ARQUIVO DE NOTÍCIAS

 O doutorando Paolo Moser, do Programa de Pós-graduação em Engenharia Ambiental da FURB, apresenta nesta quinta-feira (28-05), às 13h30min, no auditório do Campus II, o seminário intitulado “Métodos estatísticos e computacionais para a estimação  de atributos florestais  a partir de dados de inventário terrestre e dados Lidar”. A pesquisa foi orientada pelo Prof. Dr. Alexander Christian Vibrans.

 

Neste trabalho, constatou-se que a  quantificação do estoque de carbono é fundamental para a implantação de políticas ambientais como o Protocolo de Kyoto e os protocolos de redução de emissões reduzidas do desfloramento e degradação (REDD+) endorsados pela organização das nações unidas.

 

 Esta quantificação é em geral feita a partir do cálculo de biomassa existente nos remanescentes florestais. Os métodos tradicionais para o cálculo de biomassa baseiam-se no uso de modelos alométricos, que requerem um intensivo esforço das equipes de campo e de laboratório para obtenção de variáveis que permitam tal estimativa. O sensoriamento remoto pode ser uma alternativa a este esforço. Técnicas contemporâneas, como o LiDAR (Light Detection and Ranging), têm permitido estimativas acuradas do dossel florestal e de sua estrutura vertical, oferecendo métricas que permitem a inferência da biomassa com relativa acurácia. Como estas métricas não estão diretamente relacionadas com as variáveis dendrométricas medidas in-situ, faz-se necessário o uso de métodos estatísticos computacionais que possam estabeleça uma relação.

 

Dentre estes, Regressão Linear e Não-Linear, Algoritmo Genético (GA), Rede Neural Artificial (ANN), k-Vizinhos Mais próximos (k-NN), Florestas Aleatórias (RF) e Máquinas de Vetores Suporte (SVM) representam potenciais algoritmos para as estimativas desejadas. Estudos que façam uso destes métodos em dados LiDAR ainda são incipientes e desafiadores no sentido de estabelecer uma metodologia coerente que torne o processo de estimativa mais acurado e econômico. Aspectos como a técnica mais adequada, o melhor subconjunto de variáveis, os paradigma do processo de estimação e os mecanismos de erros precisam ser clarificados com o objetivo de fornecer estimativas confiáveis baseadas em dados LiDAR. O principal objetivo desta tese é desenvolver rotinas utilizando os algoritmos supracitados de maneira a contribuir com o avanço das estimativas de biomassa baseada em dados de diferentes regiões do globo terrestre.

 

Os objetivos específicos são quatro: (1) Revisar e comparar as técnicas computacionais de forma a encontrar a mais eficiente; (2) Desenvolver um método para seleção de variáveis de entrada que evitem superajustamento nas estimativas; (3) Explorar o paradigma de inferência baseado em modelo para permitir estimativas de biomassa em experimentos baseados em planejamento não-probabilístico; (4) Construir o mecanismo de propagação do erro acumulado nas predições LiDAR.