Use este identificador para citar ou linkar para este item: https://repositorio.inpa.gov.br/handle/1/4982
Título: Estoque de carbono e quantificação da incerteza propagada combinando inventário florestal e sensoriamento remoto
Autor: Celes, Carlos Henrique Souza
Orientador: Higuchi, Niro
Palavras-chave: Inventário florestal
Biomassa
Sensoriamento remoto
Carbono
Data do documento: 28-Set-2017
Editor: Instituto Nacional de Pesquisas da Amazônia – INPA
Programa: Ciências de Florestas Tropicais - CFT
Abstract: REDD+ is an instrument developed at UNFCCC conferences to financially reward developing countries for efforts to reduce deforestation and forest degradation. In 2010, the IPCC task force in Yokohama evaluated and recommended linking existing field and remote sensing works to forest emissions estimates (IPCC, 2010) in a system that should be measurable, reportable and verifiable (MRV) (UNFCCC, 2009). In developing countries these estimates are more difficult due to the lack of a field data collection system and the availability of both current and temporal images to generate their emission history. The adoption of techniques associated with mathematical modeling and computer system is necessary to reach the recommendations for REDD + projects and were applied in the Ducke Reserve of INPA. Forest inventory with ALS LiDAR and SRTM airborne data, RapidEye and Landsat 8 was used. Linear models were used to establish relationships and the Monte Carlo technique was applied to quantify the propagated error. The error in diameter measurement could be measured and controlled in forest inventories by adopting remeasurement techniques with tape and photogrammetry. The development of scripts for the processing of LiDAR data allowed us to quantify and control errors in land estimates. The georeferencing of the plots for the combination with high resolution data requires procedures that guarantee their accuracy without compromising the field activities. The Monte Carlo method was important for the estimation of the error mainly of the georeferencing of the field data, since the formula of the error propagation does not allow this type of approach. The scripts are in development and available to any user, in order to make the method replicable in different places. The models and their uncertainties demonstrated spatial variation with recognized cause and consequence effects, necessary for the reliability of the models. The most endangered mature forest areas are the plateau regions around the Ducke Reservation suitable for REDD+ project and sustainable development.
Resumo: O REDD+ é um instrumento elaborado nas conferências da UNFCCC para recompensar financeiramente os países em desenvolvimento que adotarem esforços para a redução do desmatamento e degradação florestal. Em 2010, a força tarefa do IPCC em Yokohama, avaliou e recomendou juntar os trabalhos existentes de campo com os de sensoriamento remoto para as estimativas das emissões florestais (IPCC, 2010) em um sistema que deve ser mensurável, reportável e verificável (MRV) (UNFCCC, 2009). Nos países em desenvolvimento estas estimativas são mais difíceis pela falta de um sistema de coleta de dados de campo e disponibilidade de imagens, tanto atuais como temporais, para gerar seu histórico de emissão. A adoção de técnicas associadas a modelagem matemática e sistema em computação é necessária para alcançar as recomendações para projetos de REDD+ e foram aplicadas na Reserva Ducke do INPA. O inventário florestal combinando com dados aerotransportados ALS, LiDAR e espaciais como SRTM, RapidEye e Landsat 8 foram utilizados. Modelos lineares foram usados para estabelecer as relações e a técnica de Monte Carlo foi aplicada para quantificação do erro propagado. O erro na medida do diâmetro pôde ser medido e controlado nos inventários florestais adotando técnicas de remedição com fita e fotogrametria. O desenvolvimento de scripts para o processamento dos dados LiDAR, permitiu quantificar e controlar os erros nas estimativas do terreno. O georreferenciamento das parcelas para a combinação com dados de alta resolução requer procedimentos que garantam sua acurácia sem comprometer as atividades de campo. O método de Monte Carlo foi importante para a estimativa do erro principalmente do georreferenciamento dos dados de campo, uma vez que a fórmula da propagação do erro não permite este tipo de abordagem. Os scripts estão em desenvolvimento e disponíveis a qualquer usuário, com intuito de tornar o método replicável em diferentes locais. Os modelos e suas incertezas demonstraram variação espacial com efeitos de causa e consequência reconhecidos, necessários para a confiabilidade dos modelos. As áreas com florestas maduras mais ameaçadas são as regiões de platô ao redor da Reserva Ducke aptas a projeto de REDD+ e ao desenvolvimento sustentável.
Aparece nas coleções:Doutorado - CFT

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Carlos_Celes.pdf34,16 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons