As quantificações de mudança do uso do solo (no
sentido de Floresta para Não-Floresta e vice-versa) e da consequente mudança
no estoque de carbono são procedimentos fundamentais para a implantação de
políticas ambientais como os protocolos de redução de emissões reduzidas do
desfloramento e degradação (REDD+) endorsados pela organização das nações
unidas (ONU). A quantificação de mudanças no uso do solo geralmente é feita
a partir da determinação de “áreas de atividade”, ou seja, áreas em que influên-cias antrópicas ou ambientais levam ao desaparecimento ou ao crescimento de
áreas de floresta. Já o cálculo de estoque de carbono baseia-se no cômputo do
volume de madeira/biomassa existente nos remanescentes florestais efetivamente
estabelecidos. Os métodos tradicionais para este cálculo baseiam-se (somente)
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 é uma alternativa para obtenção de variáveis auxiliares
que permitam estas estimativas. Para a quantificação de mudança de uso do solo
na superfície terrestre, produtos de sensoriamento remoto como a plataforma es-pacial Landsat (Land Remote Sensing Satellite), permitem uma visualização em
larga escala de áreas de interesse com direito a uma temporalização em série.
Para detectar mudanças, algoritmos de inteligência artificial podem ser treina-dos como forma de automatizar e fornecer confiabilidade ao processo. Como um
subproduto desta classificação, pode-se também determinar áreas com um uso es-pecífico, como áreas de florestas plantadas, por exemplo, o que contribui no moni-toramento de áreas de interesse. A estimação de estoque de carbono, por sua vez,
pode-se valer de sensores contemporâneos como o LiDAR (Light Detection and
Ranging), as quais têm permitido estimativas acuradas do dossel florestal e de
sua estrutura vertical, oferecendo métricas que permitem a inferência de uma (ou
várias) variáveis de interesse. Estas métricas não estão diretamente relacionadas
com as variáveis dendrométricas medidas in-situ; para estabelecer esta relação,
utilizam-se métodos estatísticos computacionais. Tanto para classificação quanto
para estimação, Regressão Linear e Não-Linear, Algoritmo Genético (GA), Rede
Neural Artificial (ANN), k-Vizinhos Mais próximos (k-NN), Florestas Aleatórias
(RF) e Máquinas Suportadas por Vetores (SVM) apresentam-se como algoritmos
potenciais. Entretanto, existe uma série de dificuldades a ser manejada. Aspectos
como o melhor subconjunto de variáveis preditoras, a técnica mais adequada, os
paradigmas do processo de estimação e os erros envolvidos no processo precisam
ser clarificados. O principal objetivo desta tese é desenvolver rotinas utilizando
os algoritmos supracitados de maneira a contribuir com o avanço das estimativas
4
de volume de madeira/biomassa florestal e da classificação de mudança de uso ou
cobertura da terra, baseadas em dados de diferentes regiões do globo terrestre.
Os objetivos específicos são três: (1) Desenvolver um método para seleção de
variáveis de entrada que evitem superajustamento nas estimativas de volume de
madeira/biomassa florestal; (2) Revisar, comparar e implementar técnicas com-putacionais de forma a determinar áreas com florestas plantadas; (3) Explorar,
implementar e clarificar um algoritmo consistente para determinação de áreas de
atividade no que diz respeito a mudança do uso do solo (floresta e não-floresta).