Integração sensoriamento remoto e geoestatística para avaliação da produção de povoamentos de Tectona grandis

Abstract

Resumo: No Brasil, atualmente há aproximadamente 93 mil hectares com Tectona grandis, espécie originária da Ásia e valiosa pela qualidade da madeira. O uso de sensoriamento remoto é uma alternativa viável para associar dados de inventário florestal, como o volume, com índices de vegetação, obtidos, a partir de imagens de satélite. Devido à necessidade nutricional da T. grandis, especialmente Potássio e Cálcio, pesquisas quantitativas sobre sua produção e produtividade são essenciais para o planejamento do manejo de precisão. O objetivo geral deste trabalho foi aplicar ferramentas estatísticas e geoestatísticas no estudo da produção e produtividade de um povoamento comercial de T. grandis com o auxílio de variáveis de sensoriamento remoto e atributos químicos do solo. Foi realizado um inventário florestal, com a medição dos diâmetros e alturas totais em 46 unidades amostrais de 900 m2 para a estimativa do volume do povoamento. Os índices de vegetação foram obtidos a partir de imagens Sentinel e os atributos químicos do solo pelas amostras de solo coletadas nas parcelas. Foram aplicados métodos geoestatísticos de krigagem ordinária e cokrigagem ordinária, além da regressão por componentes principais. Na krigagem ordinária, o efeito pepita puro foi registrado para os índices de vegetação IPVI, NDI11 e NDVIRR e para as variáveis do solo P e H+Al. Correlação inversa foi observada entre a variável CHR e volume do povoamento. Houve similaridade nas distribuições espaciais entre as variáveis do povoamento e os atributos químicos do solo. Na região central e noroeste, foram observados os maiores valores de volume do povoamento, altura dominante e atributos químicos do solo, com exceção do Mg e K, nas regiões Leste e Sudoeste os menores valores para as todas as variáveis analisadas. Com a Regressão por Componentes Principais, houve ganho na qualidade do ajuste e destaque da importância de componentes como CTC, MO, Ca, DAP e Mg na explicação da variabilidade do volume e da altura do povoamento. A inclusão de atributos químicos do solo na modelagem geoestatística, juntamente com a aplicação de técnicas como cokrigagem ordinária e regressão por componentes principais, melhorou a precisão das estimativas do povoamento. Há relação espacial entre a produção volumétrica com os índices de vegetação, e podem ser utilizados para o monitoramento e como indicativo da qualidade produtiva do povoamento

Abstract: Currently, in Brazil, there are approximately 93,000 hectares of Tectona grandis, a species native to Asia and valued for the quality of its wood. Remote sensing is a viable alternative to associate forest inventory data, such as volume, with satellite images using vegetation indices. Due to the nutritional needs of T. grandis, especially Potassium and Calcium, quantitative research on its production and productivity is essential for precision management planning. The main aim of this study was to apply statistical and geostatistical tools to the study of production and productivity of a commercial T. grandis stand with the help of remote sensing variables and soil chemical attributes. A forest inventory was conducted, measuring diameters and total heights in 46 sample units of 900 m² to estimate the volume of the stand. Vegetation indices were obtained from Sentinel images and soil chemical attributes from collected soil samples. Geostatistical methods of ordinary kriging and ordinary cokriging, as well as principal component regression, were applied. In ordinary kriging, the pure nugget effect was recorded for the vegetation indices IPVI, NDI11, and NDVIRR and for the soil variables P and H+Al. An inverse correlation was observed between the variable CHR and the volume of the stand. The stand variables and soil chemical attributes showed similarity in their spatial distributions. In the central and northwest regions, the highest values of stand volume, dominant height, and soil chemical attributes were observed, except for Mg and K. On the other hand, the eastern and southwestern regions showed the lowest values for all the analyzed variables. With Principal Component Regression, there was a gain in the quality of the fit and emphasis on the importance of components such as CEC, OM, Ca, DBH, and Mg in explaining the variability of stand volume and height. The inclusion of soil chemical attributes in geostatistical modeling, along with the application of techniques such as ordinary cokriging and principal component regression, improved the accuracy of stand estimates. The vegetation indices showed a spatial relationship with the volumetric production of the stand and can be used for monitoring and as an indicator of the productive quality of the stand