@Article{ReisDiAcMeBaFe:2020:MoSpDi,
author = "Reis, Aliny Aparecida dos and Diniz, Juliana Maria Ferreira de
Souza and Acerbi J{\'u}nior, Fausto Weimar and Mello, Jos{\'e}
M{\'a}rcio de and Batista, Anderson Pedro Bernardina and Ferraz
Filho, Antonio Carlos",
affiliation = "{Universidade Federal de Lavras (UFLA)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Universidade Federal de Lavras
(UFLA)} and {Universidade Federal de Lavras (UFLA)} and {Instituto
Federal do Amap{\'a} (IFAP)} and {Universidade Federal do
Piau{\'{\i}} (UFPI)}",
title = "Modeling the spatial distribution of wood volume in a Cerrado
Stricto Sensu remnant in Minas Gerais state, Brazil",
journal = "Scientia Forestalis",
year = "2020",
volume = "48",
number = "125",
pages = "e2844",
keywords = "Geostatistical models, Landsat 5 TM imagery, Multiple linear
regression, Regression kriging, Brazilian Savanna, Modelos
geoestat{\'{\i}}sticos, Imagens Landsat 5 TM, Regress{\~a}o
linear m{\'u}ltipla, Krigagem com regress{\~a}o, Cerrado.",
abstract = "The Brazilian Savanna, the second largest biome in the country,
has scarce information about its wood volume production. Since our
aim was to contribute to the better wood volume characterization
in Brazilian Savanna vegetation, we conducted a case study in a
Cerrado Sensu Stricto remnant in Minas Gerais state, Brazil, using
different approaches and datasets to model the spatial
distribution of wood volume, including forest inventory data,
remotely-sensed imagery, and geostatistical models. Wood volume
data were obtained from a forest inventory carried out in the
field. Spectral data were collected from a Landsat 5 TM satellite
image, composed of spectral bands and vegetation indices. Ordinary
kriging, multiple linear regression analysis, and regression
kriging methods were used for wood volume estimation. Ordinary
kriging resulted in estimates closer to each other in non-sampled
areas (less variability) than the other methods for not
considering information from these areas in the interpolation
process. As multiple linear regression and regression kriging take
into account the spectral data from remotely-sensed images, these
methods provide higher discrimination potential for wood volume
estimate mapping when vegetation presents high spatial
heterogeneity, as in the Cerrado Sensu Stricto. Integration
between field data, remotely-sensed imagery and geostatistical
models provides a potential approach to spatially estimate wood
volume in native vegetation. RESUMO: O Cerrado, segundo maior
bioma brasileiro, possui escassas informa{\c{c}}{\~o}es sobre a
sua produ{\c{c}}{\~a}o volum{\'e}trica. Assim, visando
contribuir com a caracteriza{\c{c}}{\~a}o volum{\'e}trica do
Cerrado, esse estudo foi realizado em um fragmento de Cerrado
Sensu Stricto localizado em Minas Gerais, Brasil, usando
diferentes abordagens e fontes de dados na modelagem da
distribui{\c{c}}{\~a}o espacial do volume de madeira, incluindo
dados do invent{\'a}rio florestal, imagens de sensoriamento
remoto, e modelos geoestat{\'{\i}}sticos. Os dados
volum{\'e}tricos foram obtidos a partir do invent{\'a}rio
florestal. Os dados espectrais foram coletados em uma imagem
Landsat 5 TM, e compostos por informa{\c{c}}{\~o}es de bandas
espectrais e {\'{\i}}ndices de vegeta{\c{c}}{\~a}o. Foram
utilizados os m{\'e}todos de krigagem ordin{\'a}ria,
regress{\~a}o linear m{\'u}ltipla e krigagem com regress{\~a}o
para a estimativa volum{\'e}trica. A krigagem ordin{\'a}ria
resultou em estimativas mais pr{\'o}ximas umas das outras em
{\'a}reas n{\~a}o amostradas (menor variabilidade) do que os
outros m{\'e}todos por n{\~a}o considerar
informa{\c{c}}{\~o}es dessas {\'a}reas no processo de
interpola{\c{c}}{\~a}o. Por outro lado, a regress{\~a}o linear
m{\'u}ltipla e a krigagem com regress{\~a}o consideram dados
espectrais das imagens de sensoriamento remoto que proporcionam
maior potencial de discrimina{\c{c}}{\~a}o durante o mapeamento
volum{\'e}trico em casos onde a vegeta{\c{c}}{\~a}o apresenta
alta variabilidade espacial, como o Cerrado Sensu Stricto. A
integra{\c{c}}{\~a}o de dados de campo, imagens de sensoriamento
remoto e modelos geoestat{\'{\i}}sticos fornecem uma abordagem
potencial para a estimativa volum{\'e}trica em fragmentos de
vegeta{\c{c}}{\~a}o nativa.",
doi = "10.18671/scifor.v48n125.15",
url = "http://dx.doi.org/10.18671/scifor.v48n125.15",
issn = "2318-1222",
language = "en",
targetfile = "reis_modeling.pdf",
urlaccessdate = "16 maio 2024"
}