<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

MODELO DIGITAL PARA ESTIMATIVA DA BIOMASSA AÉREA FLORESTAL

dc.contributor.authorTONELI, Carlos Augusto Zangrando
dc.date.accessioned2026-09-28T13:00:54Z
dc.date.available2026-09-28T13:00:54Z
dc.date.issued2026-09-28
dc.descriptionOrientador: Prof. Dr. Antonio Carlos Ferraz Filho Examinador interno: Profa. Dra. Andressa Ribeiro Examinador externo: Prof. Dr. Eraldo Aparecido Trondoli Matricardi (UNB) Examinador externo: Prof. Dr. Lucas Del Bianco Faria (UFLA) Examinador externo: Prof. Dr. Fausto Weimar Acerbi Junior (UFLA)pt_BR
dc.description.abstractRESUMO: O monitoramento da biomassa acima do solo (AGB) é fundamental para aprimorar estimativas de carbono, orientar políticas de mitigação climática e fortalecer estratégias de conservação dos recursos naturais. No Brasil, a elevada heterogeneidade vegetal e a variação climática entre biomas impõem desafios significativos à modelagem da biomassa florestal. No Capítulo1 é apresentada a revisão geral sobre o assunto. No Capítulo 2, foi realizada a avaliação da acurácia do mapeamento de florestas naturais no bioma Cerrado em 2021, utilizando 5.243 amostras de validação obtidas via Collect Earth Online (CEO/FAO) e parcelas do Inventário Florestal Nacional (IFN). Os resultados evidenciaram que a classe Florestas Naturais apresenta acurácia moderada a alta, entre 66–70% (CEO/FAO) e 81–84% (IFN). Entretanto, observou-se elevada inconsistência na classe Outras Terras Arborizadas, com erros entre 33–42% (CEO/FAO) e 14–53% (IFN), refletindo dificuldades em representar formações abertas com árvores isoladas. No Capítulo 3 foi desenvolvido um método baseado na altura do dossel para estimar biomassa total acima e abaixo do solo com uma resolução de pixels de 10 m para todo o Cerrado. As estimativas obtidas com o modelo linear demonstraram forte alinhamento com valores reportados na literatura para savanas e florestas. As maiores incertezas entre altura e biomassa ocorreram em áreas de arbustos, devido à baixa continuidade estrutural do dossel. Foram gerados mapas de estimativa para biomassa aérea, biomassa subterrânea das raízes, serrapilheira, necromassa e biomassa total, constituindo o primeiro produto espacialmente explícito de 10 m para todo o Cerrado com essa abordagem. No Capítulo 4 foi realizada a modelagem estatística da AGB avaliando três tipos de altura do dossel (1, 10 e 30 m) e gradientes ambientais (precipitação e temperatura), utilizando 6.070 parcelas de campo do IFN distribuídas por cinco biomas. Entre os modelos avaliados, a função de Gompertz apresentou melhor desempenho, com altura do dossel de 10 m de pixel, explicando da variação de AGB (R² = 0,72), com erro médio de 43,9 Mg ha-1 e valor máximo de 385,70 Mg ha-1. A inclusão de variáveis ambientais nos parâmetros do modelo aprimorou o comportamento assintótico e a curvatura, refletindo respostas não lineares da vegetação aos gradientes climáticos, melhorando assim a modelagem da biomassa, resultando em estimativas escaláveis e ecologicamente consistentes no Brasil. Este estudo demonstra que a integração entre dados de campo do IFN, imagens de altura do dossel por sensoriamento remoto e modelagem não linear constitui uma abordagem robusta e escalável para estimar a biomassa acima do solo em escala nacional no Brasil. ABSTRACT: Monitoring aboveground biomass (AGB) is essential to improve carbon estimates, support climate-mitigation policies, and strengthen natural-resource conservation strategies. In Brazil, the high vegetation heterogeneity and climatic variability among biomes impose significant challenges for forest biomass modeling. Chapter 1 presents a general review of the subject. In Chapter 2, the accuracy of natural-forest mapping in the Cerrado biome in 2021 was assessed using 5,243 validation samples obtained through Collect Earth Online (CEO/FAO) and plots from the National Forest Inventory (IFN). The results showed that the Natural Forests class exhibited moderate to high accuracy, ranging from 66–70% (CEO/FAO) to 81–84% (IFN). However, high inconsistency was observed in the Other Wooded Land class, with errors between 33–42% (CEO/FAO) and 14–53% (IFN), reflecting difficulties in representing open formations with scattered trees. In Chapter 3, a canopy-height-based method was developed to estimate total above- and below-ground biomass at 10 m pixel resolution across the entire Cerrado. The resulting estimates showed strong agreement with values reported in the literature for savannas and forests. The highest uncertainties between height and biomass occurred in shrub-dominated areas due to low canopy structural continuity. Spatially explicit maps were generated for aboveground biomass, belowground root biomass, litter, necromass, and total biomass, constituting the first 10 m resolution product for the entire Cerrado using this approach. In Chapter 4, statistical modeling of aboveground biomass was performed by evaluating three canopy-height datasets (1, 10, and 30 m) and environmental gradients (precipitation and temperature), using data from 6,070 IFN plots distributed across five Brazilian biomes. Among the evaluated models, the Gompertz function showed the best performance, with 10 m canopy height explaining of the AGB variation (R² = 0,72), a mean error of 43.9 Mg ha⁻¹, and a maximum estimated value of 385.70 Mg ha⁻¹. Incorporating environmental variables into the model parameters improved the asymptotic behavior and curvature, reflecting non-linear vegetation responses to climatic gradients and enhancing biomass modeling, resulting in scalable and ecologically consistent estimates across Brazil. This study demonstrates that the integration of IFN field data, remotely sensed canopy height imagery, and nonlinear modeling constitutes a robust and scalable approach for estimating aboveground biomass at the national scale in Brazil.pt_BR
dc.identifier.urihttp://hdl.handle.net/123456789/4346
dc.language.isootherpt_BR
dc.subjectAltura do dosselpt_BR
dc.subjectBiomas tropicaispt_BR
dc.subjectBiomassa aéreapt_BR
dc.subjectInventário Florestal Nacionalpt_BR
dc.subjectModelagem não linearpt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectCanopy heightpt_BR
dc.subjectBiomespt_BR
dc.subjectAboveground biomasspt_BR
dc.subjectNational Forest Inventorypt_BR
dc.subjectNonlinear modelingpt_BR
dc.subjectRemote sensingpt_BR
dc.titleMODELO DIGITAL PARA ESTIMATIVA DA BIOMASSA AÉREA FLORESTALpt_BR
dc.typePreprintpt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Tese CARLOS AUGUSTO ZANGRANDO TONELI.pdf
Tamanho:
3,39 MB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: