@InProceedings{DutraAraiDuarShim:2019:EsBiFl,
               author = "Dutra, Andeise Cerqueira and Arai, Egidio and Duarte, Valdete and 
                         Shimabukuro, Yosio Edemir",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Estimativa de biomassa florestal por abordagem multi-sensor e 
                         amostragem em multiest{\'a}gios na Amaz{\^o}nia brasileira",
                 year = "2019",
         organization = "Congresso Mundial da IUFRO",
             abstract = "A escassez de informa{\c{c}}{\~o}es espaciais e temporais 
                         sistematizadas para quantifica{\c{c}}{\~a}o da biomassa 
                         florestal tem se tornado uma limita{\c{c}}{\~a}o para o 
                         desenvolvimento de pol{\'{\i}}ticas p{\'u}blicas para 
                         conserva{\c{c}}{\~a}o das florestas. Tais 
                         informa{\c{c}}{\~o}es subsidiam o entendimento sobre a 
                         din{\^a}mica florestal, o ciclo de carbono no planeta e quais os 
                         impactos ocasionados por mudan{\c{c}}as no clima e no uso e 
                         cobertura da terra. O uso de tecnologias para a 
                         aquisi{\c{c}}{\~a}o de dados remotamente coletados, como o Light 
                         Detection and Ranging (LiDAR), permitem coletar 
                         medi{\c{c}}{\~o}es da estrutura vertical da floresta. No 
                         entanto, o custo elevado e a menor disponibilidade de dados LiDAR 
                         sobre grandes extens{\~o}es ainda {\'e} um desafio. Neste 
                         contexto, este trabalho apresenta um m{\'e}todo de 
                         integra{\c{c}}{\~a}o de dados de sensoriamento remoto 
                         {\'o}ptico em diferentes resolu{\c{c}}{\~o}es espaciais, dados 
                         LiDAR e de campo, para a gera{\c{c}}{\~a}o de um mapa de 
                         biomassa florestal a{\'e}rea na Amaz{\^o}nia Brasileira. Imagens 
                         dos sensores Moderate Resolution Imaging Spectroradiometer 
                         (MODIS)/Terra e Operational Land Imager (OLI)/Landsat foram 
                         adquiridas cobrindo o estado do Mato Grosso em 2015. A 
                         integra{\c{c}}{\~a}o dos dados foi realizada por amostragem 
                         baseada em multiest{\'a}gios, no qual cada est{\'a}gio foi 
                         representado como: prim{\'a}rio (MODIS), secund{\'a}rio (OLI) e 
                         terci{\'a}rio (LiDAR e campo). Em seguida, os dados LiDAR foram 
                         utilizados para a calibra{\c{c}}{\~a}o do modelo de biomassa e, 
                         ent{\~a}o, a biomassa foi estimada nos est{\'a}gios posteriores. 
                         Por fim, os resultados obtidos pelo m{\'e}todo proposto foram 
                         comparados com dados de biomassa dispon{\'{\i}}veis na 
                         literatura. Conclui-se que a utiliza{\c{c}}{\~a}o integrada dos 
                         produtos apresentou resultados satisfat{\'o}rios para a 
                         estimativa de biomassa em escala regional.",
  conference-location = "Curitiba, PR",
      conference-year = "29 set. - 05 out.",
             language = "en",
        urlaccessdate = "01 maio 2024"
}