Fechar
Metadados

@MastersThesis{Jorge:2018:EsBiÁr,
               author = "Jorge, Anderson",
                title = "Estimativa de biomassa, em {\'a}reas degradadas e n{\~a}o 
                         degradadas, por meio de isolamento de {\'a}rvores com dados 
                         LiDAR",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2018",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2018-08-22",
             keywords = "sensoriamento remoto, LiDAR, detec{\c{c}}{\~a}o de {\'a}rvores 
                         individuais, biomassa viva acima do solo, remote sensing, LiDAR, 
                         detection of individual trees, living biomass above ground.",
             abstract = "A mudan{\c{c}}a de uso e cobertura da terra que ocorre no estado 
                         do Mato Grosso MT, ocasiona a perda de biomassa florestal, 
                         liberando para a atmosfera gases que contribuem para o aumento da 
                         temperatura na terra, devido ao efeito estufa. O principal 
                         g{\'a}s respons{\'a}vel pelo efeito estufa {\'e} o CO2. O 
                         carbono em florestas {\'e} estocado principalmente em biomassa e 
                         pode ser volatilizado em quantidades diferentes dependendo da 
                         intensidade e magnitude da degrada{\c{c}}{\~a}o que a floresta 
                         emite. A estimativa dessa biomassa, comumente, {\'e} feita por 
                         invent{\'a}rio florestal de parcelas que tem seus modelos 
                         extrapolados para o tamanho da parcela medida. Para atenuar esta 
                         limita{\c{c}}{\~a}o na complexidade de florestas tropicais e 
                         auxiliar na estimativa de biomassa, este trabalho teve como 
                         objetivo, estimar a biomassa viva acima do solo, utilizando a 
                         t{\'e}cnica de isolamento de copas de {\'a}rvores em nuvens de 
                         pontos Light Detection and Ranging LiDAR aerotransportados. Para 
                         isso, quatro {\'a}reas da regi{\~a}o noroeste do estado do Mato 
                         Grosso; uma degradada pelo fogo, duas degradadas por corte 
                         seletivo e outra n{\~a}o degradada, foram analisadas. A 
                         t{\'e}cnica de amostragem utilizada nestas {\'a}reas foi a 
                         detec{\c{c}}{\~a}o de {\'a}rvores individuais (Individual Tree 
                         Detection - ITD) atrav{\'e}s dos algoritmos de Dalponte (2018) e 
                         de Silva et al. (2017). Neste {\'u}ltimo, foram analisados os 
                         par{\^a}metros e definidos tamanhos de pixel de 0,5 m para o 
                         arquivo matricial do Modelo de Altura de Copa (Canopy Height Model 
                         CHM) que foi suavizado com filtro de janela de 3 x 3 pixel. O 
                         algoritmo de Dalponte (2018) dispunha de trabalho com 
                         par{\^a}metros utilizados em regi{\~a}o de floresta tropical e, 
                         desta maneira, foram utilizados os par{\^a}metros padr{\~o}es. 
                         Ap{\'o}s definidas as copas, foram extra{\'{\i}}das 
                         m{\'e}tricas da nuvem de pontos representativas de cada 
                         {\'a}rvore, essas m{\'e}tricas apresentaram alta 
                         correla{\c{c}}{\~a}o de Pearson entre si. Para estas, foi 
                         utilizada a sele{\c{c}}{\~a}o das m{\'e}tricas menos 
                         correlacionadas com dois limiares 0,5 e 0,8. As m{\'e}tricas 
                         restantes apresentaram valores discrepantes de R˛ajustado para 
                         predizer modelos de biomassa viva acima do solo (Above Ground 
                         Biomass AGB), variando de 0,89 a 0,055, definindo que o tipo de 
                         impacto sofrido pela floresta e o algoritmo utilizado influenciam 
                         no sucesso da estimativa de AGB, utilizando nuvens de pontos 
                         extra{\'{\i}}das pela detec{\c{c}}{\~a}o de {\'a}rvores 
                         individuais (ITD). ABSTRACT: The use of land cover and land occurs 
                         in Mato Grosso, causing the loss of forest biomass, releasing the 
                         atmosphere and contributing to the increase of temperature in the 
                         earth, due to the greenhouse effect. The main gas is responsible 
                         for the greenhouse effect is CO2. Carbon in forests is more 
                         concentrated in biomass and can be volatilized into waste, 
                         depending on the intensity and magnitude of the degradation that 
                         the forest emits. The support of biomass is usually made through a 
                         forest platform of plots that have their models extrapolated to 
                         the size of the plot measured. To mitigate the emission of 
                         tropical and auxiliary calories in biomass, the objective of this 
                         work was to estimate a living biomass above the ground, using a 
                         technique of isolation of landscape canopies in airborne light 
                         detection and distance combat - LiDAR points clouds. For this, 
                         four areas of the northwest region of the state of Mato Grosso; 
                         {"}The technique of sampling with individual tree detection (ITD) 
                         was performed using the algorithms of Dalponte (2018) and Silva et 
                         al. (2017), which were degraded by fire, two degraded by rapid 
                         cutting and another not degraded. Abstract: The parameters and 
                         pixel sizes of 0.5 m for the Cup Height Model (CHM) matrix file 
                         were smoothed with a 3 x 3 pixel window. The Dalponte (2018) 
                         algorithm dispunge work for In this way, we used a selection of 
                         the least correlated metrics with two thresholds 0, 0, 0, 0, 0, 0, 
                         0, 0, 0, , 5 and 0.8 As the R2 discrete data output options set to 
                         predict live above-ground biomass (AGB) models, varying from 0.89 
                         to 0.055, defining what kind of impact the technology and content 
                         used influence the success of the economy. of AGB, with the use of 
                         clouds of extra points for the individual tree detectation 
                         (ITD).",
            committee = "K{\"o}rting, Thales Sehn (presidente) and Shimabukuro, Yosio 
                         Edemir (orientador) and Pesck, Vagner Alex",
         englishtitle = "Biomass estimation, in degraded and non-degraded areas, by 
                         isolation of trees with LiDAR data.",
             language = "pt",
                pages = "75",
                  ibi = "8JMKD3MGP3W34R/3RM3KFS",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3RM3KFS",
           targetfile = "publicacao.pdf",
        urlaccessdate = "04 dez. 2020"
}


Fechar