MAPPING OF ABOVE-GROUND BIOMASS BY REMOTE SENSING AND MACHINE LEARNING IN MANGROVES OF THE PARNAÍBA RIVER DELTA, NORTHEASTERN BRAZIL

Resumo

Os ecossistemas de mangue representam importantes sumidouros de carbono,
conhecidos como carbono azul. Promovem o equilíbrio climático regulando as concentrações
de gases com efeito de estufa. Métodos que utilizam equações alométricas, sensoriamento
remoto e aprendizado de máquina têm sido cada vez mais empregados para quantificar a
biomassa. Assim, o objetivo deste estudo foi estimar a distribuição espacial da biomassa vegetal
acima do solo (BGA) presente em manguezais do Delta do Rio Parnaíba, localizado no
Nordeste do Brasil. Para isso foram amostradas 27 parcelas, cada uma medindo 200 m2. Em
cada parcela foram estimados os dados de diâmetro à altura do peito e altura de cada indivíduo,
e AGB por meio de equações alométricas. A distribuição espacial do AGB foi mapeada por
meio de modelagem, sendo possível extrair e selecionar variáveis espectrais obtidas a partir de
imagens dos satélites Landsat 8-9 e Sentinel-2. Para a análise preditiva foram utilizados os
algoritmos: Regressão Linear Múltipla, XGBoost, Random Forest, Cubista, Terra e Máquina
de vetores de suporte (linear, radial e polinomial). Observou-se que a vegetação de manguezal
da espécie Rhizophora mangle obteve o maior AGB, com 790 Mg ha-1, e o modelo que melhor
se ajustou à previsão foi o XGB, mas o melhor ajuste foi obtido para o período seco, com R2=
0,93, RMSE = 66,74 Mg ha-1 e MAE de 49,42 Mg ha-1. O sensor MSI também apresentou
ajuste muito forte para o modelo XGB, com R2 = 0,92 Mg ha-1, RMSE = 64,02 Mg ha-1 e
MAE de 46,31 Mg ha-1, indicando menores erros, provavelmente devido à sua maior resolução
espacial.