TÉCNICAS DE SENSORIAMENTO REMOTO PARA ESTIMATIVA DE BIOMASSA

EM AMBIENTES FLORESTAIS

Ângela Maria Klein Hentz1, Marieli Sabrina Ruza2, Ana Paula Dalla Corte3, Carlos
Roberto Sanquetta3
1
Eng. Florestal. Mestranda do PPG em Engenharia Florestal - UFPR – Curitiba, PR,
Brasil – angelakhentz@gmail.com
2
Graduanda em Engenharia Florestal – UFPR, Curitiba, PR, Brasil
3
Eng. Florestais, Professores do Departamento de Ciências Florestais – UFPR -
Curitiba, PR, Brasil

Recebido em: 12/04/2014 – Aprovado em: 27/05/2014 – Publicado em: 01/07/2014

RESUMO
Este trabalho teve como objetivos testar a relação entre três índices de vegetação,
sendo: NDVI, SAVI e EVI, com dados de biomassa arbórea em fragmento de floresta
ombrófila mista (FOM) e posteriormente ajustar equações a partir das quais fosse
possível estimar os valores de biomassa a partir do índice de maior correlação. Para
a geração dos índices utilizou-se cena do satélite Landsat 8, que possui resolução
espacial de 30 metros. Os dados de biomassa arbórea foram obtidos de 4 parcelas
permanentes instaladas em São João do Triunfo, pertencentes ao projeto PELD sítio
9. Depois de coletados os valores de biomassa e dos índices, observou-se que a
maior correlação foi dada com o índice SAVI, que foi, portanto utilizado para o ajuste
de modelos estimativos. Foram testados 5 modelos, observou-se que o melhor
ajuste foi dado pela equação que considerava do índice na sua forma logaritmizada,
que obteve R²aj. de 0,87 e Syx 27,54%. Essa equação, porém, apresentou
tendenciosidade quando plotados os resíduos, desta forma indicou-se utilizar outra
equação, como a número cinco, que obteve valores de R²aj. e Syx (%) semelhantes e,
uma melhor distribuição de resíduos, porém ainda apresentou maiores erros nas
extremidades do gráfico. Logo, foi possível verificar que o uso de imagens de satélite
permite a estimativa da biomassa arbórea com erros aceitáveis, a partir do uso de
equações que relacionam o índice de vegetação com os valores de biomassa
obtidos em inventários florestais.

PALAVRAS-CHAVE: SAVI; Índice de vegetação, Landsat 8, Floresta Ombrófila

Mista.

REMOTE SENSING TECHNIQUES FOR ESTIMATION OF BIOMASS IN FOREST

ENVIRONMENTS

ABSTRACT
This study aimed to test the relationship between three vegetation index, they are:
NDVI, SAVI and EVI, using data from tree biomass in fragment of Mixed
Ombrophylous Forest (FOM) and subsequently adjust equations with the index with
the highest correlation. For the generation of the indices was used Landsat scene 8,
which has a spatial resolution of 30 meters. The arboreal biomass data was obtained
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2810 2014
from 4 permanent plots established in São João do Triunfo, Minas Gerais State,
Brazil, belonging to the project PELD site 9. After collected biomass values and
indices, was observed that the highest correlation was given with the index SAVI,
which was, therefore used for the adjustment of estimated models. Five models were
tested, and it was observed that the best fit was given by the equation that it
considered the index on its logarithmic form, who obtained R²aj. of 0.87 and Syx
27.54 %. This model however, showed in graphical analysis, distribution problems in
the waste. In this case is indicated that are use another equation, such as the
number five, who obtained values of R²aj. and Syx(%) similar, and a better distribution
of waste, but still presented larger errors in the extremities of the chart. Therefore, it
was verified that the use of satellite images allows the estimation of tree biomass
with acceptable errors, using equations that relate vegetation index values with
biomass obtained in forestry inventories.
KEYWORDS: SAVI; Vegetation index, Landsat 8, Mixed Ombrophylous Forest.

INTRODUÇÃO

Segundo FIGUEIREDO FILHO et al. (2010) a floresta ombrófila mista é de

extrema importância científica e ambiental, pois dos 83% da superfície originalmente
cobertos por essa unidade fitoecológica. Existem apenas 5% de remanescentes para
estudos (PIRES, 2003).
ESPÍNDULA et al. (2012) afirmaram que a vegetação faz parte de um dos
principais elementos do ecossistema. E seus estudos estão sendo cada vez mais
relevantes, em virtude de suas modificações fisiológicas e morfológicas.
Dentre os métodos empregados para analisar as condições de uma floresta
seja ela natural ou implantada, a quantificação de biomassa vegetal é uma das
ferramentas mais utilizadas. SANQUETTA et al. (2002) definiram a biomassa
florestal como a massa de matéria biológica vegetal, viva ou morta, existente na
floresta ou apenas na fração arbórea, sendo comumente utilizado o termo fitomassa
para referir-se a biomassa vegetal.
A mensuração da biomassa é realizada principalmente por meio de métodos
convencionais, ou seja, destrutivos. Porém, esse processo de mensuração tem sido
repensado, pois é um trabalho oneroso que demanda muito tempo (CASSOL, 2013;
QURESHI et al., 2012).
A utilização de dados oriundos de sensores remotos para a estimativa da
biomassa se tornou uma opção interessante, pois além da facilidade da aplicação,
reduz o custo e tempo despendidos com inventários florestais (LE MAIRE et al.,
2011). O uso das tecnologias provenientes do sensoriamento remoto demonstra ser
efetivas na análise da cobertura vegetal, permitem acompanhar as contínuas
mudanças no crescimento, acúmulo de biomassa e carbono ocorrentes na dinâmica
de um ecossistema florestal natural.
De acordo com MATOS e KIRCHNER (2008) o sensoriamento remoto tem um
papel fundamental na quantificação das áreas e na estimativa indireta de biomassa,
aplicando o resultado de modelos matemáticos em equações desenvolvidas com os
valores digitais dos sensores remotos. Da mesma forma, WATZLAWICK et al. (2009)
afirmaram que o avanço no processamento das imagens de satélite são
responsáveis pela crescente utilização desses métodos para caracterizar a estrutura
das florestas e, consequentemente sua biomassa e carbono estocado.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2811 2014
 O ajuste de valores espectrais permite obter índices de vegetação que podem
ser comparados com indicadores ecológicos da estrutura e dinâmicas das florestas.
Estes índices provenientes do processamento digital evidenciam informações a
respeito da quantidade de biomassa verde e dos parâmetros de crescimento e
desenvolvimento da vegetação (VIGANÓ et al., 2011).
Os índices de vegetação, de acordo com JENSEN (2009), são medidas
radiométricas adimensionais, que indicam a abundância relativa e a atividade da
vegetação verde, incluindo o índice de área foliar (IAF), porcentagem de cobertura
verde, teor de clorofila, biomassa verde e radiação fotossinteticamente absorvida
(RFAA). Que minimizam os efeitos da iluminação da cena, declividade da superfície
e geometria de aquisição que influenciam os valores de refletância da vegetação.
De acordo com ROSA et al. (2013) esses índices de vegetação podem ser
utilizados empiricamente para estimar a quantidade de biomassa. Segundo BARET
e GUYOT (1991) a produção primária demonstra uma estreita relação com a
radiação solar absorvida pela vegetação. PONZONI et al. (2012) mencionaram que a
maioria dos índices baseiam-se no comportamento antagônico da vegetação nas
regiões espectrais do vermelho e infravermelho próximo e, que a princípio quanto
maior for a densidade da cobertura vegetal, menor será a refletância no visível,
devido a maior presença de pigmentos fotossintetizantes.
Dentre estes índices um dos mais utilizados é o NDVI (Índice de Vegetação
por Diferença Normalizada), que segundo JENSEN (2009) é um índice baseado em
razão, é não linear e pode ser influenciado por efeitos ruidosos aditivos, tais como
radiância de trajetória atmosférica. Também afirmou que o NDVI é importante,
porque a razão reduz muitas formas de ruídos que em alguns casos são
apresentados nas imagens.
Embora extremamente útil na estimativa de parâmetros biofísicos da
vegetação, o NDVI apresenta problemas de saturação em áreas densamente
vegetadas e não-linearidade nas relações com o índice de área foliar (LAI) e com a
fração de radiação fotossinteticamente absorvida (fPAR). O NDVI é também
seriamente afetado pela geometria de aquisição (Sol-alvo-sensor), a estrutura do
dossel vegetal, efeitos atmosféricos e substrato (GOWARD et al., 1991).
Desta forma, alguns outros índices buscam resultados melhorados em relação
ao NDVI, como o caso do SAVI (Índice de Vegetação Ajustado para o Solo), que
considera a influência das características dos solos no cálculo dos índices de
vegetação (HUETE, 1997). Da mesma forma, o EVI (Índice de Vegetação
Melhorado) é um índice que otimiza o sinal da vegetação, e melhora a sua detecção
em regiões de maior densidade de biomassa (PONZONI et al., 2012).
Segundo WATZLAWICK et al. (2009) busca-se associar às estimativas o
conteúdo de biomassa e carbono aos dados de radiância ou reflectância de imagens
de satélite para obter melhor estimativas dos valores de biomassa. Diversos autores
já aplicam o índices de vegetação para estimativas de biomassa, sendo em geral
encontrada forte correlação entre os índices utilizados e biomassa mensurada,
podendo-se citar os trabalhos de WATZLAWICK et al., (2009), WATZLAWICK et al.
(2006), MACIEL et al. (2009), BOLFE et al. (2012), BOLFE et al. (2009), entre
outros. Em função da importância dessas estimativas e a possibilidade de obtenção
de informações remotas, este trabalho teve como objetivo integrar as técnicas de
sensoriamento remoto para predições de biomassa com a modelagem de um
fragmento da Floresta Ombrófila Mista.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2812 2014
 MATERIAL E MÉTODOS

Foram utilizados dados de parcelas permanentes pertencentes ao Projeto

Ecológico de Longa Duração (PELD) – Sítio 9 (Floresta com araucária e suas
transições), instaladas na estação experimental da Universidade Federal do Paraná -
São João do Triunfo, Paraná, Brasil, para o desenvolvimento do presente estudo.

CARACTERIZAÇÃO DA ÁREA

A estação experimental situa-se no município de São João do Triunfo, região

Centro-Sul do Paraná e aproximadamente 125 km da capital do estado, Curitiba
(PIZZATO 1999), conforme apresentado na Figura 1.
De acordo com a classificação climática de Köppen, a região apresenta clima
do tipo Cfb, caracterizado por ser mesotérmico úmido e de verões brandos, umidade
relativa média de 80,1% e precipitação média de 1615 mm (DURIGAN, 1999). A área
em estudo possui aproximadamente 32 ha, está sob as seguintes coordenadas
geográficas: 25°34’18” latitude Sul e 50°05’56” e l ongitude Oeste de Greenwich, e
altitude de 780m (SANQUETTA et al., 2001).

Figura 1- Localização da área de estudo.

Segundo a classificação do IBGE (2012) a tipologia vegetal dominante é

Ombrófila Mista Montana, enquadrando-se como uma vegetação secundária
avançada ou uma formação primária bastante alterada.
De acordo com DURIGAN (1999) os solos identificados nos talhões da
estação experimental foram Latossolo vermelho escuro, Latossolo vermelho
amarelo, Cambissolos e Neossolos litólicos.

ORIGEM DOS DADOS

Os dados foram oriundos de quatro parcelas permanentes instaladas em São

João do Triunfo em 1995, e mensuradas anualmente conforme especificado por
SANQUETTA (2008).
A área total de estudo compreendeu de 3 parcelas quadradas de 1 hectare
(100m x 100m) e uma parcela irregular com 0,5 hectare, totalizando 3,5 hectares.
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2813 2014
Essas parcelas foram divididas em 100 subparcelas e 50 subparcelas,
respectivamente, de 100m² (10m x 10m).
Nas parcelas instaladas, anualmente foi mensurado o DAP (diâmetro à altura
do peito), a 1,30m em relação ao nível do solo, com auxílio de fita métrica. Também
foram registrados indivíduos mortos e ingressos, identificados quanto à família,
gênero e espécie e classificados de acordo com o sistema Angiosperm Phylogeny
Group III (APG III, 2009).
LIPINSKI et al. (2013) estimaram a altura total e biomassa arbórea aérea para
os dados mensurados de 1995 à 2012. Para estimar a altura total foi utilizada uma
equação para a espécie Araucaria angustifolia (Bertol) Kuntze e, outra para as
demais espécies. A estimativa da biomassa foi construída com base na equação
desenvolvida por RATUCHNE (2010).

PROCESSAMENTO DAS IMAGENS

As imagens utilizadas foram obtidas do satélite Landsat 8, que iniciou sua

operação em 2013. Esse satélite é multiespectral e leva a bordo como principal
sensor o OLI (Operacional Land Imager) proporcionando a cobertura da face da
Terra.
Foi utilizada uma cena deste satélite, com órbita/ponto 221/078, datada de 30
de agosto de 2013. As bandas multiespectrais tem resolução espacial de 30 metros,
seguindo as características da família Landsat.

ÍNDICES DE VEGETAÇÃO

Com as imagens do satélite foram confeccionados 3 índices de vegetação, os

quais normalmente são relacionados em trabalhos de vegetação, e estão descritos a
seguir.

a) Índice de vegetação por diferença normalizada – NDVI

O índice de vegetação da diferença normalizada (NDVI) é uma relação entre

medidas espectrais (refletância - r) de duas bandas, a do infravermelho próximo
(800-1100 nm) e a do vermelho (600-700 nm), e visa eliminar diferenças sazonais do
ângulo do Sol e minimiza os efeitos da atenuação atmosférica, observados para
dados multitemporais. O cálculo do NDVI foi realizado com a Equação 1, a seguir:

Equação 1

Em que:
NIR = refletância na banda referente ao infravermelho próximo, adimensional;
R = refletância na banda referente ao vermelho, adimensional.

b) Soil Adjusted Vegetation Index - SAVI

O SAVI foi um índice desenvolvido com o objetivo de melhorar os valores de

NDVI sem necessidades de medições em campo para cada área de análise
(JENSEN, 2009). Foi elaborada uma constante L, que representa o fator de ajuste

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2814 2014
para o substrato do dossel (VIGANÓ et al., 2011). O SAVI é dado pela equação 2, a
seguir:

Equação 2

Em que:
NIR = reflectância na banda referente ao infravermelho próximo, adimensional
R = refletância na banda referente ao vermelho, adimensional
L = Fator de correção para o solo, adimensional (0,5)
A constante L apresentou valores de 0 a 1, variando segundo a própria
biomassa. Sendo o adequado, segundo HUETE (1988), L = 1 para baixas
densidades de vegetação, L = 0,5 para médias densidades de vegetação, L = 0,25
para altas densidades de vegetação.
Foi utilizado L = 0,5 devido às características da floresta, em sucessão
média/avançada. Foram também testadas algumas variações na constante, porém
que não se mostraram melhores para realçar a vegetação, desta forma manteve-se
o valor 0,5.

c) Índice de vegetação melhorado – EVI

O índice de vegetação melhorado (EVI) foi desenvolvido para otimizar o sinal

da vegetação, melhorando a sensibilidade de sua detecção em regiões com maiores
densidades de biomassa, e para reduzir a influência do sinal do solo e da atmosfera
sobre a resposta do dossel. Nesse sentido, o EVI é calculado através da Equação 3
(JENSEN, 2009):

Equação 3

Em que:
G = fator de ganho (2,5);
NIR = refletância na banda referente ao infravermelho próximo, adimensional;
R = refletância na banda referente ao vermelho, adimensional;
B = refletância na banda referente ao azul, adimensional;
L = fator de ajuste para os solos (1,0);
C1 e C2 = coeficientes para correção da banda vermelha em função do
espalhamento atmosférico por aerossóis, descrevem a banda azul (6,0 e 7,5,
respectivamente).

O EVI é um NDVI modificado, contendo um fator de ajuste para solos (L), e

dois coeficientes (C1 e C2), que descreve o uso da banda azul para correção da
banda vermelha quanto ao espalhamento atmosférico por aerossóis. Esses
coeficientes (C1, C2 e L) são empiricamente determinados, assumem valores de 6,0;
7,5; e 1,0, respectivamente. O G é um fator de ganho ajustado em 2,5. Este
algoritmo tem melhorado a sensibilidade para regiões de alta biomassa, permite um
melhor desempenho do monitoramento da vegetação por meio da diminuição da
influência do sinal proveniente do substrato abaixo do dossel e, através da redução
da influência atmosférica (HUETE et al., 1997; HUETE et al., 1999;
HUETE et al., 2002).

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2815 2014
 Enquanto o NDVI é sensível à clorofila, o EVI é mais sensível às variações na
resposta estrutural do dossel, incluindo o índice de área foliar (LAI), a fisionomia da
planta e a arquitetura do dossel (HUETE et al., 2002).

ESTIMATIVAS DE BIOMASSA

Depois de calculados os índices de vegetação, foram plotados sobre estes as

parcelas de inventário permanente e desta forma definidos quais os pixels (30 x 30
metros compondo 900 m2) dos índices encontravam-se inteiramente dentro das
parcelas, sendo estes então os limiteis úteis dos quais foram obtidos os valores
considerados no estudo. Foram identificados 17 pixels, dos quais foram observados
os valores dos três índices (NDVI, SAVI e EVI).
Foram identificadas quais árvores das parcelas encontravam-se dentro de
cada limite útil e, foram somados os valores de biomassa (soma de todas as árvore
integrantes) de cada limite útil, sendo obtidos assim os valores de biomassa
observada.
Desta forma, para cada um dos 17 limites úteis foi possível obter quatro
informações: NDVI, SAVI, EVI e biomassa real. Os três índices foram
correlacionados com a biomassa real a fim de identificar qual melhor explicaria esta
variável.
Por fim foram geradas equações considerando como variáveis independentes
os valores dos índices, obtendo-se assim as biomassas estimadas. As equações
estão foram avaliadas quanto aos parâmetros Coeficiente de Determinação Ajustado
(R2aj), Erro Padrão da Estimativa em percentual (Syx%), análise gráfica dos resíduos
e então se decidiu por uma equação que melhor estimasse os valores de biomassa
na área de estudo.

RESULTADOS E DISCUSSÃO

A partir das bandas da imagem do satélite Landsat 8 (composição colorida na

Figura 2) foi possível elaborar os três índices de vegetação propostos neste estudo
(NDVI, EVI e SAVI), conforme representado na Figura 3. Percebe-se que a maior
variação nas escalas dos índices no interior da área de estudo, deu-se- para o SAVI.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2816 2014
Figura 2 – Composição colorida da área de estudo.

Figura 3 – Índices de vegetação para a área de estudo.

a) NDVI - Índice de vegetação por diferença normalizada; b) EVI -
Índice de vegetação melhorado; c) SAVI - Índice de Vegetação Ajustado para o Solo.

Depois de confrontadas as árvores com os limiteis úteis, observaram-se as

características dos indivíduos de cada parcela. O resumo destas características, por
parcela, está na Tabela 1. Observa-se que os maiores valores de biomassa
encontram-se na parcela Imbuía, assim como, na parcela Araucária os menores
valores.

Tabela 1 - Características da biomassa

Parcela Total de biomassa (kg/parcela)
Amostr
Amostra 1 a2 Amostra 3 Amostra 4 Amostra 5 Média
Araucária 12.133 15.025 10.691 16.252 15.312 13.883
Imbuia 20.046 14.964 22.066 10.874 30.789 19.748
Fogo 17.595 14.308 14.957 17.151 14.628 15.728
Rio 13.982 16.166 - - - 15.074

Os valores de biomassa arbórea calculados para cada limite útil (pixel de

2
900 m ) variaram de 10.690,89 até 30.788,98 kg, com média de
12.959,51 kg/900m2. Dessa forma, a média total de biomassa encontrada dentro dos
limites úteis foi de 144 t.ha-1. MACIEL et al. (2009) encontraram 481,98 t.ha-1 de
biomassa em ambiente de diferentes tipos de floresta ombrófila. MATOS e

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2817 2014
KIRCHNER (2008) também encontraram valores de biomassa superiores a este
trabalho, na média de 343,06 t.ha-1 para floresta ombrófila densa.
Os valores de cada índice para cada limite útil foi observado e correlacionado
com os valores reais de biomassa das árvores encontradas neste mesmo limite.
Observou-se que o índice que obteve a melhor correlação foi o SAVI, com o valor de
0,30. Valores próximos foram encontrados por CASSOL (2013), que também dentre
os três índices aqui considerados encontrou a maior correção para SAVI.
WATZLAWICK et al. (2009) encontraram também a melhor correlação entre
SAVI e biomassa, quando comparados com NDVI e Razão de bandas, em estudo na
Floresta Ombrófila Mista (FOM) com uso de imagens do satélite IKONOS. Da
mesma forma FERRAZ et al. (2013) encontraram a melhor correlação para SAVI em
floresta estacional semidecidual, comparando-se os três índices avaliados neste
estudo.
Sendo o SAVI o índice com maior correlação, ele foi utilizado para a
estimativa de biomassa arbórea, a partir de modelos que foram desenvolvidos e
avaliados quanto ao seu ajuste. Também foram plotados os valores de SAVI e
Biomassa em um gráfico a fim de observar qual a característica da relação entre
eles, conforme apresentado na Figura 4.

Figura 4 – Relação entre a biomassa arbórea real e o índice SAVI.

Observa-se na Figura 3 que a maior densidade de pontos apresentou uma

relação crescente, porém com uma dispersão bastante elevada e, que três pontos
apresentaram-se distanciados em relação a tendência da maioria. Esses três pontos
foram mantidos, pois não foi possível identifica-los como outliers, visto que quando
se trabalha com florestas nativas existem altas variações de biomassa, assim como
dos índices, devido a variações de refletância das diferentes espécies. PONZONI et
al. (2012) comentaram que em alguns casos a diferença entre a vegetação primária
e regeneração pode mascarar a relação direta entre biomassa e os índices, devido a
quantidade de sombras no dossel.
Com os valores do índice SAVI e da biomassa arbórea real, ajustaram-se 5
modelos. Foram utilizados tanto os valores originais de SAVI como por diversas
transformações, a fim de minimizar erros.
Inicialmente buscou-se utilizar as equações para estimarem dois coeficientes,
o de intersecção e a variável x, porém observou-se que com a existência do
coeficiente β0, os valores de β1 tornavam-se não significativos. Desta forma tomou-
se β0 sempre na origem e as equações foram ajustadas com base em β1. As
equações ajustadas estão apresentadas na Tabela 2, juntamente com as estatísticas
de ajuste, neste caso o Coeficiente de Determinação Múltipla Ajustado (R²aj.) e o
Erro Padrão da Estimativa em percentual (Syx%).

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2818 2014
Tabela 2 – Equações ajustadas, coeficientes e estatísticas para estimativa de
biomassa arbórea a partir do índice SAVI
Número Modelo β0 β1 R²aj. Syx (%)
1 Y = β0 + β1 * SAVI 0 411,6857 0,8346 34,34
2 Y = β0 + β1 * ln(SAVI) 0 4.546,398 0,8713* 27,54*
3 Y = β0 + β1 *(SAVI)² 0 7,823857 0,6447 57,93
-1
4 Y = β0 + β1 * (SAVI) 0 536.175,4 0,7877 41,44
5 Y = β0 + β1 * √(SAVI) 0 2.670,395 0,8692 27,98
* Representa o melhor valor para a estatística considerada. Syx (%) = Erro padrão da estimativa em
percentual; R²aj. = Coeficiente de determinação múltipla ajustado; β0 e β1 = Coeficientes ajustados. ln =
valor logaritmizado; SAVI = Valor do Índice de Vegetação Ajustado para o Solo; Y = variável
dependente (biomassa) estimada.

Considera-se sempre que o valor de R²aj. deve ser o mais próximo de 1,

assim como o Syx(%) deve ser o menor possível. A partir dessas estatísticas então,
demonstrou-se a superioridade da Equação 2 para a estimativa de biomassa
arbórea nos limites deste estudo. Em sequência de melhor ajuste, apresentam-se as
Equações 5, 1, 4 e com pior ajuste a Equação 3.
Os resultados apresentados na Tabela 2 são semelhantes aos encontrados
por WATZLAWICK et al. (2009), que observaram para diversos índices valores de
erro variando de 22% a 61%, de R²aj máximo de 0,73. Para a equação com o uso
somente de SAVI os mesmos autores verificaram erro de 40% e R²aj de 0,57, que
indicou que o SAVI não teve relação tão significativa com a biomassa como no
presente estudo. WATZLAWICK et al. (2006) para plantios de Pinus taeda L.
encontraram maior correlação entre NDVI (quando comparado a outros índices) e
biomassa, e conseguiram elaborar equações com Syx(%) que variaram de 20% até
46%, aproximadamente.
BOLFE et al. (2012) também com uso do SAVI encontraram valores de R2
entre 0,24 e 0,62 em diversos estágios de vegetação em áreas de sistemas
agroflorestais, e ainda indicaram que os valores de R2 diminuíram nas parcelas com
maiores valores de biomassa, devido à saturação de valores com o aumento da área
foliar (HUETE et al., 2002; CASSOL, 2013).
Por fim, os ajustes foram ainda avaliados quanto a análise gráfica dos
resíduos. Dessa forma, os resíduos em percentual foram plotados sob o eixo de
valores de biomassa arbórea real. Observa-se na Figura 4 que o Modelo 2, que
obteve os melhores valores para R²aj e Syx(%) apresentou tendenciosidade nos
resíduos. Os outros modelos apresentaram um distribuição melhor dos resíduos ao
longo da linha, porém em todos os casos apresentando maiores erros nas duas
extremidades.

Figura 4 – Distribuição gráfica de resíduos das equações ajustadas para a biomassa

arbórea a partir do índice SAVI. a) ; b) ; c) ; d) ; e)

Devido a tendenciosidade da Equação 2, pode-se escolher como melhor

equação de estimativa a Equação 5, a qual apresentou valores de R²aj e Syx (%)
muito semelhantes à Equação 2, mas que se mostra superior devido a melhor
distribuição de resíduos.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2819 2014
 Quanto aos pontos distantes da maioria, estes podem ser explicados pela
mesma razão que foi observado por WATZLAWICK et al. (2006), que comentaram
que esse fato possivelmente é decorrente do número reduzido de pares de dados
utilizados para o ajuste, além da existência de valores discrepantes, sendo portanto
o ideal utilizar maior número de dados para elaborar um ajuste melhor.

CONCLUSÕES

Após a análise de correlação entre os valores dos índices de vegetação com

os valores de biomassa arbórea real observada, foi identificado que o índice SAVI
apresentou a maior correlação, portanto, foi utilizado para o ajuste de modelos para
a estimativa da biomassa.
As equações elaboradas com o índice SAVI mostraram-se adequadas,
alcançaram valores de R²aj entre 0,64 e 0,87, e Syx (%) entre 27 e 57%, resultados
considerados bons comparando-se com trabalhos semelhantes encontrados na
literatura.
A equação que obteve os melhores resultados estatísticos foi a que
considerou o valor de SAVI logaritmizado, porém esta equação apresentou
tendenciosidade na plotagem dos resíduos. Desta forma decidiu-se utilizar a
Equação 5 () para a estimativa da biomassa arbórea.

REFERÊNCIAS BIBLIOGRÁFICAS

APG III – Angiosperm Phylogeny Group. An update of the Angiosperm Phylogeny

Group classification for the orders and families of flowering plants: APG III. Botanical
Journal of the Linnean Soviety. 17p, 2009.

BARET, F.; GUYOUT, G. Potentials and limits of vegetation índices for LAI and
APOAR assessment. Remote sensing of environment, v. 35, n. 2, p. 161-173,
1991.

BOLFE, E. L.; FERREIRA, M. C.; BATISTELLA, M. Avaliação da correlação entre

índices de vegetação e biomassa epígea de sistemas agroflorestais. In: Simpósio
Brasileiro de Sensoriamento Remoto. Anais... São José dos Campos. p. 2603-2610,
2009.

BOLFE, E.L.; BATISTELLA, M.; FERREIRA, M.C. Correlação de variáveis espectrais

e estoque de carbono da biomassa aérea de sistemas agroflorestais. Pesquisa
Agropecuária Brasileira, v. 47, p. 1261-1269, 2012.

CASSOL, H. L. G. Estimativa de biomassa e estoque de carbono em um

fragmento de Floresta Ombrófila Mista com uso dados ópticos de sensores
remotos. 2013. 143 f. Dissertação (Mestrado em Sensoriamento Remoto) –
Universidade Federal do Rio Grande do Sul, Porto Alegre, 2013.

DURIGAN, M. E. Florística, dinâmica e análise proteica de uma Floresta

Ombrófila Mista em São João do Triunfo - PR. 1999. 125f. Dissertação (Mestrado
em Engenharia Florestal) – Universidade Federal do Paraná, Curitiba, 1999.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2820 2014
ESPÍNDULA, A.; SOUZA, E. M. F. R.; VICENS, R. S.; CRUZ, C. B. M.
Sensoriamento remoto no estudo da vegetação (Mata Atlântica): comparações das
curvas espectrais de sensores multiespectrais e hiperespectrais. IV Simpósio
Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação. Anais....
Recife, p. 2-6, 2012.

FERRAZ, A. S.; SOARES, V. P.; SOARES, C. P. B.; RIBEIRO, C. A. S. A. GLERIANI,

J. M. Uso de imagens do satélite IKONOS II para estimar biomassa aérea de um
fragmento de floresta estacional semidecidual. In: XVI Simpósio Brasileiro de
Sensoriamento Remoto. Anais.... Foz do Iguaçu, PR, Brasil, p. 2794 – 2801, 2013.

FIGUEIREDO FILHO, A.; DIAS, A. N.; STEPKA, T. F.; SAWCZUK, A. R. Crescimento,

mortalidade, ingresso e distribuição diamétrica em Floresta Ombrófila Mista.
Floresta, v. 40, n. 4, 2010.
GOWARD, S. N.; MARKHAM, B.; DYE, D. G.; DULANEY, W.; YANG, J. Normalized
Difference Vegetation Index Measurements from the Advanced Very High Resolution
Radiometer. Remote Sensing and the Environment, v. 35, n. 2, p. 257-277, 1991.

HUETE, A. R. A soil adjusted vegetation index (SAVI). Remote Sensing of

Environment, v. 25 p. 295–309, 1988.

HUETE, A.; DIDAN, K., MIURA, T., RODRIGUEZ, E.P., GAO, X., FERREIRA, L. G.
Overview of the radiometric and biophysical performance of the MODIS vegetation
indices. Remote Sensing of Environment, v. 83, n. 1-2, p. 195-213, 2002.

HUETE, A. R.; JUSTICE, C.; LEEUWEN, W. V. MODIS vegetation index (MOD13)

Algorithm theoretical basis Document Version 3, NASA Goddard Space Flight
Center, Greenbelt, Maryland 20771, USA, p. 122., 1999.

HUETE, A; LIU, H. Q.; BATCHILY, K.; LEWEEN, W. A. Comparison of vegetation

indices over a global set of TM images for EOS-MODIS. Remote Sensing of
Environment, n. 59, p. 440-451, 1997.

IBGE. 2012. Manual técnico da vegetação brasileira: sistema fitogeográfico,

inventário das formações florestais e campestres, técnicas e manejo de
coleções botânicas, procedimentos para mapeamentos. 2a ed. IBGE-Instituto
Brasileiro de Geografia e Estatística, Rio de Janeiro, 275p., 2012.

JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em

recursos terrestres. Tradução da 2ª edição por (pesquisadores do INPE): José
Carlos N. Epiphanio (coordenador); Antonio R. Formaggio; Athos R. Santos;
Bernardo F. T. Rudorff; Cláudia M. Almeida; Lênio S. Galvão. São José dos Campos:
Parêntese, p. 672, 2009.

LE MAIRE, G.; MARSDEN, C.; NOUVELLON, Y.; GRINAND, C.; HAKAMADA, R.;
STAPE, J. L.; LACLAU, J. P. MODIS NDVI time-series allow the monitoring of
Eucalyptus plantation biomass. Remote Sensing of Environment, v. 115, n.10, p
2613 - 2625, 2011.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2821 2014
LIPINSKI, E. T. CORTE, A. P. D.; SANQUETTA, C. R.; BEHLING, A. Estoque e
dinâmica da biomassa e do carbono ao longo de 17 anos em uma floresta ombrófila
mista. 21° Evento de Iniciação Científica . 2013.

MACIEL, M. de N. M.; BASTOS, P. C. de O.; CARVALHO, J. O. P. de; WATRIN, O.

dos S. Uso de imagens orbitais na estimativa de parâmetros estruturais de uma
floresta primária no município de Paragominas, estado do Pará. Revista de
Ciências Agrárias, Belém, PA, n. 52, p. 159-178, 2009.

MATOS, F. D. A.; KIRCHNER, F. F. Estimativa da floresta ombrófila densa de terra

firme na amazônia central com o satélite Ikonos II. FLORESTA, Curitiba, v. 38, n. 1,
p. 157 - 171. 2008.

PIZZATO, W. Avaliação biométrica da estrutura e da dinâmica da floresta

ombrófila mista em São João do Triunfo - PR: 1995 a 1998. 1999. 172f.
Dissertação (Mestrado em Engenharia Florestal) - Universidade Federal do Paraná,
Curitiba, 1999.

PIRES, P. T. L. Alternativas políticas e jurídicas para a gestão das florestas de

Araucária no estado do Paraná. 2003. 210f. Tese (Doutorado em Ciências
Florestais). Universidade Federal do Paraná, Curitiba, 2003.

PONZONI, F. J.; SHIMBUKURO, Y. E.; KUPLICH, T. M. Sensoriamento Remoto da

Vegetação. São José dos Campos, SP, Oficina de Textos, 2ª edição, 176 p., 2012.

QURESHI, A.; PARIVA. S.; PADOLA, R.; HUSSAIN, S. A. A review of protocols used
for assessment of carbon stock in forested landscapes. Environmental Science &
Police. v. 16, p. 81-89. 2012.

RATUCHNE, L. C. Ajuste e seleção de equações alométricas para a estimativa

de biomassa, carbono e nutrientes em uma Floresta Ombrófila Mista. 2010.
102f. Dissertação (Mestrado em Agronomia). Universidade Estadual do Centro
Oeste, Guarapuava, 2010.

ROSA, P. A.; BREUNIG, F. M.; BALBINOT, R.; GALVÃO, L. S. Dinâmica da floresta

do Parque Estadual do Turvo com índices de vegetação. Floresta e ambiente, v. 20,
n. 4, p. 487-499, 2013.

SANQUETTA, C. R. Manual para instalação e medição de parcelas permanentes

nos Biomas Mata Atlântica e Pampa. [S.l.]: Rede Map. [Curitiba]: Funpar, p. 43,
2008.

SANQUETTA, C. R. Métodos de determinação de biomassa florestal. In:

SANQUETTA, C. R. et al. (Eds.). As florestas e o carbono. Curitiba: [s.n.], p. 119-
140, 2002.

SANQUETTA, C. R.; PIZZATO, W.; PÉLICO NETTO, S.; EISFELD, R. L.;

FIGUEIREDO FILHO, A. Estrutura vertical de um fragmento de Floresta Ombrófila
Mista no Centro-Sul do Paraná. Revista Ciências Exatas e Naturais, v. 3, p. 61-64,
2001.
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p. 2822 2014
VIGANÓ, H. A.; BORGES, E. F.; FRANCA-ROCHA, W. J. S. Análise do desempenho
dos índices de vegetação NDVI e SAVI a partir de imagens Aster. In: Simpósio
Brasileiro de Sensoriamento Remoto. Anais... Curitiba, p. 1828-1834, 2011.

WATZLAWICK, L. F.; KOEHLER, H. S.; KIRCHNER, F. F.; SANQUETTA, C. R

Estimativa de biomassa e carbono em plantios de Pinus taeda L. utilizando imagens
do satélite Ikonos II. Ciência e Natura, UFSM, v. 28, n° 1, p. 45 - 60, 2006.

WATZLAWICK, L. F.; KIRCHNER, F. F.; SANQUETTA, C. R. Estimativa de biomassa

e carbono em floresta com Araucária utilizando imagens do satélite Ikonos II.
Ciência Florestal, v. 19, n. 2, p. 169-181, 2009.

ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.10, n.18; p.2823 2014