Scientia Forestalis, volume 43, n. 107
p.627-637, setembro de 2015

Predição do volume de árvores integrando Lidar e Geoestatística

Predict volume of trees integrating Lidar and Geostatistics

Samuel de Pádua Chaves e Carvalho1
Luiz Carlos Estraviz Rodriguez2
Luciana Duque Silva3
Luis Marcelo Tavares de Carvalho4
Natalino Calegario4
Mariana Peres de Lima1
Carlos Alberto Silva5
Adriano Ribeiro de Mendonça6
Marcos Felipe Nicoletti7

1Doutor(a), Professor(a) Adjunto. UFMT - Universidade Federal de Mato Grosso - 78060-900 – Cuiabá, MT. E-mail: sam.padua@gmail.com; marianaperes@ufmt.br.
2Doutor, Livre Docente no Departamento de Ciências Florestais. USP – Universidade de São Paulo / ESALQ – Escola Superior de Agricultura “Luiz de Queiroz”. Av. Pádua Dias, nº 11 - Caixa Postal 09 – 13418-900 - Piracicaba, SP. E-mail: lcer@usp.br.
3Doutora, Professora no Departamento de Ciências Florestais. USP – Universidade de São Paulo / ESALQ – Escola Superior de Agricultura “Luiz de Queiroz”. Av. Pádua Dias, nº 11 - Caixa Postal 09 – 13418-900 - Piracicaba, SP. E-mail: luciana.duques@usp.br.
4Doutor, Professor Adjunto. UFLA - Universidade Federal de Lavras. Caixa Postal 3037- 37.200-000, Lavras, MG.  E-mail: passarinho@dcf.ufla.br; calegari@dcf.ufla.br.
5Mestre, Programa de Pós-Graduação em Recursos USP – Universidade de São Paulo / ESALQ – Escola Superior de Agricultura “Luiz de Queiroz”. Av. Pádua Dias, nº 11 - Caixa Postal 09 – 13418-900 - Piracicaba, SP. E-mail: carlos_engflorestal@outlook.com.
6Doutor, Professor Adjunto. UFES - Universidade Federal do Espirito Santo. Av. Governador Lindemberg, 316 - 29550-000, Jerônimo Monteiro-ES. E-mail: ribeiroflorestal@yahoo.com.br.
7Mestre, Professor do Departamento de Engenharia Florestal. UDESC – Universidade do Estado de Santa Catarina. Av. Luis de Camões, 2090 – 88.520-000 - Lages-SC. E-mail: nicoletti@cav.udesc.br.

Recebido em 10/05/2014 - Aceito para publicação em 23/03/2015

Resumo

Este estudo propõe integrar geoestatística, medições de circunferência em campo e escaneamento a laser para predição de volume de madeira. O método descrito nesse estudo considera a modelagem da variável circunferência das árvores por meio da geoestatística. Para este fim foram considerados dois cenários de ajustes: o primeiro considerou a krigagem ordinária e o segundo a cokrigagem ordinária, tendo como variável auxiliar, a altura das árvores, sendo estas oriundas dos sobrevoos LiDAR. De acordo com as estatísticas propostas, a cokrigagem ordinária foi significativamente superior à krigagem ordinária, em que o valor do Critério de Informação de Akaike (AIC) foi reduzido em 32,7 unidades, a raiz quadrada do erro médio (RMSE) em 40%, e 55% de superioridade para o coeficiente de determinação (r2), além da boa distribuição dos resíduos com médias próximas a zero. Após selecionado o modelo geoestatístico, foram geradas predições no gridde alturas gerado pelo processamento dos dados LiDAR. Após obtidos os pares de altura e circunferência, foi posteriormente aplicado o modelo de afilamento para gerar as predições dos volumes das árvores que compunham o talhão florestal. Os resultados permitiram concluir que o método proposto é tão preciso quanto aos levantamentos feitos por inventários florestais convencionais, com diferenças médias de 0,7% na estimativa do volume e 0,18% para número de árvores.
Palavras-chave: Continuidade Espacial; LiDAR; Inventário Florestal.

Abstract

This study aims to integrate spatial pattern modeled from field circumference measurements and airborne laser scanner data during volume estimation. The tree circumference determination was based in two approaches. In the first, the spatial variation of circumference is constant in average, and in the second, the spatial dependency of circumference was modeled based on the spatial distribution of height. The geo-statistical model considering spatial distribution of height was statistically superior based on Akaike's Information criterion, improving the performance in 32.7 units compared to the alternative modeling. Coefficient of determination also increased by 55%; no bias was detected, and the error was close to zero. The geo-statistical model estimated the circumference for trees extracted based on LiDAR data. Thus, the diameter and height was used as input to a logistic taper equation to estimate volume tree by tree. The results indicated that both methods showed similar results, differing by 0.7% as to volume and by 0.18% as to the number of trees.
Keywords: Spatial continuity; LiDAR; Forest Inventory.





Instituto de Pesquisas e Estudos Florestais
Via Comendador Pedro Morganti, 3500 - Bairro Monte Alegre
CEP: 13415-000 - Piracicaba, SP - Brasil
Reprodução permitida desde que citada a fonte.