Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Pfutz, Iasmin Fernanda Portela, 1992-
Orientador(a): Pelissari, Allan Libanio, 1987-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Florestas - Métodos estatísticos
Dendrometria
Sensoriamento remoto
Teca (Árvore)
Teses
Recursos Florestais e Engenharia Florestal
Link de acesso: https://hdl.handle.net/1884/68507
Resumo: Orientador: Prof. Dr. Allan Libanio Pelissari
id UFPR_ecf53a4eeb65b3cf0e8ee066c72b47d9
oai_identifier_str oai:acervodigital.ufpr.br:1884/68507
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Pfutz, Iasmin Fernanda Portela, 1992-Dalla Corte, Ana Paula, 1980-Caldeira, Sidney FernandoUniversidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia FlorestalPelissari, Allan Libanio, 1987-2021-09-23T17:15:46Z2021-09-23T17:15:46Z2020https://hdl.handle.net/1884/68507Orientador: Prof. Dr. Allan Libanio PelissariCoorientadores: Profa. Dra. Ana Paula Dalla Corte e Prof. Dr. Sidney Fernando CaldeiraDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa : Curitiba, 17/02/2020Inclui referências: p. 67-75Área de concentração: Manejo FlorestalResumo: A teca é uma espécie de alto valor para plantios florestais para a produção sustentável da indústria de base florestal brasileira ao mesmo tempo que reduz a pressão da exploração de florestas nativas. Para o desenvolvimento de planos de manejo em bases sustentáveis, é necessário o conhecimento detalhado e adequado de suas variáveis obtidas a partir de inventários florestais. Nesse sentido, a geoestatística tem sido testada e aplicada para direcionar a condução dos plantios de teca. Contudo, tem-se verificado que, para o aumento da precisão das estimativas de crescimento e de produção em nível espacial, deve-se incluir covariáveis nas modelagens geoestatísticas, em pesquisas que identifiquem e recomendem as melhores variáveis. Dessa forma, este trabalho teve como objetivo mapear a distribuição espacial de variáveis dendrométricas obtidas a partir do inventário florestal em povoamento de teca, por meio da inclusão de covariáveis de sensoriamento remoto na modelagem geoestatística. Mediante um inventário florestal executado em 213 ha de plantio de teca, em 46 unidades amostrais de 900 m² foram obtidas as variáveis: volume do povoamento, área basal, média aritmética dos diâmetros a 1,3 m do solo, diâmetro médio quadrático, diâmetro dominante, média aritmética da altura total e altura dominante. Para avaliar a integração de variáveis do sensoriamento remoto ao inventário florestal, foram processadas imagens do satélite Landsat 8 sensor OLI para obtenção das seguintes covariáveis: razão simples, índice de vegetação da diferença normalizada, índice de vegetação melhorado, índice de vegetação ajustado ao solo, índice de vegetação resistente à atmosfera, índice de vegetação resistente à atmosfera na região do visível, primeira componente principal e transformação tasseled cap. Após a obtenção das variáveis do povoamento e de sensoriamento remoto, foram aplicados os métodos de krigagem simples e ordinária, cokrigagem ordinária e krigagem com deriva externa. A seleção dos melhores ajustes foi feita com base na menor soma dos quadrados dos desvios ponderados, no menor coeficiente de determinação e na validação cruzada. A krigagem simples, apesar de pouco explorada nas ciências florestais, gerou predições com baixos erros de estimação e semelhantes à krigagem ordinária, porém com maiores tendências nas estimativas, enquanto a cokrigagem ordinária mostrou-se inadequada para a predição dos padrões espaciais do povoamento de teca por meio de índices de sensoriamento remoto. Para o método de krigagem com deriva externa, apenas a variável diâmetro médio quadrático apresentou estatísticas de validação melhores que os outros métodos, porém, ao observar as medidas de viés, ela não superestimou consideravelmente os valores das variáveis do povoamento nas unidades amostrais, comparativamente aos outros métodos de krigagem. Assim, a krigagem com deriva externa permite predições dos padrões espaciais com maior nível de detalhamento, o que resulta em minimização de possíveis erros de suavização gerados pelos métodos tradicionais de krigagem simples e ordinária. Portanto, proporciona também recomendações mais precisas de intervenções localizadas ao manejo de plantios de teca, corroborando com as hipóteses formuladas nesta pesquisa. Palavras-chave: Cokrigagem ordinária. Geoestatística multivariada. Krigagem com deriva externa. Krigagem universal. Teca.Abstract: Presenting as an alternative to forest plantations of high economic value species, teak offers a sustainable option for the Brazilian forest-based industry, also reducing the pressure of native forest exploitation. To develop management plans on a sustainable basis, detailed and adequate knowledge of their variables obtained from forest inventories is required. In this context, geostatistics has been tested and applied to guide the conduction of teak stands. However, it has been verified that to increase the accuracy of growth and production estimates at spatial level, covariates should be included in the geostatistical modeling, in which researches that identify and recommend the best variables is required. Thus, this study aimed to map the spatial distribution of forest variables obtained from forest inventory in teak stands, by including remote sensing covariables in geostatistical modeling. Through a forest inventory carried out on 213 ha of teak stand, in 46 sample units of 900 m² the following variables were obtained: stand volume, basal area, diameter at breast height, quadratic mean diameter, dominant diameter, total height and dominant height. In order to evaluate the integration of remote sensing variables and forest inventory, Landsat 8 OLI sensor satellite images were processed to obtain the following covariates: simple ratio, normalized difference vegetation index, improved vegetation index, soil adjusted vegetation index, atmospheric resistant vegetation, visible atmospheric resistant vegetation index, first principal component and tasseled cap transformation. After obtaining the stand and remote sensing variables, methods of simple kriging and, ordinary kriging, ordinary cokriging and kriging with external drift were applied. The selection of the best adjustments was made based on the smallest weighted sum of squares of deviations, lowest coefficient of determination and crossvalidation. Simple kriging, although rarely explored in the forest sciences, produced predictions with low estimation errors and similar to ordinary kriging, but with greater estimates tendencies, while ordinary kriging was inadequate to predict teak stand spatial patterns by means of remote sensing indices. For the kriging with external drift, only the quadratic mean diameter variable showed better validation statistics than the other kriging methods, however, when the bias measures were observed, it did not significantly overestimate the stand variables values in the sample units when compared to other kriging methods. Thus, kriging with external drift allows spatial pattern predictions, resulting in minimization of possible smoothing errors produced by traditional simple and ordinary kriging methods. Therefore, it also provides more accurate recommendations for localized interventions for teak stand management, corroborating the hypotheses formulated in this research. Keywords: Ordinary cokriging. Multivariate geostatistics. Kriging with external drift. Universal kriging. Teak.82 p. : il. (algumas color.).application/pdfFlorestas - Métodos estatísticosDendrometriaSensoriamento remotoTeca (Árvore)TesesRecursos Florestais e Engenharia FlorestalModelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - IASMIN FERNANDA PORTELA PFUTZ.pdfapplication/pdf7371462https://acervodigital.ufpr.br/bitstream/1884/68507/1/R%20-%20D%20-%20IASMIN%20FERNANDA%20PORTELA%20PFUTZ.pdfa9c98f4763dc05bf854fdeb676150bdbMD51open access1884/685072021-09-23 14:15:46.246open accessoai:acervodigital.ufpr.br:1884/68507Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082021-09-23T17:15:46Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
title Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
spellingShingle Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
Pfutz, Iasmin Fernanda Portela, 1992-
Florestas - Métodos estatísticos
Dendrometria
Sensoriamento remoto
Teca (Árvore)
Teses
Recursos Florestais e Engenharia Florestal
title_short Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
title_full Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
title_fullStr Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
title_full_unstemmed Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
title_sort Modelagem geoestatística associada à variáveis dendrométricas e de sensoriamento remoto para predição espacial em povoamento de Tectona grandis L. f.
author Pfutz, Iasmin Fernanda Portela, 1992-
author_facet Pfutz, Iasmin Fernanda Portela, 1992-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Dalla Corte, Ana Paula, 1980-
Caldeira, Sidney Fernando
Universidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia Florestal
dc.contributor.author.fl_str_mv Pfutz, Iasmin Fernanda Portela, 1992-
dc.contributor.advisor1.fl_str_mv Pelissari, Allan Libanio, 1987-
contributor_str_mv Pelissari, Allan Libanio, 1987-
dc.subject.por.fl_str_mv Florestas - Métodos estatísticos
Dendrometria
Sensoriamento remoto
Teca (Árvore)
Teses
Recursos Florestais e Engenharia Florestal
topic Florestas - Métodos estatísticos
Dendrometria
Sensoriamento remoto
Teca (Árvore)
Teses
Recursos Florestais e Engenharia Florestal
description Orientador: Prof. Dr. Allan Libanio Pelissari
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-09-23T17:15:46Z
dc.date.available.fl_str_mv 2021-09-23T17:15:46Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/68507
url https://hdl.handle.net/1884/68507
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 82 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/68507/1/R%20-%20D%20-%20IASMIN%20FERNANDA%20PORTELA%20PFUTZ.pdf
bitstream.checksum.fl_str_mv a9c98f4763dc05bf854fdeb676150bdb
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526080103055360

Registros relacionados