Modeling aboveground carbon stock under the forest canopy influence

Lucas Rezende Gomide; Kalill José Viana da Páscoa; Caio Eduardo Vieira Alcantara Silva; Evandro Nunes Miranda; Mônica Canaan Carvalho; José Roberto Soares Scolforo; Carlos Rogerio de Mello

doi:10.53661/1806-9088202448263778

Autores

Lucas Rezende Gomide Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-4781-0428
Kalill José Viana da Páscoa Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-5786-1501
Caio Eduardo Vieira Alcantara Silva Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-0096-4681
Evandro Nunes Miranda Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-1406-8300
Mônica Canaan Carvalho Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-2335-3998
José Roberto Soares Scolforo Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-5888-6751
Carlos Rogerio de Mello Universidade Federal de Lavras, Escola de Ciências Agrárias de Lavras, Departamento de Ciências Florestais, Lavras, Minas Gerais, Brasil https://orcid.org/0000-0002-6033-5342

DOI:

https://doi.org/10.53661/1806-9088202448263778

Palavras-chave:

Sensoriamento remoto, Hidrologia florestal, Manejo florestal

Resumo

A dominância, tamanho e posição sociológica das espécies arbóreas são aspectos cruciais para os padrões naturais das florestas, fornecendo informações de grande relevância. Esses padrões podem ser influenciados por uma série de fatores. Assim, o objetivo deste estudo foi avaliar o uso de variáveis espectrais, hidrológicas e geográficas para estimar o estoque de carbono acima do solo (AGC) em quatro estratos de dossel definidos por percentis diamétricos em um remanescente de Mata Atlântica brasileira. Utilizamos técnicas de aprendizado de máquina (Random Forest - RF + Algoritmo Genético - GA) e Regressão Linear Múltipla (MLR) para modelar o AGC. Nossos resultados indicam uma alta variação nos valores de AGC nas parcelas, variando de 0,37 a 467,71 MgC.ha^-¹, com média de 77,4 MgC.ha^-¹. Os conjuntos formados por árvores nos percentis 30, 60 e 90 contribuíram, respectivamente, com 97,32%, 87,74% e 52,02% do AGC total. As variáveis espectrais e hidrológicas se associam à área basal para explicar o estoque de AGC. Nossas descobertas comprovam a eficácia de ambos os métodos na obtenção de estimativas precisas de carbono e na geração de um conjunto de dados otimizado. Árvores no percentil 30 representam uma parte menor do AGC total, e a remoção dessas árvores não interfere na relação entre AGC e variáveis espectrais.

Palavras-chave: Sensoriamento remoto; Hidrologia florestal; Manejo florestal