mercados de carbono, constituido por mecanismos como o Comércio de Emissões e o Mecanismo de Desenvolvimento Limpo, aumentou a demanda por estimativas precisas dos estoques de carbono florestal. Este estudo propõe uma abordagem não destrutiva baseada em sensoriamento remoto para quantificar o acúmulo de carbono em uma fazenda de Eucalyptus grandis localizada no Uruguai. As medições de campo, coletadas entre maio de 2021 e fevereiro de 2024 utilizando sensores dendrométricos IoT, baseados no conceito de Internet of Things (IoT), forneceram o volume total com casca da floresta em m³/ha. Essas medições foram convertidas em estimativas de estoque de carbono empregando fatores de expansão de biomassa, densidade da madeira e fração de carbono na biomassa, sendo utilizadas como váriavel dependente de modelos de regressão multipla. Índices de vegetação derivados do radar Sentinel 1, combinados com médias móveis mensais de precipitação, constituídas a partir de dados de precipitação diária extraídas do ERA-5 Land, foram utilizados como variáveis independentes para treinamento dos modelos. Análises realizadas em compartimentos florestais com diferentes níveis de produtividade revelaram que o modelo que integrou o índice de vegetação RVI, a razão entre as polarizações VH e VV, derivados do radar, e os dados de precipitação apresentou excelente desempenho na captura das tendências do estoque de carbono em escala de compartimento, com base na avaliação da significância dos coeficientes, da distribuição normal e da verificação da presença de homocedasticidade nos resíduos, obtendo os maiores R² e o menor erro percentual em todos os plantios, em comparação com os demais modelos constituídos.
Resumo (inglês)
The emergence of carbon markets, established through mechanisms such as Emissions Trading Systems (ETS) and the Clean Development Mechanism (CDM), has intensified the demand for accurate estimations of forest carbon stocks. This study proposes a non-destructive, remote sensing-based approach to quantify carbon accumulation in a Eucalyptus grandis plantation located in Uruguay. Field measurements were collected between May 2021 and February 2024 using dendrometric IoT sensors, grounded in the concept of the Internet of Things (IoT), to obtain the total stem volume with bark in m³/ha. These measurements were converted into carbon stock estimates by applying biomass expansion factors, wood density values, and carbon fraction coefficients in biomass, serving as the dependent variable in multiple regression models. Vegetation indices derived from Sentinel-1 radar imagery, in conjunction with monthly moving averages of precipitation computed from daily ERA5-Land data, were employed as independent variables for model training. Analyses conducted across forest compartments exhibiting varying productivity levels demonstrated that the model incorporating the Radar Vegetation Index (RVI), the VH/VV backscatter ratio, and precipitation data achieved superior performance in capturing trends in carbon stock at the compartment scale. This conclusion was supported by the significance of regression coefficients, the normality of residuals, and the verification of homoscedasticity. Among all tested models, this configuration yielded the highest coefficients of determination R² and the lowest percentage errors across all plantation units.
Descrição
Palavras-chave
Biomassa, Biomass, Análise de regressão logística, Logistic regression analysis, Sensoriamento remoto, Remote sensing
Idioma
Português
