Sensoriamento remoto e aprendizado de máquina aplicados a caracterização geoambiental e estrutural de floresta Amazônica

Abstract

A floresta Amazônica com sua enorme extensão e elevada biodiversidade fornece diversos serviços ecossistêmicos, como fixação de carbono, reciclagem de água, manutenção do clima e biodiversidade, além dos múltiplos recursos para a sociedade, tais como a madeira, energia, alimentos e plantas medicinais. O presente estudo teve como objetivo principal aplicar técnicas de sensoriamento remoto, através da integração de sensores ópticos, radar e laser orbital com ferramentas de aprendizado de maquinas para caracterização geoambiental e estrutural da floresta Amazônica. A área de estudo foi a Floresta Nacional do Purus (FNP) e entorno, na Amazônia Ocidental, onde ocorre o manejo florestal madeireiro comunitário de baixo impacto. O mapeamento geoambiental da FNP e entorno foi realizado com dados legados, de elevações e imagens Sentinel 2, através do algoritmo Randon Forest. Foi analisado ainda um gradiente de estrutura, diversidade e relações solo- vegetação entre três ambientes florestais da Floresta Amazônica: floresta de terra firme primária (TFP); floresta de terra firme sob regime de manejo florestal (MF); e floresta de várzea secundária (VZ). E ainda, foi investigado o uso dos dados do laser orbital GEDI (Global Ecosystem Dynamics Investigation) para investigar a estrutura florestal e os padrões de fenologia foliar em uma área típica da floresta Amazônica. As unidades geoambientais da FNP foram mapeadas com valor Kappa de 0,89 e com as seguintes proporções espaciais: Platôs Dissecados com Floresta de Terra- firme sobre Latossolos e Argissolos (54,7%); Encostas e Rampas com Florestas sobre Argissolos (37,1%); Planícies Aluviais Neossolos Flúvicos e Gleissolos (7,4%); Áreas antropizadas com uso da terra tradicional (0,5%); Praias e Corpos d’água (0,2%). O estudo da diversidade florística e estrutural indica que as áreas de TFP são altamente conservadas e com elevada riqueza de espécies florestais, enquanto as áreas de MF apresentaram número de indivíduos, riqueza e diversidade de Shannon, similar à TFP, evidenciando a baixa intensidade e impacto reduzido do manejo florestal madeireiro de base comunitária. As áreas de VZ apresentaram os menores parâmetros estruturais e de riqueza entre os ambientes estudados na FNP. As métricas GEDI apresentaram diferenças significativas entre o ambiente de terra- firme primária e terra-firme em regime de manejo florestal. Além disso, as métricas GEDI estratificadas nos geoambientes da FNP permitiram uma avaliação e distinção da estrutura florestal, também associados aos dados de campo dessas unidades de paisagem na região amazônica. Além disso, os dados dos aspectos fenológicos dessas formações fitofisionômicas apontam um aumento da área foliar na entrada do período seco. As informações extraídas dos dados do GEDI podem ser aplicadas para avaliar a estrutura florestal entre fitofisionomias, bem como seu funcionamento ao longo do ano. Palavras-chave: GEDI; MANEJO FLORESTAL; PLANT AREA INDEX; RANDOM FOREST; FLONA DO PURUSThe Amazon rainforest, with its vast expanse and high biodiversity, provides several ecosystem services, such as carbon sequestration, water recycling, climate maintenance and biodiversity, in addition to multiple resources for society, such as timber, energy, food and medicinal products. The main objective of this study was to apply remote sensing techniques, through the integration of optical sensors, radar and orbital laser with machine learning tools for geoenvironmental and structural characterization of the Amazon rainforest. The study area was the Purus National Forest (FNP) and surroundings, in Western Amazonia, where low-impact community- based timber forest management occurs. The geoenvironmental mapping of the FNP and surroundings was carried out with legacy data, elevations and Sentinel 2 images, through the Randon Forest algorithm. A gradient of structure, diversity and soil- vegetation relationships was also analyzed between three forest environments of the Amazon rainforest: primary terra firme forest (TFP); terra firme forest under forest management (MF); and secondary floodplain forest (VZ). Furthermore, the use of laser orbital data from GEDI (Global Ecosystem Dynamics Investigation) was investigated to investigate forest structure and leaf phenology patterns in a typical area of the Amazon rainforest. The geoenvironmental units of the FNP were mapped with a Kappa value of 0.89 and with the following spatial proportions: Dissected Plateaus with Terra-firme Forest over Latosols and Argisols (54.7%); Slopes and Ramps with Forests over Argisols (37.1%); Alluvial Plains Fluvic Neosols and Gleysols (7.4%); Anthropogenic areas with traditional land use (0.5%); Beaches and Water Bodies (0.2%). The study of floristic and structural diversity indicates that TFP areas are highly conserved and have high species richness, while MF areas presented similar number of individuals, richness and Shannon diversity to TFP, evidencing the low intensity and reduced impact of community-based timber forest management. VZ areas presented the lowest structural and richness parameters among the environments studied in the FNP. GEDI metrics showed significant differences between the primary terra firme environment and terra firme under forest management. In addition, GEDI metrics stratified in the FNP geoenvironments allowed an assessment and distinction of the forest structure, also associated with field data from these landscape units in the Amazon region. In addition, data on the phenological aspects of these phytophysiognomic formations indicate an increase in leaf area at the beginning of the dry season. The information extracted from GEDI data can be applied to assess the forest structure between phytophysiognomies, as well as their functioning throughout the year. Keywords: GEDI; FOREST MANAGEMENT; PLANT AREA INDEX; RANDOM FOREST; PURUS NATIONAL FOREST