@MastersThesis{Leitold:2014:AiLiEs,
author = "Leitold, Veronika",
title = "Airborne LiDAR-based estimates of tropical forest structure and
ground topography in a mountainous area of the Brazilian Atlantic
Forest",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2014",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2014-04-16",
keywords = "Atlantic Forest, airborne LiDAR, digital terrain model, canopy
structure, aboveground biomass, Mata Atl{\^a}ntica, LiDAR
aerotransportado, modelo digital de terreno, estrutura do dossel,
biomassa acima do solo.",
abstract = "Quantificar a biomassa florestal tropical e caracterizar a
estrutura da floresta em escalas finas {\'e} fundamental para
compreender melhor o papel dos ecossistemas tropicais no ciclo
global de carbono. O sensoriamento remoto por LiDAR {\'e} uma
ferramenta poderosa para avaliar a estrutura da
vegeta{\c{c}}{\~a}o em 3D e estimar a biomassa acima do solo,
considerando que as medi{\c{c}}{\~o}es do LiDAR penetram na
vegeta{\c{c}}{\~a}o densa da floresta gerando estimativas
precisas da topografia e das alturas das {\'a}rvores. Florestas
tropicais com dossel denso apresentam v{\'a}rios desafios para o
sensoriamento remoto por LiDAR, especialmente em {\'a}reas de
topografia acidentada, onde grande parte das remanescentes da Mata
Atl{\^a}ntica se encontra. Dados de LiDAR aerotransportado foram
adquiridos sobre o Parque Estadual da Serra do Mar - SP, Brasil,
em uma {\'a}rea montanhosa com declives {\'{\i}}ngremes
cobertas por floresta tropical densa. Modelos digitais de terreno
derivados do LiDAR foram comparados com 35 pontos de controle
medidos com receptores GNSS de alta precis{\~a}o,
p{\'o}s-processados com corre{\c{c}}{\~a}o diferencial. Os dois
modelos de terreno obtidos do LiDAR mostraram-se extremamente
precisos, com erros m{\'e}dios de 0,19 m (\$\pm 0,97\$ m) e
0,18 m (\$\pm 0,95\$ m) em rela{\c{c}}{\~a}o aos pontos de
controle. Redu{\c{c}}{\~a}o aleat{\'o}ria da densidade original
de pontos de LiDAR (20 pontos/\$m^{2}\$) resultou em
diminui{\c{c}}{\~a}o da precis{\~a}o dos modelos de terreno: os
erros m{\'e}dios subiram para 0,38 m (\$\pm 1,32\$ m), 1,12 m
(\$\pm 2,04\$ m), 1,59 m (\$\pm 3,13\$ m) e 3,21 m (\$\pm
3,12\$ m) com as densidades de 8, 4, 2 e 1 pontos/\$m^{2}\$,
respectivamente. As diferen{\c{c}}as de eleva{\c{c}}{\~a}o
entre o modelo de terreno e os pontos de controle em {\'a}reas
submontanas foram consistentemente mais altas do que as
diferen{\c{c}}as em {\'a}reas montanas, possivelmente refletindo
a complexidade vari{\'a}vel do terreno e os efeitos da altura do
v{\^o}o. A altura do dosse1 calculada a partir dos dados de LiDAR
com densidade reduzida diferiu tamb{\'e}m significativamente da
altura do dossel estimada a partir dos dados com densidade
original. A altura m{\'e}dia da superf{\'{\i}}cie do dossel
diminuiu de 3\%, 8\%, 16\% e 25\% com densidades de 8,4,2 e 1
pontos/\$m^{2}\$,, respectivamente. A magnitude da
mudan{\c{c}}a na altura do dos sel foi maior nas parcelas
submontanas (entre 0,79-6,08 m) do que nas montanas (entre
0,60-4,24 m) dentro de todas as classes de densidade de dados. A
baixa varia{\c{c}}{\~a}o das eleva{\c{c}}{\~o}es do modelo da
superf{\'{\i}}cie da vegeta{\c{c}}{\~a}o com dados reduzidos
indicou que a diminui{\c{c}}{\~a}o da altura do dosse1 foi
devido a dificuldade de caracterizar a topografia e n{\~a}o a
incapacidade de capturar as alturas m{\'a}ximas das {\'a}rvores.
M{\'e}tricas de estrutura do dossel e caracter{\'{\i}}sticas do
terreno derivadas dos dados de LiDAR (densidade original) foram
bons preditores de componentes da biomassa acima do solo em
parcelas permanentes de 1 hectare dentro da {\'a}rea de estudo. A
fra{\c{c}}{\~a}o de aberturas no dossel foi fortemente
relacionada a perda de biomassa acima do solo (\$R^{2}\$ = 0,87)
e a varia{\c{c}}{\~a}o l{\'{\i}}quida (\$R^{2}\$ = 0,91),
enquanto que a altura m{\'e}dia da superf{\'{\i}}cie do dos seI
explicou 43\% da varia{\c{c}}{\~a}o na biomassa total acima do
solo e 68\% da varia{\c{c}}{\~a}o na {\'a}rea basal total. A
fra{\c{c}}{\~a}o de aberturas no dossel e as taxas de
mortalidade foram menores em terrenos {\'{\i}}ngremes do que em
encostas suaves, sugerindo que encostas mais {\'{\i}}ngremes
podem proporcionar condi{\c{c}}{\~o}es mais favor{\'a}veis (de
nutrientes, de {\'a}gua e disponibilidade de luz) para o
crescimento das {\'a}rvores e ac{\'u}mulo de biomassa. Dada a
crescente {\^e}nfase sobre o uso de LiDAR aerotransportado para
manejo florestal e esfor{\c{c}}os de conserva{\c{c}}{\~a}o
(REDD+), os resultados deste estudo destacam a import{\^a}ncia do
planejamento cuidadoso de levantamentos futuros com amostragem
consistente para a quantifica{\c{c}}{\~a}o precisa dos estoques
e din{\^a}mica da biomassa acima do solo. Em terreno montanhoso
coberto com densa vegetac{\~a}o tropical, como a Mata
Atl{\^a}ntica da Serra do Mar, dados de LiDAR de baixa densidade
v{\~a}o subestimar a biomassa e podem n{\~a}o caracterizar
verdadeiramente a heterogeneidade espacial da estrutura da
floresta. ABSTRACT: Quantification of tropical forest biomass and
characterization of forest structure at fine scales is critical
for a better understanding of the role of tropical ecosystems in
the global carbon cycle. LiDAR remote sensing is a powerful tool
for assessing 3D vegetation structure and estimating aboveground
forest biomass, provided that LiDAR measurements penetrate dense
forest vegetation to generate accurate estimates of surface
topography and canopy heights. Dense tropical forest canopies
present various challenges for LiDAR remo te sensing, especially
in areas of steep topography where much of the remaining Atlantic
Forest is concentrated. Airbome LiDAR data were acquired from a
commercial provider for a region of the Serra do Mar State Park in
the state of S{\~a}o Paulo, Brazil, a mountainous area with steep
slopes covered by mature tropical dense forest. Digital terrain
models (DTMs) derived from all LiDAR data were compared to 35
ground control points measured with survey grade GNSS receivers,
post-processed with differential correction. The two LiDAR-based
terrain mo dels were extremely accurate, with mean signed errors
of 0.19 m (\$\pm 0.97\$ m) and 0.18 m (\$\pm\$ 0.95 m)
compared to ground points. Random thinning of the original LiDAR
point density (20 points/\$m^{2}\$) decreased the accuracy of
the terrain mode1s, with signed errors rising to 0.38 m
(\$\pm\$ 1.32 m), 1.12 m (\$\pm\$ 2.04 m), 1.59 m
(\$\pm\$ 3.13 m) and 3.21 m (\$\pm\$ 3.12 m) as point
density was reduced to 8, 4, 2 and 1 points/m-, respective1y.
Offsets between LiDAR DTMs and ground data in submontane areas
were consistently higher than those in montane areas, possibly
reflecting the varying complexity of the terrain and the effects
of variable ranging distance. Canopy heights ca1culated from the
thinned LiDAR data also differed significantly from canopy heights
estimated with the full LiDAR density. Mean canopy surface height
decreased by 3\%, 8\%, 16\% and 25\% as retum density was
reduced to 8, 4, 2 and 1 points/m-, respectively. The magnitude of
change in canopy height was greater in submontane plots (range of
0.79-6.08 m) than in montane plots (range of 0.60-4.24 m) within
all data density classes. Low variation in vegetation surface
model elevations with reduced data density indicated that the
decrease in canopy heights was due to the difficulty to
characterize topography precisely and not the inability to capture
the top heights of trees. Metrics of canopy structure and terrain
characteristics derived from the full-density LiDAR data were
significantly related to aboveground biomass components in 1-ha
permanent plots at the study site. Canopy gap fraction showed
close correspondence with aboveground biomass loss (\$R^{2}\$ =
0.87) and net change (\$R^{2}\$ = 0.91), while mean canopy
surface height explained 43\% of the variation in total
aboveground biomass and 68\% of the variation in total basal
area. Both canopy gap fraction and rates of mortality were lower
on steep terrain than on gentler slopes, suggesting that steeper
slopes might provi de more favorable conditions (nutrient, water
and light availability) for tree growth and biomass accumulation
than flat terrain. Given the growing emphasis on the use of
airbome LiDAR for forest management and conservation efforts
(REDD+), the results of this study highlight the importance of
careful survey planning and consistent sampling frames for
accurate quantification of aboveground biomass stocks and
dynamics. In mountainous terrain under closed-canopy tropical
forest, such as the Atlantic Forest of the Serra do Mar,
low-density LiDAR coverage will underestimate biomass and might
not characterize truthfully the spatial heterogeneity of forest
structure.",
committee = "Shimabukuro, Yosio Edemir (presidente/orientador) and Arag{\~a}o,
Luiz Eduardo Oliveira e Cruz and Silva, Thiago Sanna Freire and
Keller, Michael Maier",
englishtitle = "Estimativas da estrutura da floresta tropical e da topografia do
terreno em uma {\'a}rea montanhosa da Mata Atl{\^a}ntica
Brasileira utilizando LiDAR aerotransportado",
language = "en",
pages = "122",
ibi = "8JMKD3MGP5W34M/3FU3382",
url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3FU3382",
targetfile = "publicacao.pdf",
urlaccessdate = "28 abr. 2024"
}