REGRESSÕES ROBUSTA E LINEAR PARA ESTIMATIVA DE BIOMASSA VIA IMAGEM SENTINEL EM UMA FLORESTA TROPICAL

Aline Bernarda Debastiani, Marks Melo Moura, Franciel Eduardo Rex, Carlos Roberto Sanquetta, Ana Paula Dalla Corte, Naiara Pinto

Resumo


A preocupação com as mudanças climáticas globais tem motivado diversos pesquisadores a encontrar métodos eficazes para a quantificação de biomassa florestal e carbono estocado em florestas tropicais, uma vez que, estas atuam de forma mitigatória e compensatória desses efeitos. O sensoriamento remoto tem sido utilizado de forma eficaz e com grande potencial para a estimativas em larga escala, com destaque para dados de Radar de Abertura Sintética (SAR) e imagens multiespectrais. Os estudos já desenvolvidos com essa finalidade utilizaram diversas técnicas para associar a biomassa acima do solo (AGB) com os dados obtidos por sensoriamento remoto, entretanto, a aplicação da regressão robusta ainda não está sendo utilizada para tal finalidade. Sendo assim, o objetivo do presente estudo é avaliar o desempenho da regressão robusta comparando com a regressão linear que é tradicionalmente utilizada, além de avaliar o potencial da utilização dos dados oriundos do satélite Sentinel 1 e 2. Neste âmbito, foram utilizadas imagens multiespectrais (Sentinel 2), imagem SAR (Sentinel 1) e como variável resposta a AGB obtida a partir de dados Light Detection and Ranging (LiDAR). A AGB foi estimada por dois métodos de regressão: robusta e linear. Os modelos de regressão robusta e linear apresentaram desempenho semelhante, com R²aj. variando entre 0,33 a 0,34, erro padrão da estimativa de 48 Mg.ha-1 e raiz do erro médio quadrático de 16%. Conclui-se que não houve diferença significativa entre a regressão linear e a regressão robusta para esse conjunto de dados, indicando que a regressão não é influenciada por possíveis outliers e que existe potencial na utilização de dados oriundos do satélite Sentinel.


Palavras-chave


Amazônia, multiespectral, quantificação, SAR

Texto completo:

PDF


DOI: http://dx.doi.org/10.5380/biofix.v4i2.62922

Apontamentos

  • Não há apontamentos.


Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

BIOFIX Scientific Journal. ISSN Eletrônico (e-ISSN): 2525-9725

SJIF 2016 (Scientific Journal Impact Factor): 3.973

Indexado em (Indexed on): 

     

                    

         

  

    

   

      

Biblioteca Virtual de Biotecnología para las AméricasHsH - BibliothekSJIFactor


Todos os conteúdos desta revista estão licenciados sob uma Licença Internacional Creative Commons 4.0 (CC BY 4.0)

All the contents of this journal is licensed under a Creative Commons 4.0 Internacional License (CC BY 4.0)


Flag Counter