ESTIMATIVA DA BIOMASSA FLORESTAL POR IMAGENS DE SATÉLITE EM PLANOS DE MANEJO E INVETÁRIOS DA CAATINGA
mapeamento, estoque, machine learning, semiárido
Devido ao alto custo e à demanda de tempo mais longa, a estimativa precisa da biomassa vegetal de povoamentos plantados ou naturais em grandes áreas florestais ainda é um desafio significativo. A evolução das geotecnologias de baixo custo está facilitando rapidamente essa tarefa, mas seu uso para estimar a biomassa em florestas tropicais secas ainda é escasso. Desta forma, vem sendo necessário o desenvolvimento de ferramentas de aprendizagem de máquina, que sejam capazes de monitorar a complexa dinâmica espaço-temporal existente nesses ecossistemas altamente variáveis. O presente trabalho visa desenvolver uma metodologia para estimar os estoques de biomassa acima do solo na Caatinga, nativa ou plantada do semiárido do Nordeste do Brasil, usando dados de campo oriundo de Inventários, Planos de Manejos Florestais e buscando criar um modelo de estimativa com o uso de redes neurais. Para que isto ocorra, os modelos selecionados serão processados para que seja estimada a biomassa em comparação com os dados já obtidos nos inventários realizados nos planos de manejos florestais, esperando assim que os modelos de regressão tenham a capacidade de prever a biomassa da Caatinga em seus diferentes extratos. Com a utilização das equações que serão definidas e o mapa da classificação Anual de Cobertura e Uso do Solo (Mapbiomas), é esperado o desenvolvimento de um mapeamento representando o estoque de biomassa. Este modelo prevê a realização do mapeamento, em pouco tempo e baixos custos de levantamento, fornecendo assim as estimativas confiáveis e contribuindo para o monitoramento da dinâmica da biomassa no semiárido do Nordeste do Brasil.