@PHDTHESIS{ 2019:26306951,
 	title = {Biomassa e carbono por meio de inventário convencional e LiDAR em floresta seca no Nordeste do Brasil},
 	year = {2019},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8215",
 	abstract = "Nos últimos anos, com a crescente preocupação ambiental quanto às mudanças climáticas, existe a procura por alternativas eficientes em métodos indiretos para estudos da quantificação da biomassa e do estoque de carbono florestal. Este trabalho teve como objetivo obter estimativas de biomassa e carbono por meio de dados advindos de inventário florestal convencional e tecnologia LiDAR em uma floresta seca. No primeiro capítulo, os dados foram coletados a partir de 507 árvores distribuídas entre 14 espécies e 12 gêneros em uma área submetida ao manejo florestal, localizada no município de Floresta, no estado de Pernambuco, com vegetação predominantemente de Caatinga, caracterizada por uma vegetação arbustivo–arbórea. De cada indivíduo, foram mensurados o peso verde acima do solo (fuste e galhos), alturas total e comercial e diâmetro da base (0,30 cm do nível do solo), assim como valores de densidade da madeira, visando o ajuste e a validação de três modelos alométricos de regressão simples (o diâmetro da base como variável explicativa) e cinco de regressão múltipla (variáveis explicativas: o Db, altura total e densidade da madeira). Duas equações locais selecionadas foram comparadas com equações genéricas pantropicais e aplicadas às árvores amostra deste estudo. As predições de biomassa foram realizadas considerando os dados do inventário de árvores vivas em duas áreas com diferentes históricos de uso, uma com histórico de perturbação maior (correntão) e outra com menos perturbação (transposição). Entre os modelos de biomassa testados, logaritmos de Schumacher-Hall e Chave – Modelo I apresentaram melhor desempenho. Nos modelos pantropicais, houve melhora significativa quando as variáveis altura e densidade foram incluídas; os maiores erros de previsão foram gerados pelas equações de simples entradas locais e pantropicais. No segundo capítulo, utilizamos dados de inventário florestal convencional de duas áreas juntamente com dados do sobrevoo LiDAR, sendo geradas estimativas locais de biomassa a partir de uma equação local desenvolvida e os teores de carbono obtidos de espécies locais. Com dados da tecnologia LiDAR, extraíram-se as métricas da sua nuvem de pontos e foram utilizadas como variável independe. Para a construção dos modelos alométricos de biomassa e carbono por hectare, abordaram-se três tipos de modelos para a análise de dados: Regressão linear múltipla com Componentes Principais – PCA, Regressão linear múltipla e Regressão linear múltipla com Stepwise, as equações geradas foram analisadas por meio de comparações de critérios estatísticos. Após a seleção da melhor equação para biomassa e para carbono, geraram-se as estimativas de carbono por área avaliando a nível de parcela. O modelo tanto de TAGB quanto o de TAGC de melhor ajuste foi o de Regressão linear múltipla com Stepwise, concluindo, então, que os dados LiDAR podem ser usados para a estimativa de biomassa e carbono total em floresta tropical seca, comprovado por um ajuste considerado nos modelos empregados, havendo uma boa correlação entre as métricas do LiDAR.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Ciências Florestais},
 	note = {Departamento de Ciência Florestal}
}