Uso de redes neurais artificiais como uma alternativa para mapeamento de biomassa e carbono orgânico no componente arbóreo de florestas naturais

Artificial neural net use as an alternative to biomass and organic carbon mapping in natural forest trees

Emerson Roberto Schoeninger, Henrique Soares Koehler, Luciano Farinha Watzlawick, Paulo Costa de Oliveira Filho

Resumo


O problema do aquecimento global tornou-se preocupação internacional, culminando com a ratificação do Protocolo de Kioto. Neste documento, constam as definições e os objetivos dos Mecanismos de Desenvolvimento Limpo e tem em seu escopo definidos procedimentos flexibilizadores, para tornar mais fácil aos países industrializados compensar em conjunto suas emissões poluentes. Sem esses mecanismos, as nações industrializadas teriam grande dificuldade em compensar emissões poluentes por meio de medidas tomadas isoladamente. Um dos mecanismos criados e o mercado de credito de carbono, onde investidores compensam as emissões de gases poluentes pela compra dos créditos de carbono. Para que isso seja possível e necessário que sejam realizados estudos e levantamentos, que compreendem desde a quantificação das emissões ate as quantidades de carbono acumuladas de diferentes formas. Por tal, o desenvolvimento de metodologias para estimar o carbono orgânico armazenado em florestas tem despertado interesse de vários pesquisadores, que aplicam as mais variadas formas de estimativas, desde quantificações diretas em campo ate a obtenção de estimativas pelo uso de equações de regressão aplicadas em imagens de satélite, visando mapear essa variável de forma expedita e rápida. Recentemente um novo procedimento, pertencente à área da chamada Inteligência Artificial (IA), tem sido aplicado para mapeamento do uso do solo por meio de classificação digital utilizando Redes Neurais Artificiais (RNA). O propósito do presente artigo e mostrar a viabilidade do uso de RNA como alternativa para o mapeamento de biomassa e carbono em grandes extensões florestais.

Abstract

The global warming problem has become an international issue, culminating with the ratification of the Kioto Protocol. This document presents the definitions and objectives of the Clean Development Mechanisms, with recommendations of flexible procedures that facilitate the compensation of the pollution emissions in industrialized countries. Without these mechanisms the industrialized countries alone would have great difficulties to mitigate their pollution emissions. One of the forms to implement these procedures is the carbon credits market, where potential polluters would compensate their emission of polluting components by buying carbon credits. In order to make this possible, studies and assessments of carbon emissions and storage in different ways have to be done. The development of methodologies to estimate the amount of organic carbon stored in forests has appealed to many researchers, who have been applying several forms of estimating biomass and carbon content, varying from direct field measurements to the use of regression equations applied to satellite images, focusing on the fast mapping of this variable. Recently a new procedure, belonging to the Artificial Intelligence field, has been applied to the mapping of soil use by means of digital classification with the Artificial Neural Nets (ANN). The objective of the present paper is to show the viability of using ANN as an alternative for mapping biomass and carbon content in large forest areas.


Palavras-chave


sensoriamento remoto; redes neurais; quantificação de carbono.

Texto completo:

PDF


AMBIÊNCIA

Alameda Élio Antonio Dalla Vechia, n. 838,
Bairro Vila Carli – CEDETEG
85040-167  Guarapuava-Paraná-Brasil
ISSN 1808-0251 (Print) - Ambiência ISSN 2175-9405 (Online)

        Logotipo do Crossref               

Periódicos Qualis - Plataforma Sucupira

Qualis B2 - Ensino

Qualis B3 - Interdisciplinar

Qualis B3 - Planejamento Urbano e Regional / Demografia

Qualis B2 - GEOGRAFIA

InfoBase Index - IBI Factor 2016 = 2,5


Large Visitor Globe     

                        Copyright © 2005-2019 Editora Unicentro
Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 Unported License.