Espacialização do Estoque de Madeira em Plantios Florestais Usando LiDAR (Light Detection And Ranging)

Autores

¹Pires, R.P.; ²Fonseca, J.F.; ³Figura, M.A.; ⁴Schikowski, A.B.; ⁵Accioly, Y.; ⁶Schoeninger, E.R.

¹KLABIN S/A Email: raul.pires@klabin.com.br
²KLABIN S/A Email: j.fferreira@klabin.com.br
³KLABIN S/A Email: mafigura@klabin.com.br
⁴KLABIN S/A Email: ana.beatriz@klabin.com.br
⁵KLABIN S/A Email: yuri.accioly@klabin.com.br
⁶KLABIN S/A Email: eschoeninger@klabin.com.br

Resumo

INTRODUÇÃO As florestas plantadas no Brasil somam 7,79 milhões de hectares, correspondem a 0,9% do território nacional, e ainda, são responsáveis por 91% de toda madeira produzida no país. (IBA, 2015). Com extensas áreas plantadas, é grande também a demanda por novas técnicas de inventário florestal para aferir informações sobre quantidades e qualidades dos recursos florestais e de outras características das áreas nas quais as árvores estão locadas (Husch et al., 2003). Quando se avalia o povoamento florestal sob o ponto de vista de produção, torna-se necessário conhecer quanto, quando, onde e como serão manejados estes indivíduos (ZANDONA; LINGNAU; NAKAJIMA, 2008). Sistemas a laser aerotransportado baseados na tecnologia LIDAR (Light Detection and Ranging) integrados com Sistemas de Informações Geográficas tornam possíveis, não somente calcular o volume individual da árvore, como também visualizar sua distribuição espacial em todo o povoamento. Estas informações poderão ser utilizadas em modelos de prognose da produção, além de fornecer parâmetros refinados para o planejamento estratégico das empresas do setor madeireiro. Dessa maneira, o objetivo deste trabalho foi provar a viabilidade da tecnologia LiDAR para aferir o estoque de madeira em florestas plantadas e assim melhorar a qualidade das informações a partir da espacialização do volume de madeira. MATERIAL E MÉTODOS Os dados LiDAR foram obtidos em 2012, através de um sistema LiDAR Harrier 681 da Trimble, acoplado a uma aeronave voando a 666,16 metros de altura e 234 km/h, admitindo-se uma variação de 5%. O laser foi emitido a 300 kHz para frequência de varredura, 130 kHz para a taxa de repetição do laser. O ângulo de varredura (FOV) foi ajustado para 60º, sendo o footprint foi de 0,33m. A densidade de pontos foi de 4 pontos/m². Os dados foram gravados no sistema de coordenadas foi UTM e o datum SIRGAS 2000. A cobertura lateral do voo foi de 30%, e as precisões altimétrica e horizontal de 15 e 10 cm, respectivamente. Para o ajuste da regressão linear foram utilizados dados de parcelas de Inventário Florestal Contínuo (IFC) medidas em datas com até três meses de diferença em relação ao levantamento LiDAR, localizadas no município de Telêmaco Borba, PR e arredores. As parcelas correspondem a plantios de Pinus taeda L. de origem seminal, variando de 4 a 20 anos de idade, plantados no espaçamento de 2,5m por 2,5m. A área de cada parcela 625 m² e a intensidade amostral para o estrato é de uma parcela a cada 15 hectares. Em cada parcela foram medidos os diâmetros a 1,37 metros do solo (DAP) de todas as árvores e as alturas das dez árvores com os maiores DAPs. De posse destes valores de altura, é ajustado modelo de Curtis (1967) para representar a relação hipsométrica em nível de parcela, assim estimando as alturas das demais árvores. O volume comercial foi calculado a através da equação polinomial do quinto grau descrita por Schoepfer (1996). Para validação do modelo volumétrico foram escolhidos seis blocos de florestas contínuos e com datas de colheita variando 3 meses em relação do voo, a fim de se comparar o volume estimado por LiDAR nestas áreas com os registros de pesagem de madeira de cada um dos blocos. Estes blocos foram divididos em várias células de cálculo, de 900 m² cada. Em cada célula foi extraída as métricas e o modelo ajustado foi aplicado gerando um output de volume comercial por célula. A média dos volumes destas células foi considerada o volume médio por hectare de cada bloco. As nuvens de pontos das parcelas foram recortadas da nuvem de pontos original e logo em seguida normalizadas, processo que compreende em atribuir valor de altura zero aos pontos de solo e interpolar os valores acima, obtendo assim a altura dos retornos acima do solo. Destas nuvens foram extraídas as seguintes métricas: percentis (Altura na qual uma determinada porcentagem de retornos se encontra abaixo) e fatias (porcentagem de retornos em faixas de altura, sendo que a nuvem é dividida em dez faixas, começando na altura 0,5m até a altura do maior retorno). Por fim, foram gerados mapas unindo as informações das células de cálculo dos blocos florestais analisados. E estes mapas foram comparados com a nuvem de pontos, a fim de se observar se variações na nuvem refletiam no mapa. RESULTADOS E DISCUSSÃO O percentil e fatia de maior correlação de Person foram o percentil 45 (p45) e a fatia 10 (f10), com valores de 0,974 e 0,937 respectivamente. Foram feitas transformações com estas variáveis, bem como com o Volume Comercial de forma a melhorar o desempenho da regressão. O coeficiente de determinação ajustado (r²) foi 0,973, e a correlação entre os valores observados e estimados foi de 0,987. Zonete (2009) encontrou valores equivalentes para r² e correlação (0,957 e 0,956 respectivamente), em plantios origem clonal do gênero Eucalyptus. O volume comercial estimado através da regressão variou entre -10.6% a 3,65% para os blocos de colheita, o que prova a acurácia do modelo volumétrico e a viabilidade da tecnologia para estimativa em nível de talhão. Os mapas gerados por bloco florestal podem auxiliar a tomada de decisão do planejamento quanto as operações florestais, uma vez que esta informação reflete na concentração de madeira por região da mesma plantação. CONCLUSÃO O trabalho realizado provou a viabilidade e a acurácia do LiDAR para aferir no estoque de madeira da floresta, bem como indicar, espacialmente, variações na quantidade de madeira dentro de uma floresta contínua de mesma idade e MESMA espécie plantada. REFERÊNCIAS BIBLIOGRÁFICAS CURTIS, R. O. Height diameter and height diameter age equations for second growth Douglas-fir. Forest Science, v.13, n.4, p365-375. 1967. HUSCH, B. MILLER, C. I. KERSHAW, J. Forest Mensuration. 4. Ed. New Jersey: John Willey and Sons, Inc., 2003. 443 p. IBA – Indústria Brasileira de Árvores. Relatório 2015, São Paulo. SCHOEPFER, W. Automatisierrung des masen, Sorten und Wertberechung stenender Waldbestand

Keywords

LiDAR; Volumetria; Pinus taeda

ARTIGO COMPLETO