Manejo de precisão

Levantamento de campo é uma atividade exaustiva e onerosa, devido às dimensões das parcelas a serem medidas, da extensão da área a ser percorrida e das condições climáticas extremas encontradas em ambientes tropicais. Assim o uso de sensores remotos é uma alternativa para facilitar a coleta de informações da floresta em larga escala. No entanto, existem alguns obstáculos para os sensores remotos, como o denso dossel da floresta, a presença constante de nuvens e as interações da energia eletromagnética com a atmosfera.

Algumas atividades de monitoramento, como danos na copa, no sub-bosque, abertura de clareiras, infraestrutura e incêndios, estão fortemente associadas às técnicas de sensoriamento remoto e avaliações em campo. Usar o sensoriamento remoto em operações florestais é interessante devido à obtenção de dados de grandes áreas de maneira rápida e relativamente barata. Porém, a difusão espacial dos danos causados pelo corte de árvores, torna-se um desafio para o monitoramento através de satélites. Para isso, seriam necessários trabalhos intensivos de campo, o que se torna inviável.

Nos métodos tradicionais de sensoriamento remoto por sensores passivos as incertezas na identificação de danos na copa são causadas pelos erros de correção atmosférica dos dados do satélite, presença de nuvens, delineação automática de áreas colhidas e verificação manual. As imagens de satélite associadas às vistorias de campo não têm sido suficientemente capazes de mapear os danos abaixo do nível do dossel e de criar uma relação direta entre área e volume explorados.

Os sensores multi-espectrais operam em múltiplas bandas do espectro eletromagnético (ex. o sensor Operational Land Imager - OLI a bordo do satélite LANDSAT 8) e podem alcançar resolução espacial de 30 metros (ou 15 m no caso de banda pancromática). Existem, ainda, sensores que geram imagens de alta resolução, como é o caso dos sensores a bordo do satélite WorldView-3. No setor florestal, para o melhor detalhamento da estrutura das florestas tem sido utilizado imagens oriundas de sensores hiperespectrais. Essas imagens são compostas por centenas de bandas que garantem uma resolução espectral maior do que os sensores multi-espectrais. Assim, pode-se obter parâmetros importantes da floresta, como o padrão de distribuição e identificação de espécies e, o tamanho e identificação de copas de árvores. Os sensores ativos, como o RADAR e o LiDAR, apresentam algumas vantagens em relação aos sensores passivos, dentre elas, fonte de energia própria, a energia eletromagnética emitida sofre menos interferência do clima, nuvens, e partículas e, conseguem capturar informações do estrato abaixo do dossel florestal.

O LiDAR (do inglês, light detection and ranging), com sua elevada penetrabilidade e alta resolução espacial, é capaz de gerar informações detalhadas até mesmo de camadas inferiores às copas das árvores. A medição de distâncias realizada pelo LiDAR se baseia no tempo de viagem do pulso laser emitido pelo sistema, onde os dados da varredura laser representam a distribuição tridimensional dos retornos do solo e dos objetos acima do terreno. Essa tecnologia, através do escaneamento laser aerotransportado (do inglês, Airborne Laser Scanning - ALS), tem sido bastante empregada na área florestal, contudo, há pouco uso documentado para o planejamento e manejo de florestas nativas tropicais. Devido à alta resolução espacial obtida com o LiDAR e a grande cobertura proporcionada pelo ALS, essa tecnologia já se mostrou útil em algumas etapas do planejamento, execução e monitoramento da exploração madeireira, com alguns exemplos de aplicação. Porém, existem produtos com potencial para uso no MFS que ainda não foram apresentados como alternativa para tais finalidades. Além de informações topográficas, caracterizar a estrutura horizontal e vertical da floresta é essencial para dar suporte às atividades de manejo, como planejamento de tratamentos silviculturais ou avaliação de habitats de espécies raras em perigo ou ameaçadas.

São três as superfícies mais importantes para apoiar as atividades de manejo: o modelo digital de terreno, o modelo digital de altura de dossel e o modelo digital de densidade relativa.

Uma análise cuidadosa é essencial para que os outliers sejam eliminados. Um método comum e muito utilizado é definir uma amplitude baseada em desvios-padrão. Valores fora do intervalo, correspondem a outliers. Neste estudo de caso, foi considerado mais ou menos 3 desvios-padrão em relação à média. Após a remoção dos pontos discrepantes, filtra-se os pontos correspondentes ao terreno. Um MDT com elevada qualidade e sem artefatos depende da classificação adequada dos pontos de vegetação e do terreno. Uma filtragem muito agressiva pode levar à criação de lacunas na superfície, ao passo que uma filtragem desleixada, deixará inúmeros artefatos e não fazem parte do terreno.

O algoritmo para filtragem dos retornos do solo mais usado em áreas florestais foi proposto por Kraus e Pfeifer em 1998. Esse algoritmo pertence ao grupo dos filtros de interpolação e se baseia na comparação dos pontos da nuvem LiDAR com uma superfície de referência. Na primeira etapa da filtragem cria-se uma superfície de referência, que considera o valor médio das elevações dentro de uma janela de filtro (aqui definida como 8 metros). Aconselha-se um valor de janela igual ou superior a 8 metros para evitar a presença de artefatos. Para cada ponto, foi calculado o desvio dele em relação à superfície de referência aplicando-se pesos de acordo com o grau de desvio. Desvios que estiverem acima de um valor de tolerância são descartados. Valores que estiverem entre o limiar e o valor de tolerância recebem um peso variando de 0 a 1. Já os desvios que estiverem abaixo do valor do limiar recebem peso máximo e serão a base de construção da nova superfície de referência. O processo se repete até que todos os pontos sejam considerados como solo, ou o número máximo de iterações seja atingido.

Florestas com maior complexidade de dossel acabam dificultando o pulso laser atingir o solo e retornar ao sensor. Com isso, os valores dos erros de elevação do terreno tendem a aumentar em condições densas de vegetação tanto para coníferas quanto em florestas tropicais. Uma elevada densidade de retornos é responsável por gerar um DTM de boa qualidade. O problema é o alto custo associado à elevada densidade de pulsos.

Após aplicação do filtro, os pontos de solo são interpolados considerando o inverso da distância visando obtenção do MDT. Levantamentos laser com densidade de retorno superior a 4 pontos por m² permite tranquilamente gerar modelos digitais com resolução espacial de até 1 metro. Um MDT com elevada resolução espacial possui diversas aplicações no manejo florestal, tais como: modelagem da hidrografia, modelagem da topografia, planejamento rodoviário e de colheita. Além disso, uma boa estimativa da altura do dossel de uma floresta, usando LiDAR, depende de uma representação precisa da superfície do solo.

O MDT pode conter erros oriundos do sensor de medição, da altitude do sobrevoo, da abertura do ângulo do sensor, da densidade de retornos, da classificação inadequada dos retornos do terreno, dos métodos de interpolação utilizados, da inclinação do terreno, da densidade e tipo de cobertura florestal. Alguns artefatos gerados durante a interpolação dos pontos de terreno podem ser corrigidos ainda na etapa de processamento com a aplicação de filtros de mediana, de suavização, de declividade e de picos. Conhecendo as fontes de erro, é possível planejar adequadamente o escaneamento laser para que esses erros possam ser reduzidos e não comprometer a qualidade dos produtos gerados.

terrain.png?raw=true

Uma outra forma de apresentar e analisar o MDT é através de uma técnica de sombreamento, no qual simula-se a incidência solar com uma determinada inclinação. Desta forma, relevos mais acidentados terão um maior sombreamento. Esta técnica é capaz de evidenciar estradas, ramais e feições antrópicas no terreno, ocultas pela vegetação. No hemisfério recomenda-se realizar o sombreado da área considerando o ângulo de iluminação acima do horizonte de 45° (altitude) e a direção angular do sol de 315° (azimute).

hillshade.png?raw=true

Antes de avançar com o processamento do MDT e geração de seus importantes subprodutos é necessária eliminar as depressões espúrias. Uma depressão espúria diz respeito à área que não apresenta nenhum ponto de escoamento. Por não existir um fluxo da água para fora da depressão, não se pode continuar o fluxo descendente de água para a borda do terreno. Para remover as depressões simula-se a inundação do terreno com uma quantidade infinita de chuva uniforme até que um ponto de escoamento seja formado. Em outras palavras, o algoritmo funciona como uma varredura do terreno de baixo para cima no plano horizontal preenchendo as depressões até que elas se fundam alcançando um ponto de derramamento. Esquema de preenchimento das depressões do terreno. Nesse esquema tem-se duas depressões (a) que são preenchidas até que elas se fundem (b) e o fluxo de água continue (c).

Apenas do modelo digital de acumulação de fluxo ser uma clara interpretação e relevância, sua maior utilizada é ser subproduto para o cálculo de outras informações de interesse direto para o manejo como: rede de drenagem e índice topográfico de umidade. Um MDT com elevada resolução permite um alto grau de detalhamento para análises e interpretações do local estudado. MDT derivados do LiDAR, combinados com métodos de extração de rede de canais, são ideais para manejadores obterem informações precisas sobre a hidrologia dentro de áreas florestadas e, assim, melhorar as práticas de manejo.

A direção de fluxo representa a direção na qual a água fluirá para fora de uma respectiva célula do modelo digital de terreno. O algoritmo mais utilizado para calculo da acumulação é o Multi Flow Directions (MFD). Ele considera que a água pode seguir múltiplas direções no sentido das células vizinhas mais baixas. O uso de rotinas que utilizam o MFD para análise da hidrologia e obtenção de índices topográficos tem sido recomendado na literatura por considerarem todos os caminhos preferenciais do fluxo e não somente aqueles coincidentes com os cursos d’água. No cálculo da acumulação de fluxo considera-se, inicialmente, que cada célula central possui um fluxo que é distribuído para as células vizinhas através das direções possíveis. Sendo assim, a acumulação de fluxo de uma célula é a quantidade total de água fluindo através dela.

acumulacao.png?raw=true

Em relação à extração automática da rede de drenagem, o algoritmo aplicado neste trabalho, forneceram resultados acurados em comparação com os pontos de referência em campo. Encontraram ambiguidade entre as estradas e os rios na processo de extração dos mesmo. Contudo, afirmam que em alguns casos as estradas podem ser hidrologicamente conectadas à rede de canais e, por isso, deve ser considerada a interligação real dentro das áreas identificadas. Pode-se obter uma precisão compatível com cartas topográficas quando se extrai a rede de drenagem a partir de SRTM com resolução de 90 metros. Elevar a resolução do MDE de 90 para 30 metros, faz que a sobreposição correta com a drenagem real saltasse de 11% para 50%. Ao trabalhar em resoluções muito altas como no MDT-LiDAR, consequentemente, a maior riqueza de detalhes torna possível um mapeamento mais preciso das APP de rios e das nascentes. Isto porque a extração da rede de canais é um exemplo de aplicação que é extremamente dependente da qualidade do modelo de terreno.

rede_hidrica.png?raw=true

O código florestal definiu que as faixas marginais de qualquer curso d’água natural perene e intermitente, excluídos os efêmeros, são áreas de preservação permanente. E para rios de diferentes larguras, diferentes valores de área mínima para APP devem ser respeitados. A partir da rede de drenagem é possível portanto definir as áreas de APP hídrica considerando a ferramenta de análise espacial por proximidade. É possível ainda, isolar os pontos correspondentes às nascentes a partir das extremidades das linhas de drenagem, e atribuir uma APP de 50 metros. Obtidas as APP de cursos d’água e nascente, realiza-se a junção das informações em uma única camada vetorial para que torne possível o cálculo de área total de APP hídrica.

As APP são áreas cobertas ou não por vegetação, com a função de preservar os recursos hídricos, a estabilidade geológica, a biodiversidade, entre outros. A intervenção humana sem a devida autorização configura crime ambiental e, a supressão da vegetação de APP só pode ser realizada em casos de utilidade pública ou interesse social, legalmente previstos. Portanto, é essencial que seja feito um zoneamento correto da área do plano de manejo florestal sustentável (PMFS) para diferenciar áreas passíveis ou não de exploração. De maneira geral, a modelagem da hidrografia serve como base para o microzoneamento das UPA, para a alocação com precisão métrica de pontes e bueiros e, no melhor planejamento, visando minimizar o impacto sobre rios e igarapés.

O índice topográfico de umidade é utilizado para indicar área com maior potencial de umidade do solo. É de se esperar que grande parte das regiões com alto ITU coincidem com as áreas próximas à rede de drenagem. Alto ITU evidenciam locais onde os fluxos de água tendem a se concentrar, aumentando a umidade do solo. Já áreas com baixo ITU indicam baixa probabilidade de saturação por umidade do solo. O modelo digital de índice topográfico de umidade é uma aproximação da umidade presente no solo. O índice pode ser obtido relacionando o acúmulo de fluxo com a declividade do local por meio de fórmula: $ln(\frac{AS}{tan(\beta)}$, em $AS$ é a área de contribuição específica a montante (fonte de água) e $\beta$ é a inclinação do pixel. O índice mostra que locais com uma grande área de contribuição resultam num alto valor de ITU e assim espera-se que tenham um acúmulo de água relativamente maior do que locais com uma área de contribuição menor. Do mesmo modo, locais íngremes recebem um pequeno índice pois espera-se que tenham melhor drenagem do que os locais com inclinação suave.

twi.png?raw=true

O mapa de acúmulo de fluxo é importante por apresentar áreas de instabilidade devido ao potencial acúmulo de água. O uso do fluxo distribuído, ou MFD, mostra todos os caminhos preferenciais do fluxo, além de definir regiões mais homogêneas e distribuição de fluxos coerentes com a natureza. A identificação e a distribuição espacial das áreas com saturação hídrica temporária ou permanente pode ser feita utilizando o ITU. Porém, quando se trabalha com ITU pressupõem-se que a quantidade de chuva e o solo são uniformes em toda a área de estudo, devendo tomar cuidado com estudos em larga escala. Como os valores absolutos de ITU variam com a resolução do MDT, torna-se difícil a sua comparação com outras áreas. Em geral, valores menores de ITU indicam solos mais bem drenados enquanto que ITU com valores mais elevados representam solos que tendem a saturar mais rápido. Em termos físicos, áreas com ITU menores que 8 têm pouca probabilidade de sofrerem saturação. Trabalhar com modelos de elevação com maior resolução é um critério importante, pois, quanto maior a acurácia vertical e posicional, mais consistente será o índice topográfico obtido. Quando disponível, o uso de MDT oriundo do LiDAR para a obtenção de ITU devido à boa correlação do índice com os padrões identificados em campo. Os atributos químicos e granulométricos do solo possuem alta correlação com os índices de representação da paisagem, dentre eles o ITU. Assim, os autores reforçam que esses índices podem ser utilizados como apoio na identificação e delimitação das unidades de mapeamento dos solos. Através de índices como esse, é possível definir práticas de manejo restritivas a usos do solo que possam comprometer a qualidade dos recursos hídricos. Para construção de estradas florestais, essa informação é um alerta para o tipo de sistema de drenagem que deve ser implementado na área.

twi.png?raw=true

É prudente considerar durante o planejamento do manejo os limites das sub-bacias hidrográficas. Existem claras vantagens associadas às delimitações de bacias como localizar os divisores de água, facilitar a compreensão e monitoramento dos impactos quando toda a atividade se encontra dentro da bacia, e orientar as atividades de forma a minimizar o impacto em nascentes e redes de drenagem. A estudos que propõe que a delimitação das UPAs levem em consideração os limites das bacias, no entanto, ainda existe um desafio operacional para que o manejo de bacias sejam incorporado no dia a dia do manejo. Para delimitar uma bacia parte-se do modelo digital de terreno e define-se um limiar mínimo de acumulação para formação de um curso de água. Um limiar de 400.000 indica que são necessário acumulação de água em 400.000 pixels para que se forme um curso de água. A melhor forma de delimitar este valor é por tentativa e erro e observação de curso de água reais na região de interesse.

microbacias.png?raw=true

Muitas vezes, as instituições responsáveis pelo licenciamento ambiental recomendam que a UPA tenha uma forma regular, cuja finalidade é minimizar os efeitos dos problemas associados à abertura de picadas e ao uso de falsas coordenadas. As estradas tendem a ser construídas nos divisores de água, nas porções mais elevadas do MDT, o que otimiza a exploração em duas sub-bacias distintas. Portanto, acredita-se que seja possível dividir a UMF em UPA a partir do mapa de sub-bacias, ao invés de utilizar polígonos bem definidos. A bacia hidrográfica deveria ser a unidade básica de planejamento para a compatibilização da preservação dos recursos naturais e da produção agropecuária. De maneira geral, no Brasil, a delimitação das bacias hidrográficas é importante na aplicabilidade da Política Nacional de Recursos Hídricos e para minimizar conflitos na gestão desses recursos. Dessa forma, a extração automática de bacias e sub-bacias é vantajosa para vários fins. No que diz respeito ao manejo florestal, o planejamento do arraste deveria ser realizado dentro da microbacia. Neste contexto, seria interessante também que as UPAs fossem divididas com base na microbacia, conforme sugerido neste trabalho.

A vegetação tem uma relação forte com a distância (seja vertical seja horizontal) para a rede de drenagem mais próxima. É possível calcular as distâncias a partir de um modelo digital de terreno. Levando em consideração as múltiplas direções de fluxo que uma célula pode apresentar, aplicando o método conhecido como downstream, calcula-se a distância dos divisores até o curso d’água mais próximo.

dist_vertical.png?raw=true

A composição e estrutura de uma floresta está associada à disponibilidade de água. Portanto, a distância da rede hídrica e a profundidade do lençol freático desempenham papel importante na dinâmica da floresta. As distâncias horizontal e vertical são fortemente correlacionadas, pois, quanto mais se distancia da rede de drenagem, mais elevado tende a ser o terreno. A distância horizontal da rede de drenagem mais próxima (HDND - do inglês, horizontal distance from nearest drainage) está relacionada com a drenagem do solo, áreas passíveis a alagamento e depósito de sedimentos. Um algoritmo similar ao utilizado neste estudo para calcular a elevação em relação aos cursos d’água, chamado HAND (do inglês, height above the nearest drainage) pode ser interpretada como uma aproximação da profundidade do lençol freático. Pesquisas encontraram relação entre a composição florística em uma área da Amazônia e o HAND, onde mudanças na composição florística diminuíram à medida que o HAND aumentava. As árvores, arbustos, lianas e palmeiras são formas de vida que podem ser preditas pela elevação em relação ao nível do mar, pelo HDND e pelo HAND. O HAND e o HDND fornecem informações sobre a drenagem nos solos. Em termos de aplicabilidade, o HAND poderia ainda ser utilizado como critério para delimitação de APP, ao invés de buffers, por representarem bem as mudanças de forma de vida de ecossistemas ripários.

dist_horzintal.png?raw=true

O manejo sofre influência do "humor" das águas. Na região amazônica por exemplo, no período das chuvas regiões da florestas ficam completamente inacessíveis, e em muitos casos, completamente encharcadas. É importante para um bom planejamento mapear as áreas com potencial de encharcamento. Aqui, define-se encharcamento a perda da resistência do solo pelo acúmulo de água, impedindo parcialmente ou por completo o trânsito de máquinas e de pessoas.

Áreas sensíveis podem ser evidenciadas considerando o índice topográfico de umidade (ITU). Assume-se que definido um limiar a partir da resolução do MDT e conhecendo-se os valores do ITU modificado é possível obter o risco de encharcamento. A informação sobre as áreas alagáveis em uma área de manejo é de extrema importância para diversas atividades, destacando-se a alocação de estradas e o planejamento de atividades de campo. A análise realizada para localização de áreas propensas à inundação alcançou bons resultados em modelos de elevação com resolução espacial de aproximadamente 100 metros. Entretanto, os autores afirmam que os erros calculados são fortemente influenciados pelo tamanho da grade do MDT. Existe uma tendência do algoritmo superestimar áreas alagáveis em locais planos, com uma melhor representação de locais onde o relevo tende a um gradiente suave-ondulado. Deve-se levar em consideração que os parâmetros utilizados (limiar = 2,46 e n = 0,016) foram estimados para um modelo de elevação entre 10 e 20 metros de resolução. Porém, o parâmetro n pode ser bem definido de acordo com a escala do MDT adotado e, o limiar pode ser estimado como uma função linear de n. Entretanto, esse método é uma alternativa rápida e barata para locais remotos que não possuem estudos detalhados de simulação de inundações ou não possuem recursos financeiros para realizá-lo.

inundacao.png?raw=true

Outro evento importante no planejamento do manejo são as cheias dos rios. As áreas que estão sujeitas às cheias podem ser determinadas pelo preenchimento do rio até um dado valor de elevação, com base na flutuação histórica, ou simulações de chuva. A partir da profundidade do rio e a flutuação vertical em períodos de chuvas, é possível prever com base no modelo digital de terreno as áreas que serão inundadas. Os níveis dos rios amazônicos podem aumentar em até 15 metros. Além das regiões alagáveis, é interessante conhecer o comportamento das cheias dos rios em áreas de exploração madeireira. No manejo florestal de baixo impacto o sistema de exploração de madeira é não-mecanizado e aproveita as cheias dos rios para extração e escoamento das toras. Nos casos onde a extração é realizada pelos rios, existe uma dependência de espécies de madeira boiante. Esse método pode ser aplicado em épocas e locais fora do alcance do equipamento pesado e a área a ser explorada é determinada pelas possibilidades de acesso e escoamento das toras durante a cheia.

cheias.png?raw=true

A inclinação do terreno além de definir restrições operacionais para os maquinários envolvidos no manejo, também podem com base no Código Florestal estar associados a áreas de preservação permanentes. De acordo com a legislação brasileira, áreas com declividade igual ou superior a 45° devem ser mantidas como APP. Já as restrições operacionais podem ser obtidas pelas especificações e recomendações técnicas das máquinas florestais utilizadas no manejo florestal na Amazônia. A restrição para uso do skidder inicia em declividade igual ou superior a 20°. Por sua vez, caminhões carregados de madeira podem atuar em uma declividade de até 9°. A partir do modelo digital de terreno é possível computar para cada pixel a declividade, em graus ou em porcentagem. Um grande desafio para o cálculo da inclinação é quando o MDT apresenta uma grande quantidade de artefatos como picos e depressões resultantes de problemas na filtragem dos retornos provenientes do terreno. Uma alternativa nesses casos é aplicar um filtro de mediana para suavizar o terreno, removendo os artefatos.

slope.png?raw=true

A declividade refere-se à inclinação do relevo em relação ao plano horizontal. Na área florestal conhecer a declividade de um local é importante para definir áreas de restrições ambientais, como as áreas de preservação permanentes (APP). O código florestal brasileiro exige que áreas acima de 45° de inclinação (ou 100% de inclinação) sejam áreas restritas a qualquer tipo de operação, mantendo inalterado o uso da terra e a cobertura vegetal original. Sendo assim, a obtenção automática e precisa das APP auxiliam no planejamento e execução do plano de manejo e, ainda, na fiscalização pelos órgãos ambientais. Além disso, a declividade possui um papel importante na produtividade da floresta e no planejamento da exploração. No manejo de floresta amazônica, regiões de declive acentuado são informadas pela equipe de inventário nas planilhas de campo. De acordo com os autores, esse tipo de informação é insuficiente por não fornecer mais detalhes como diferença das cotas e comprimento das curvas de nível, sentido e extensão da rampa e sua exata localização. Essas informações, além de mais detalhadas, devem ser conhecidas previamente para facilitar o planejamento da infraestrutura e áreas restritas à colheita, arraste e transporte da madeira.

Os tratores skidders são preferíveis aos tratores esteira para o arraste de árvores derrubadas na amazônia. O skidder de pneus é um trator florestal articulado que realiza o arraste das árvores da área de corte até a margem da estrada ou pátio intermediário. Alguns tratores de arraste modernos podem trabalhar em inclinações severas, porém, causam danos ao solo e perdem eficiência. Mesmo conhecendo bem o tipo de solo da área manejada, a atuação do skidder deveria ser limitada a uma declividade de 20°. Em relação à produtividade do trator, é esperado que ela seja menor em declividades acima de 20°. O limite de inclinação em Floresta Amazônica para emprego do trator skidder deve estar em torno de 17°. Já os caminhões carregados possuem restrição de uso em áreas com declividade acima de 9°.

Nos trópicos a relação da orientação da face e produtividade não é tão evidente como nas regiões temperadas. Isto se dá basicamente por que a proximidade com a linha do equador garante uma exposição solar homogênea constante ao longo de todo o ano. A exposição é determinada a partir da análise das oito células vizinhas. Cada célula recebe um determinado peso para o cálculo, assim, as células que se encontram nas direções x e y, em relação à célula central, recebem um peso maior do que as que estão localizadas na diagonal. O mapa de aspecto pode ser gerado em graus, ou reclassificado de acordo com os pontos cardeais e colaterais. A exposição solar (ou aspecto) é um dos fatores que influenciam na produtividade florestal, já que implica em maior ou menor incidência solar nas plantas. Devido à proximidade com a linha do equador, a face de exposição solar na área estudada pode não representar um problema quanto à produtividade. Atenção especial deve ser dada às áreas localizadas no hemisfério sul, abaixo do trópico de Capricórnio pois, estas recebem menos radiação solar na face de exposição voltada para o sul. Portanto, dependendo da latitude, o mapa de aspecto pode servir como base para justificar a produtividade florestal, para cálculo de riscos de incêndios e, até mesmo, para construção de estradas. Faces voltadas para o norte em latitudes maiores tem maior ganho energético solar e são mais secas, contribuindo para aumentar o número de ocorrência de incêndios.

aspect.png?raw=true

Apesar de não parecer, obter informações sobre a vegetação não é uma tarefa fácil quando se considera as grandes área de manejo. Geralmente, as informações sobre a floresta são obtidas por parcelas de inventário. Por se tratarem de condições de trabalho extenuantes e extremas, além de exigirem deslocamentos longos e demorados, emprega-se técnicas amostrais que permitem estimar informações da população a partir das amostras medidas. Isto faz com que as parcelas sejam espacialmente limitadas. A possibilidade de obter modelos digitais da vegetação abre uma grande oportunidade para o planejamento do manejo. Existem dois modelos digitais que podem ser comumente gerados: o modelo digital de superfície (MDS) e o modelo digital de altura de dossel (MDAD). Dados de sensores laser são capazes de gerar modelos digitais da superfície de alta resolução, chegando a valores submétricos. O modelo digital de alturas do dossel (MDAD) é criado removendo a elevação do terreno e assinalando ao pixel o maior valor de altura registrado.

chm.png?raw=true

A tecnologia LiDAR é capaz de caracterizar a estrutura vertical da vegetação e pode ser usada efetivamente no inventário florestal. O MDAD é um produto gerado pelo escaneamento laser e que pode ser empregado na detecção de árvores individuais, identificação de espécies através dos formatos das copas e para se obter medidas de diâmetro das copas. O uso do modelo de alturas ainda é um desafio para algumas aplicações, como a identificação precisa de árvores individuais mas, por outro lado, métricas extraídas desse modelo tem se apresentado consistentes para estimativas de carbono acima do solo. O MDAD mostrou que os maiores indivíduos (maiores valores de altura) estão nos locais mais baixos do relevo. Isso pode ser explicado pelo fato da exploração madeireira ter ocorrido nas regiões mais elevadas do MDT, próximas às estradas. Na porção mais elevada do MDT, o MDAD apresentou uma coloração azul predominante que se refere aos menores valores em altura. As métricas de altura derivadas do LiDAR são as mais comumente utilizadas e a densidade de pontos da nuvem LiDAR é um fator importante. Uma baixa densidade de pontos acaba prejudicando a detecção de árvores e pode comprometer estimativas de biomassa.

As próprias alturas medidas em campo apresentam erro que está, normalmente, associado com a dificuldade de se identificar o ápice da copa das árvores visualmente. As alturas eram subestimadas para áreas de floresta madura e discutem que essa diferença está relacionada, também, com a qualidade do MDT. Em área com cobertura florestal madura o MDT foi superestimado em 1.01 metros (RMSE 1.95 m) o que acaba cortando a base das árvores quando o MDAD é calculado. Para áreas de florestas densas e terrenos complexos recomenda-se uma densidade mínima de 4 pontos por metro quadrado para que o MDT mantenha uma qualidade suficiente para não resultar em modelos inadequados de alturas do dossel. Maior precisão nas médias de alturas são encontradas em dados de escaneamento laser que nas alturas medidas de campo.

Os valores de alturas obtidos com o MDAD foram utilizados para estimar a biomassa acima do solo. Esse modelo é considerado robusto e utiliza a métrica TCH, do inglês top of canopy height. A métrica TCH representa a distância entre o solo até a parte superior do topo da copa dentro de um grid e é considerada minimamente sensível aos diferentes sensores LiDAR e às características do sobrevoo.

biomassa.png?raw=true

Essa métrica corresponde ao valor médio de altura de 2500 pixels do MDAD, cuja resolução inicial é de 1 $m^2$. Assim, ao se obter o valor médio, a resolução final do mapa de biomassa passa para 50x50 m: $BAS_{TCH} = (0.054*TCH^{1.76})*2$, em que é a biomassa acima do solo estimada, é a métrica de altura média do topo da copa, 0,054 e 1,76 são os parâmetros estimados e, 2 é o fator de conversão de carbono para biomassa.

Equações para estimar a biomassa do fuste de árvores potencialmente comerciais na Amazônia brasileira utilizaram como variáveis dados obtidos em campo, como o DAP e densidade básica da madeira, e dados de altura e de copa obtidos do escaneamento LiDAR, como área de projeção da copa, manta da copa e volume da copa. Neste trabalho, os autores encontraram bons ajustes para estimar a biomassa das árvores dominantes e codominantes. Em equações ajustadas para uma variação inter-regional em floresta tropical, a métrica LiDAR TCH sozinha explicou 56\% da variação da estimativa de carbono acima do solo obtidas em campo. Contudo, quando somadas ao TCH as variáveis mensuradas em parcelas de inventário, como diâmetro e densidade da madeira, 92\% da variação foi explicada.

O uso de dados de campo para calibrar dados de sensoriamento remoto é importante para que, depois disso, possa se tornar prático o uso de equações para determinar a biomassa em ampla escala na Amazônia. As métricas derivadas do LiDAR foram melhores na predição de biomassa que aquelas obtidas de sensores hiperespectrais em uma área de floresta tropical na Costa Rica. Nas parcelas que foram utilizadas as variáveis de sensores hiperespectrais, o melhor ajuste utilizando duas variáveis como preditoras (índice de vegetação melhorada e o ìndide de banda de água) apresentou um R2 de 0,68 e o RMSE de 64,4 Mg/ha. Quando ajustados os modelos de estimativa de biomassa com variáveis tanto do LiDAR quanto do sensor hiperespectral, o melhor ajuste apresentou um R2 de 0,91 e o RMSE de 35,8 Mg/ha. Nesse caso foram combinadas as variáveis média do percentil 95 e índice de reflexão da senescência da planta. Utilizar dados LiDAR e sensores hiperespectrais será importante para determinar os parâmetros de futuros sensores espaciais. A busca por estimativas precisas de biomassa é importante para monitorar a dinâmica de carbono em regiões tropicais.

Os estoques de carbono em florestas manejadas tendem a ser menores do que em florestas intactas e, a magnitude das diferenças dependem do tipo de manejo e do tempo decorrido desde que ele aconteceu. Para a fazenda Cauaxi, os valores médios de carbono acima do solo em kg.m-² de 20,45+-0,16 na floresta intacta, 16,21+-0,33 em área de exploração de impacto reduzido (EIR) realizada em 2006, 17,30+-0,27 na EIR em 2007, 17,44+-0,25 na EIR em 2008 e 18,30+-0,29 na EIR em 2010.

Métricas simples de altura de copa derivadas do LiDAR tem uma boa capacidade de estimar biomassa sobre uma gama de valores. A métrica TCH, utilizada como exemplo de aplicação neste estudo, foi capaz de obter boas estimativas do estoque de carbono até mesmo para pequenos valores de biomassa e apresentou um R2 de 0,67 na estimativa da densidade de carbono acima do solo.

tch.png?raw=true

A partir do MDAD foi possível isolar as copas mais altas do modelo. Para isso, aplicou-se valores nulos a todas as alturas menores que 40 metros, deixando apenas as árvores com dossel igual ou acima desse valor no raster. Esse produto pode ser utilizado para monitorar mudanças no dossel da floresta onde sobrevoos ocorreram antes e depois da exploração.

height_40.png?raw=true

O algoritmo utilizado para a localização das árvores dominantes e codominantes varreu o MDAD por meio de uma janela de busca fixada em 10000 metros (1 ha). A definição do tamanho da janela de busca se deu por meio da tentativa e erro com o objetivo de localizar aproximadamente 20 árvores por hectare (o equivalente ao número de árvores com DAP >= 50 cm). Dependendo do objetivo, o sucesso na identificação da localização das árvores usando o filtro de máximo local é dependente do tamanho da janela utilizada. No processamento, a janela de busca se move sobre o MDAD analisando os pixels contidos nela para determinar se o pixel no centro da janela é um pixel de máximo local. Caso ele seja classificado como de máximo local, a ele é atribuído uma marcação de topo da árvore. Após localizadas as árvores dominantes e codominantes, aplicou-se um filtro para isolar as maiores árvores restando uma quantidade aproximada de 6 árvores por hectare.

O MDAD permitiu isolar as copas de árvores com altura igual ou superior a 40 metros. Foram encontradas uma redução de 4,1% das copas mais altas quando comparados os anos de 2010 e 2011. O LiDAR, mesmo na exploração de baixo impacto, é sensível a ponto de quantificar mudanças em nível de sub-bosque e copa. Em florestas (ou pontos de arrastes) com pouca densidade de árvores de interesse, o tempo de ciclo e os custos da colheita aumentam. Por isso, é importante um conhecimento prévio do potencial madeireiro para se planejar toda a infraestrutura necessária. Estimar precisamente o número de árvores por hectare utilizando levantamento LiDAR ainda é um desafio, entretanto, essa tecnologia provou que pode ser usada para medir a altura de árvores dominantes e codominantes em florestas.

O mapeamento das clareiras foi obtido através da reclassificação do MDAD, sua conversão para polígono e a filtragem das áreas de acordo com os valores. De acordo com esses autores, para que uma abertura no dossel seja considerada uma clareira devem possuir áreas iguais ou superiores a 10 m² no estrato da floresta que compreende os 10 primeiros metros de altura. A presença de clareiras em áreas onde não ocorreu a exploração madeireira reforça que boa parte das clareiras, em áreas de floresta bem conservada, ocorrem naturalmente. Registros indicam que em florestas em estágio avançado de conservação como a Floresta Nacional do Tapajós, no Pará, e a Reserva Ducke, no Amazonas, a porcentagem de clareiras naturais foram de 4,8% e 2%. No estudo realizado na Floresta Nacional do Jamari, em Rondônia, e na Floresta Nacional de Saracá-Taquera, no Pará, a média de ocorrência de clareiras naturais foi de 3,7% +- 1,3%. Enquanto isso, as clareiras decorrentes do manejo florestal sustentável para as mesmas áreas alcançaram o valor médio de 4,9% +- 0,9%. Como descrito na metodologia, o tamanho mínimo de uma clareira foi definido como maior ou igual a 10 m², entretanto, as clareiras pela derrubada de árvores em áreas de manejo florestal apresentam uma abertura típica de dossel de 25 m².

gaps.png?raw=true

Independente do tamanho da abertura do dossel, para determinar a quantidade de clareiras decorrentes do manejo florestal seria necessário a cobertura LiDAR multitemporal. Dados LiDAR multitemporais permitem a detecção de eventos raros, mas espacialmente extensos, bem como aqueles com alta taxa de rotatividade. Considerando um erro posicional de 20 metros do aparelho GNSS, 93,3% das árvores abatidas nas áreas estudadas foram interceptadas pelo dano no dossel mapeado com o LiDAR multitemporal. Desconsiderando a análise multitemporal e avaliando os impactos causados pela abertura de clareiras, tanto naturais quanto decorrentes da exploração em áreas de floresta amazônica, o valor médio foi de 7,8% +- 1,4%. Vale ressaltar que nesse caso, a coleta de dados LiDAR foi realizada no mesmo ano da exploração. Para a fazenda Cauaxi, este estudo mostrou que em áreas exploradas a aproximadamente 4 e 2 anos antes da varredura laser a porcentagem das áreas ocupadas por clareiras foram de 7,20% e 7,48%, respectivamente. Nos resultados, a área cuja exploração ocorreu em 2012 pode não apresentar o valor real de clareiras, visto que, essa área estava sendo explorada no ano do escaneamento laser aerotransportado.

O perfil vertical do dossel (PVD) foi computado considerando os retornos da nuvem de pontos normalizada. O PVD representa a distribuição vertical dos pontos laser em intervalos de alturas, os quais podem ser representados pelas suas distribuições empíricas ou por funções probabilísticas. Assim, foi possível calcular a distribuição dos pontos do escaneamento laser dentro de células de 50x50 m. Foi ajustada uma função de distribuição acumulada Weibull de dois parâmetros para o estrato superior da floresta (> que 10 metros de altura) e outra função para o estrato inferior da floresta (<= 10 metros de altura). Os mapas foram construídos com os parâmetros obtidos para cada célula de 50x50 m: $F(h) = 1 - exp(-(\frac{h}{\beta})^\gamma)$ em que é o centro da classe das distribuições de altura, é o parâmetro de forma e é o parâmetro de escala da função Weibull. A função Weibull tem sido empregada para descrever a distribuição vertical dos valores de altura devido à sua flexibilidade e tem gerado resultados satisfatórios no que diz respeito à caracterização da estrutura vertical de florestas.

Alguns produtos LiDAR têm sido, especificamente, empregadas no monitoramento de florestas tropicais sob regime de exploração, dentre elas o modelo de densidade relativa (MDR), o modelo de dossel mais alto e o mapeamento de clareira. Além dessas formas de avaliação, nos resultados foi apresentado o perfil vertical do dossel, representado por uma função de distribuição Weibull, como mais uma fonte de informação para o monitoramento do impacto e da recuperação das florestas.

O perfil vertical de dossel de uma Floresta Ombrófila Densa e conseguiram agrupar esses perfis em baixo, médio-baixo, médio-alto e alto. O agrupamento foi coerente com a variação da topografia e com outros levantamentos em campo já realizados no mesmo local. A representação resultante da estrutura vertical da vegetação e feições topográficas acima do terreno contribuem para o entendimento das características funcionais e processos da superfície da terra.

A função Weibull tem se ajustado muito bem à frequência de distribuição em classes de altura permitindo, por exemplo, a diferenciação do perfil de altura de tipologias vegetacionais diversas. A correlação entre os parâmetros da Weibull e atributos florestais importantes, como copa e diâmetro, fornece um mecanismo para estimar características complexas da copa em parâmetros simples que podem ser empiricamente analisados.

Ao analisarem a estrutura vertical da floresta utilizando uma única função para representar copa e sub-bosque, consideraram que os maiores valores do parâmetros de forma se relacionavam a uma dominância dos retornos da copa em relação aos retornos do solo. Em Floresta Ombrófila Densa o parâmetro de escala foi menor (17,50) quando comparado com o de Floresta Ombrófila Aberta (22,74). O aumento do parâmetro de escala, nesse caso, pode indicar uma redução da complexidade estrutural no perfil vertical. Em áreas marcadas por uma estrutura complexa, uma única distribuição Weibull pode não capturar completamente toda a heterogeneidade vertical sendo aconselhado, nesse caso, um ajuste de uma função para os componentes da copa e outra para o sub-bosque.

Como visto anteriormente, a floresta é formada por árvores que ocupam diferentes estratos de altura. O manejo pode impactar tanto com o aumento de eventos de clareira, resultado do corte de uma árvore e sua queda sobre as demais. Outra forma de impacto é a remoção de árvores do estrato inferior como por exemplo quando ocorre a abertura de um ramal de exploração. O impacto nesse caso, assemelha-se a uma broca da madeira, uma vez que o estrato superior da floresta não é impacto.

Uma das ferramentas que auxilia o manejo floresta a detectar área de maior ou menor densidade de subdossel é o modelo digital de densidade relativa (MDR). A densidade relativa de dossel é obtida pela divisão do número de amostras dentro de um intervalo vertical pelo número total de amostras a partir da superfície até o limite superior desse intervalo. O modelo digital de densidade relativa é geralmente computado considerando o limite superior de 5 metros e altura de corte (limite inferior) de 1 metro. O tamanho da célula assemelha-se do modelo digital de terreno. É evidente os ramais existentes, bem como regiões de vazios ao longo da floresta. Do ponto de vista do planejamento do manejo, é essencial que novas explorações aproveitam os ramais já existentes, bem como áreas do dossel que já sofreram algum tipo de impacto, deixando os remanescente o mais intocado possível.

mdr.png?raw=true

O MDR permite obter informações relevantes ao manejo como a extensão de ramais e trilhas e consequentemente a densidade de estradas, que por sua vez expressa ocupação da área por ramais em metros por hectare (m.ha-1) . Além de evidenciar as estradas, o mapa de MDR permite o mapeamento das áreas abertas que podem atuar como pátios de estocagem de madeira. É possível ainda determinar a zona impactada associada às operações de abertura de estradas e pátios por meio de um buffer. Para as estradas principais pode ser considerado como 6 metros e, para as demais, como 4 metros. Nos pátios o buffer de 20 metros deve ser aplicado.

O MDR contém em cada célula a porcentagem de retornos abaixo do limite máximo do estrato de altura que caíram entre o limite máximo e mínimo do estrato. As células com baixos valores de porcentagem no mapa correspondem às áreas onde a vegetação foi removida ou derrubada durante o processo de construção de estradas, trilhas de arraste e pátios, ou pela abertura de clareiras devido à derrubada de árvores. De uma maneira semelhante, uma métrica que representa a proporção de retornos do estrato analisado em relação aos retornos totais. Esse cálculo faz com que as áreas que têm pouca, ou nenhuma cobertura vegetal, aparecem com altos valores de proporção de retornos. Com o modelo de densidade relativa pode-se observar as perturbações causadas pela exploração madeireira e, também, aquelas que ocorrem naturalmente. Utilizando o MDR e realizando a classificação manual do impacto em áreas onde ocorreram exploração seletiva de madeira, nos estados de Rondônia e Pará, encontrou um valor médio do dano total ao sub-bosque de 6,8%. A área impactada foi de 58.4 ha (15,4%) da unidade de manejo em Antimary, estado do Acre, onde foi realizada colheita seletiva.

As diferenças na estrutura do dossel e na densidade do sub-bosque florestal em áreas exploradas em diferentes anos e em áreas florestais intactas. Os autores encontraram evidências de infraestrutura viária em algumas áreas com designação de não exploradas na época da aquisição dos dados LiDAR. Outro ponto importante é que o impacto está associado com a intensidade da exploração. Quanto mais árvores por hectare exploradas, mais estradas, trilhas e clareiras serão abertas. A construção de infraestrutura de dois a três anos antes do início da exploração é um procedimento recomendável nas operações florestais, a fim de garantir a compactação das estradas. A identificação de estradas e trilhas de arraste pode ser potencializada com o uso dos mapas sombreados. Eles são importantes por apresentarem detalhes da topografia e pela noção de profundidade do terreno. Além da malha viária, foi possível visualizar características do relevo e as feições que no mapa de declividade se apresentaram como artefatos.

rdm.png?raw=true

É importante ressaltar que o MDR não consegue diferenciar áreas onde ocorreram perturbações naturais, como abertura de clareiras pela queda natural de árvore, de área exploradas. Portanto, para quantificar a área impactada deve-se considerar o contexto, como por exemplo a proximidade a trilhas de arraste. Sendo assim, é provável que as áreas que apresentaram baixo valor de MDR e que estão próximas das estradas, trilhas e pátios, são as áreas impactadas desde que o método de colheita tenha utilizado tratores e caminhões. Já as clareiras naturais são elementos fundamentais da dinâmica de crescimento e distribuição de espécies nas florestas tropicais. A maneira mais eficaz para mapear o dano ao dossel e ao sub-bosque depende da cobertura LiDAR multitemporal. O sobrevoo LiDAR antes e depois da exploração permite entender e mapear as alterações que são decorrentes do manejo florestal em si.

As estradas, no contexto do manejo florestal, são essenciais pois fornecem acesso aos produtos florestais e, além de questões econômicas, desempenham importante papel socioambiental na vida das comunidades. No manejo florestal sustentável, o recomendado é uma abertura de 10 metros de largura para estradas principais e para as estradas secundárias de 6 metros. Desses valores, a largura trafegável devem ser de 6 e 4 metros, respectivamente. Estradas digitalizadas manualmente no MDT, obtido pelo escaneamento laser, comparadas com as linhas centrais das estradas obtidas em campo foram coerentes. Das vantagens da digitalização manual têm-se a capacidade de interpretação humana que permite combinar diversas informações espaciais fragmentadas e agrupá-las em um padrão linear consistente. 95% das estradas derivadas do MDT-LiDAR uma diferença entre a realidade de campo que não superou 1,5 metros. Os outros 5% superaram os 1,5 metros mas não ultrapassaram os 2,0 metros de diferença . Ao validar o mapeamento manual da infraestrutura obtida com o LiDAR com o mapeamento em campo, encontrou uma acurácia posicional dos danos da floresta, considerando um erro de 20 metros do aparelho GNSS, de 86,5% para trilhas de arraste, 97,2% para estradas secundárias, 99,0% para as estradas principais e de 100% para os pátios.

trilhas_arraste.png?raw=true

A exploração seletiva segue um padrão onde as estradas estão interligando os pátios de estocagem, que por sua vez irradia as trilhas de arraste. As trilhas de arraste, devem ser preferencialmente retilíneas e com 4 metros de largura. Além disso, relacionaram a construção de estradas florestais com o deslizamento de detritos e recomendaram a construção nas partes altas do terreno, evitando-se locais de possível acúmulo de água. Fato que pode ser facilitado com a adoção das microbacias como referência para definição das UPA, uma vez que os divisores de água serviriam também como limites entre elas. É recomendado que a intensidade máxima de estradas secundárias, a abertura de pátios de estocagem e a área aberta pelas trilhas de arraste não ultrapassem 1%, 0,75% e 6% da área total manejada, respectivamente. Os resultados mostram que, para as estradas secundárias e trilhas de arraste somadas, a área aberta dentro da zona tampão estabelecida, foi de 1,32%. Para os pátios a área definida como tampão não ultrapassou os 0,52%. A escolha dos valores da zona tampão pode ser adaptada de acordo com a necessidade de cada estudo. Da mesma forma, a intensidade de trilhas, estradas e pátios dependem de uma série de fatores como declividade, quantidade de APP, produtividade da floresta, distância das árvores a serem exploradas, custo de abertura das estradas etc. Com dados LiDAR multitemporais é possível mapear as mudanças ocorridas na floresta antes e depois da exploração de madeira. De 2010 para 2011, em uma área sob manejo no Acre, houve um aumento de 17\% da área impactada pela abertura de estradas, trilhas, pátios e clareiras devido à derrubada de árvores.

Salvo indicação em contrário, o conteúdo desta página é licenciado sob Creative Commons Attribution-ShareAlike 3.0 License