@PHDTHESIS{ 2021:1611079034,
 	title = {Modelagem de variáveis biofísicas em floresta tropical seca por meio de geotecnologias},
 	year = {2021},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8939",
 	abstract = "O inventário florestal é um importante instrumento empregado para estimar o potencial produtivo de uma área florestal, entretanto suas técnicas convencionais demandam tempo e em alguns casos, apresentam dificuldade relacionadas ao acesso ou ao tamanho da área. Desta forma, objetivou-se com este estudo avaliar a capacidade da tecnologia LiDAR (Light Detection and Ranging) e de diferentes sensores orbitais na predição das variáveis biofísicas volume e biomassa seca acima do solo (BSA) em áreas de vegetação arbustiva-arbórea em floresta tropical seca. Para tal, o presente trabalho foi dividido em dois capítulos com objetivos específicos. No primeiro capítulo, avaliou-se o potencial das métricas derivadas do sistema LiDAR ALS (Airborne Laser Scanner) na predição de volume e BSA em áreas de floresta tropical seca. O estudo foi conduzido em duas áreas de Caatinga na Fazenda Itapemirim, localizada entre os municípios de Floresta e Betânia, em Pernambuco. Para avaliar o potencial da tecnologia LiDAR foi realizado o ajuste do modelo de regressão linear múltipla, pelo método dos mínimos quadrados ordinários, onde foram utilizadas como variáveis respostas os estoques de volume e BSA, por unidade amostral (u.a.), oriundos dos dados de inventário florestal realizado nas áreas de estudo e como variáveis preditivas as métricas LiDAR de altura (posição, dispersão e proporção), extraídas, por u.a., da nuvem de pontos LiDAR normalizada. A partir dos resultados encontrados, observou-se que as melhores equações para a predição das variáveis biofísicas alcançaram um coeficiente de determinação ajustado (R²aj) de 0,67, com erro padrão percentual (Syx%) de 20,22% para volume e um R²aj de 0,75, com Syx% de 14,71% para BSA, além disto, observou-se que as equações geradas, tanto de volume quanto de BSA, mostraram tendências de superestimar valores mais baixos e subestimar valores mais altos. Desta forma, conclui-se que as equações preditivas de volume e BSA obtidas por meio da tecnologia LiDAR geraram valores tendenciosos comparados aos obtidos por meio do inventário florestal convencional. No segundo capítulo, avaliou-se o potencial da associação entre métricas derivadas da tecnologia LiDAR ALS e dados espectrais de diferentes sensores orbitais na predição de volume e biomassa seca acima do solo em áreas de floresta tropical seca. Para tal, o estudo foi realizado em dois fragmentos de Caatinga na Fazenda Itapemirim, localizada entre os municípios de Floresta e Betânia, em Pernambuco e foram utilizados dados oriundos da tecnologia LiDAR e dados orbitais dos satélites Landsat 8, ResourceSat-2 e RapidEye. Para o ajuste do modelo de regressão linear múltipla foram utilizados como variáveis respostas os estoques de volume e BSA, por u.a., oriundos dos dados de inventário florestal realizado nas áreas de estudo e como variáveis preditivas as métricas LiDAR de altura e valores médios das bandas espectrais e índices de vegetação. Observou-se, a partir dos resultados, que a melhor equação para a predição do volume alcançou um R²aj de 0,80, com Syx% de 16,64% e a melhor equação para BSA obteve um R²aj de 0,82, com Syx% de 10,84%. Também foi possível observar que as equações ajustadas mostraram tendências de superestimar valores mais baixos e subestimar valores mais altos. Deste modo, conclui-se que as equações preditivas de volume e BSA ajustadas a partir da integração entre dados LiDAR ALS e dados orbitais não foram capazes de gerar resultados com acurácia compatível à obtida por meio do inventário florestal convencional. No geral, conclui-se que a integração de métricas LiDAR ALS e dados orbitais possibilitou a geração de estimativas de volume e BSA mais precisas, quando comparadas à utilização de dados LiDAR ALS de forma isolada.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Ciências Florestais},
 	note = {Departamento de Ciência Florestal}
}