O artigo científico intitulado Aboveground biomass estimates over Brazilian savannas using hyperspectral metrics and machine learning models: experiences with Hyperion/EO-1 (Tradução: Estimativas de biomassa acima do solo sobre savanas brasileiras usando métricas hiperespectrais e modelos de aprendizado de máquina: experiências com Hyperion / EO-1) acaba de ser publicado no periódico GIScience & Remote Sensing. O estudo, liderado pela doutoranda da PGSER/INPE, Aline Daniele Jacon, tem a participação dos pesquisadores Lênio Soares Galvão, Ricardo Dal’Agnol e João Roberto dos Santos, todos da Divisão de Observação da Terra e Geoinformática (DIOTG).

O estudo investiga o uso do sensoriamento remoto hiperespectral para estimar a biomassa acima do solo (AGB) no Bioma Cerrado. A área estudada é a Estação Ecológica de Águas Emendadas, em Planaltina-DF, contendo diferentes fitofisionomias de Cerrado que foram identificadas e medidas em campanha de campo.

Figura 1. Diferentes fitofisionomias amostradas em campo na Estação Ecológica de Águas Emendadas, Planaltina-DF. (a) Campo limpo (b) campo sujo; (c) campo cerrado; (d) cerrado ralo; (e) cerrado  típico e (f) cerrado denso.

Em comparação com sensores multiespectrais, instrumentos hiperespectrais, como o Hyperion, fornecem um número maior de métricas para estimativas de AGB. Segundo o pesquisador do INPE, Lênio Soares Galvão, um dos coautores do estudo, “devido ao grande número de bandas dos sensores hiperespectrais, podemos calcular dezenas de índices de vegetação de banda estreita e parâmetros de banda de absorção, que expressam a estrutura da vegetação, a bioquímica e a fisiologia das plantas.”

Para Ricardo Dal’Agnol, coautor do estudo, “essas métricas podem servir como variáveis de entrada para prever a AGB usando diferentes modelos de aprendizado de máquina e dados medidos em campo.”

Um dos resultados alcançados no estudo mostrou um erro relativo da estimativa da AGB decrescente de fitofisionomias campestres para áreas com vegetação mais densa, ao se utilizar todo o conjunto de dados extraídos do sensor hiperespectral (reflectância das bandas do Hyperion, índices de vegetação e parâmetros de bandas de absorção).

Aline Jacon, líder do estudo, explica que “ao indicar quais tipos de métricas e modelos produzem o melhor desempenho preditivo, este estudo estabelece uma linha de base para futuras investigações sobre o Cerrado usando satélites hiperespectrais com maior faixa de imageamento (>100 km).” Esse conhecimento é importante para a definição de políticas de redução de emissões e mitigação das mudanças climáticas, porque o Bioma Cerrado é a segunda maior fonte de emissões de carbono no Brasil.

Figura 2. (a) Estimativas de biomassa acima do solo (AGB) com Random Forest (RF) quando aplicado a 22 índices de vegetação do sensor Hyperion/EO-1. (b) Formações campestres mostram maior variação nas estimativas de biomassa. (c) Mapa de vegetação da Estação Ecológica de Águas Emendadas.

Link para o artigo:

https://www.tandfonline.com/doi/full/10.1080/15481603.2021.1969630?src=