1

USO DO SIG PARA ESTIMATIVA DE BIOMASSA POTENCIAL EM UMA ZONA DE TRANSIÇÃO SAVANA/FLORESTA TROPICAL

Flora da Silva Ramos Vieira Martins

1

1 Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515 - 12245-970 - São José dos Campos - SP, Brasil

florarvm@dsr.inpe.br

Resumo: Neste trabalho objetivou-se, através de um SIG, o cálculo do índice de biomassa potencial utilizando-se planos de informação sobre a aptidão agrícola, pluviosidade e índice climático de Weck modificado. Em um segundo momento, o índice foi calibrado de acordo com amostras de biomassa da área de estudo e então foi possível obter o mapa de biomassa potencial. Através de dados do PRODES, foi ainda possível o cálculo da biomassa potencial atual média na área classificada como floresta. Esta metodologia se mostrou capaz de estimar a biomassa potencial da área em questão e o valor média encontrado foi de 153,13 Mg.ha-1 na área classificada como floresta.

Palavras-chave: índice de biomassa potencial, AHP, PRODES

1. Introdução

A dimensão do estoque de biomassa em uma dada região é uma informação valiosa.

Dentre suas aplicações, pode-se citar (i) a estimativa do fluxo de carbono liberado pela mudança de uso do solo; (ii) a estimativa da biomassa como recurso importante para diversas atividades humanas e (iii) o monitoramento (fitossanidade, degradação e perturbações diversas). Dado que este recurso não é conhecido com precisão, principalmente quando se refere às florestas tropicais, a densidade de biomassa ainda é uma fonte de incertezas, sobretudo, em modelos que buscam estimar o fluxo de carbono envolvido na mudança de uso do solo na Amazônia (Houghton et al., 2001). Esta densidade varia consideravelmente ao longo da paisagem em florestas tropicais dadas as diferenças edáficas, topográficas, climáticas e também com o histórico de uso e degradações antrópicas ou não (Iverson at al. 1994).

Historicamente, as estimativas em florestas que ocupam grandes áreas vêm sendo feita através de medições em campo, modelagem ou a combinação dos dois métodos (Houghton et al., 2001). Estes dados obtidos pontualmente podem ser generalizados para toda a área, porém muitas vezes a porção medida é insuficiente para representar toda a heterogeneidade da região. Iverson et al. (1994) destacam a influência do uso em estudos ecológicos de parcelas pequenas, selecionadas no intuito de captar indivíduos com grandes diâmetros já que a biomassa aumenta geometricamente com o diâmetro. Quanto às parcelas de inventário florestal, os mesmo autores destacam diversas desvantagens, por exemplo, o diâmetro mínimo variável e o fato de que poucos países com florestas tropicais as possuam.

No intuito de considerar as variações espaciais, muito se evoluiu no uso de técnicas de sensoriamento remoto para prover estimativas ao longo de grandes áreas durante as últimas décadas. Neste sentido, ferramentas de geoprocessamento vêm sendo igualmente exploradas. Pode-se definir geoprocessamento como a disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento da informação geográfica. Um componente importante em geoprocessamento é o uso de imagens de sensores passivos e ativos além de bancos de dados espaciais disponíveis em grande quantidade. Desta forma, o

2

geoprocessamento se mostra uma abordagem promissora no apoio de estudos sobre a densidade de biomassa, permitindo a combinação de dados e geração de novas informações, sempre considerando a heterogeneidade espacial do ambiente.

Neste contexto, o presente trabalho teve como objetivo o uso de ferramentas de geoprocessamento, através de um SIG (sistema de informação geográfica), para estimativa de densidade de biomassa potencial em uma zona de transição savana/floresta tropical no estado de Roraima. Em um segundo momento, buscou-se quantificar a densidade de biomassa potencial atual na mesma região através de dados do Programa PRODES. 2. Metodologia de trabalho

Área de estudo A região de estudo pertence ao Estado de Roraima, na Amazônia brasileira. A área é

caracterizada por uma zona de transição savana/floresta (Figura 1) e foi selecionada para que o modelo pudesse ser avaliado em condições limite e também pela disponibilidade de amostras de densidade de biomassa. Segundo Brasil (1975), para a classe de floresta, ocorre na região de estudo a Floresta Estacional Semidecidual isoladamente ou determinando contato com Floresta Ombrófila Densa e Floresta Ombrófila Aberta. Quanto à savana, ocorrem na área a Savana Graminosa (campos entremeados de lagoas temporárias ou permanentes) e a Savana Parque (fisionomia campestre com árvores isoladas e/ou em grupos também isolados que se espalham de maneira mais ou menos ordenada) (Brasil, 1975).

De acordo com a classificação climática de Köppen, a região pertencendo ao domínio de clima tropical chuvoso com nítida estação seca (Awi), com amplitude térmica entre as médias

do mês mais quente e do mês mais frio inferior a 5° C.

Figura 1: Área de estudo: zona de transição savana/floresta na região norte de Roraima.

33km

60° 58’ O

3° 18’ N

2° 41’ N

61° 45’ O

3

Índice de biomassa potencial - IBP Segundo a metodologia desenvolvida por Iverson et al. (1994), o índice de biomassa potencial (originalmente potencial biomass density, PBD), estima a biomassa esperada caso nenhum distúrbio antrópico ou natural fosse observado. Os autores consideram que topografia (altitude e declividade), precipitação, solo (textura) e índice climático de Weck são os fatores determinantes da produtividade de uma região (Equação 1). O modelo proposto é simples aditivo e para cada um dos planos de informação é atribuído um índice (I) com valor máximo de 25 pontos, de forma que o valor total máximo encontrado para o índice fosse 100. IBP = I(ICMW) + I(pluviosidade) + I(topografia) + I(solos) (1) Neste trabalho, os planos de topografia e solos foram substituídos e unificados na aptidão agrícola, de forma que este passou a ter, no máximo, 50 pontos. Além desta modificação, tentou-se aprimorar a atribuição de pesos às camadas de informação através do processo AHP (Analytic Hierarchy Process), implantado em ambiente Spring®.

Pluviosidade As isoietas (1:250.000) foram obtidas pelo Zoneamento Ecológico e Econômico (ZEE) do Estado de Roraima. Para que pudessem ser espacializadas, primeiro gerou-se uma grade triangular (triangulação de Delaunay) e em seguida foi feita a interpolação e gerada a grade regular (30 m). De posse da grade regular, foi feita a divisão em classes (vetorização) e posterior ponderação em ambiente LEGAL (Spring) para que ao final, se dispusesse de uma grade regular ponderada. Esta atribuição de pesos às classes seguiu, em linhas gerais, a metodologia de Iverson et al. (1994), como segue a figura:

Figura 2: pesos atribuídos às classes de precipitação.

0

5

10

15

20

25

800-1000 1000-1200 1200-1600 1600-2000 2000-2400 2400-2800

Pe

so

Precipitação anual (mm)

4

Aptidão Agrícola O plano de informação sobre a aptidão agrícola que, neste trabalho, substitui a topografia e solos, foi também obtido através do ZEE de Roraima. A classificação das terras é feita de acordo com cinco principais critérios: fertilidade, deficiência em água, excesso de água, susceptibilidade à erosão e impedimentos à mecanização (RAMALHO FILHO e BEEK, 1995). Inicialmente, o plano de informação era do tipo vetor (temático) e foi convertido em grade regular (30 m) de acordo com a seguinte ponderação das classes:

Figura 3: pesos atribuídos às classes de aptidão agrícola. Para mais detalhes sobre as classes, o leitor é indicado a Ramalho Filho e Beek (1995).

Índice Climático Modificado de Weck Desenvolvido por Weck, este índice (equação 2) tinha inicialmente o objetivo de estimar a produtividade potencial em florestas na Alemanha e depois teve seu uso estendido para regiões tropicais:

��� = ��..�� √���.�.�

���.�� (2)

Onde: dT (°C) = diferença diurna entre a média da máxima e mínima temperatura do mês mais quente da estação de crescimento; S (horas) = comprimento médio do dia durante estação de crescimento; P1 (dm) = média anual de precipitação até 20 dm; P2 (dm) = média anual de precipitação acima de 20 dm; G (meses)= duração da estação de crescimento em que, para que um mês seja considerado da estação de crescimento, ele deve obedecer à seguinte condição: (12.P)/(T+10) < 20; Tm (°C) = temperatura média do mês mais quente da estação de crescimento. Posteriormente, o índice foi modificado por Iverson et al. (1994). Segundo estes, nos trópicos a variável dT seria inversamente proporcional à produtividade já que uma grande diferença de

05

101520253035404550

Pe

so

Classes Aptiddão Agricola

5

temperaturas deverá, nesta região, estar associada à máximas mais altas, o que implicaria em estresse hídrico e portanto em um decréscimo na produtividade. Desta forma, o índice foi modificado e assumiu a seguinte forma:

���� = .�� √���.�.�

���.�� (3)

Segundo XXX (2009), que aplicaram a metodologia de Iverson et al. (1994) no Estado de São Paulo, a componente H estaria altamente correlacionada com a vegetação existente, o que limitaria a biomassa potencial. Desta forma, os autores utilizaram o índice modificado de Weck de forma simplificada (equação 4). Este foi o índice adotado neste trabalho.

����� = .�� √���.�

���.�� (4)

O índice climático modificado de Weck (simplificado) foi então obtido para uma amostra de 29 estações pluviométricas do Estado de onde se dispunha de dados sobre a precipitação mensal. Os dados de temperatura média mensal foram obtidos através de imagens MODIS (5 km) do ano de 2009. O comprimento do dia em horas foi fixado em 12, pois a região encontra-se muito próxima ao equador. Ao fixar um valor, assume-se que a variável não é determinante na variação do índice e, portanto, na produtividade potencial do local, o que parece coerente para a região de estudo (variação inferior a 1° em latitude). Além disto, este dado é dificilmente encontrado. De posse desta amostra, foi construída uma malha triangular (TIN) e, em seguida, uma grade regular. Esta grade foi então fatiada em classes às quais os pesos foram atribuídos (Figura 4). Ao final, obteve-se a malha regular (30 m) ponderada de acordo com o seguinte critério:

Figura 4: pesos atribuídos às classes de índice climático modificado de Weck (simplificado).

AHP Nesta etapa, a aptidão agrícola foi considerada como o fator de maior importância para o índice, seguida pelo índice climático e por fim pela pluviosidade. Esta configuração foi

0

5

10

15

20

25

Pe

so

ICMWs

6

escolhida já que o regime hídrico é basicamente o mesmo ao longo da região, assim como o índice climático (em menor grau). Mapa de biomassa potencial Em uma segunda etapa, o índice de biomassa potencial foi convertido em um mapa de biomassa potencial. Para isto, foram utilizadas amostras de biomassa coletadas em campo (XAUD, 1998) pelo processo destrutivo. Dentre as amostras, aquelas referentes às florestas secundárias foram descartadas de forma que apenas amostras consideradas de ambientes em equilíbrio fossem mantidas, já que o índice reflete o potencial máximo de produtividade. Foram utilizadas ao todo 35 amostras. A análise de regressão permitiu então a obtenção de um modelo que transformasse o índice de biomassa potencial em biomassa potencial (Mg.ha-1). Mapa de biomassa potencial atual De posse do mapa de biomassa potencial, buscou-se, a partir do mapa de presença/ausência de floresta, obter o mapa de biomassa potencial atual. Para isto, dados do PRODES (2009) foram utilizados. Primeiramente foi gerada uma máscara com os polígonos da classe “não floresta” de forma que a mapa de biomassa potencial atual refere-se apenas à biomassa florestal, ou seja, não contempla a região de savana. Em uma tentativa de estimar a perda em biomassa potencial, os polígonos referentes ao desmatamento foram em seguida retirados. Para que se pudesse estimar corretamente a biomassa potencial perdida, uma conversão dos valores foi necessária já que anteriormente a biomassa era expressa em Mg.ha-1 em grade regular de 30m. Em ambiente LEGAL, a conversão foi realizada pela simples multiplicação da grade pelo fator 0,09. As células puderam, desta forma, ser somadas para que se obtivessem os valores médios e totais de biomassa na área. 3. Resultados e discussão A seguir, pode-se observar os mapas ponderados obtidos:

22 ICMWs 13,8 Pluviosidade 48 Aptidão Agrícola 13 16,6 8 Figura 5: Mapas ponderados em formato de grade regular de 30x30m. A partir destes mapas, foi possível realizar a analise de suporte à decisão (AHP), que gerou a seguinte configuração para o índice de biomassa potencial (IBP, Equação 5). Em seguida este índice pode ser calculado espacializado.

10km 10km 10km

7

IBP = 0,669*(Aptidão Agrícola) + 0,243*(ICMW) + 0,088*(Pluviosidade) (5)

Assim, pode-se prosseguir com o ajuste do modelo de biomassa em função do índice de biomassa potencial (Equação 6), que obteve um R² = 0,97 e um RMSE de 30 ton.ha-1. O resultado desta transformação, com o resultado já dimensionado para o tamanho do pixel, pode ser observado no mapa de biomassa potencial (Figura 6).

�������� = 0,286!��"# + %&'(

��)* (6)

Onde: Biomassa = biomassa potencial em toneladas por hectare (Mg.ha-1) e IBP = índice de biomassa potencial calculado segundo equação 5.

Figura 6: Mapa de biomassa potencial em Mg/900m2 (tamanho do pixel). Em seguida, através dos dados do PRODES (2009), pode-se gerar o mapa de biomassa potencial atual relativo à área florestal subtraída a área de não floresta e área desmatada. Pode-se assim calcular a biomassa potencial média e total em cada área: não floresta (savana e possivelmente áreas construídas), floresta remanescente e desmatamento. A tabela 1 mostra estes resultados.

Biomassa (Mg/pixel de 900m²)

0,2 - 1

1 - 1,5

1,5 - 3

3 - 6

6 - 8

8 - 12

12 - 14

14 - 18

18 - 20

20 - 25

25 - 30

30 - 35

35 - 40

40 - 45

45 - 50

0 9 184,5 Kilometers

Ü

8

Nota-se que o biomassa potencial média na área florestal é de 153,13 Mg.ha-1, valor inferior ao encontrado por diversos autores como Brown et al.(1989) - 282 Mg.ha-1, Brown et al. (1992) - 320 Mg.ha-1 e Bernardes (1996) - 267 Mg.ha-1. Porém, isto pode ser explicado pelo fato de que a floresta em questão é de transição, apresentando normalmente valores inferiores àqueles encontrados em floresta ombrófila densa. Nota-se igualmente um gradiente de biomassa potencial média que aumenta conforme se afasta da área de não floresta (dominada pela savana), passando-se pela área já desmatada e atingindo valor máximo em área florestada, o que confirma a sensibilidade do método à zona de transição.

Figura 7: Dados PRODES: distribuição das porções “Floresta”, “Desmatamento” e “Não Floresta” na área de estudo. Tabela 1: Área de cada porção e respectivos valores de biomassa potencial média e total.

Floresta

Não Floresta

Desmatamento

0 10 205 Kilometers

Ü

Área (km²) Área (%) Biomassa Potencial

média (Mg/ha)

Biomassa Potencial

total (Mg)

Total 5243,0 - 99,94 5,2 x 107

Não Floresta 1906,6 36,4 17,42 0,33 x 107

Floresta 2504,4 47,8 153,13 3,8 x 107

Desflorestamento 832,0 15,9 128,89 1,0 x 107

9

O desmatamento representou 15,9 % da área total de estudo e 24,94 % da área inicialmente ocupada por floresta nesta mesma área. Nestes aproximadamente um quarto de área florestal, encontra-se uma perda de biomassa potencial de 1,0x107 Mg.ha-1, ou seja, 20,83% da biomassa potencial florestal inicial. 4. Conclusões Vale lembrar que este trabalho abordou e estimou a biomassa potencial e não a real/atual. O índice de biomassa potencial aplicado através de um SIG se mostrou uma metodologia capaz de estimar a biomassa potencial. De forma geral, ele foi sensível ao gradiente de transição entre a savana e a floresta. O método, apesar de consistente, necessita de validação e para isso, são necessárias mais amostras. Além disso, seria interessante realizar a suavização das bordas de transição entre os níveis de biomassa, o que seria possível pela ponderação das classes através da metodologia Fuzzy. A biomassa potencial atual foi estimada em 153,13 Mg.ha-1, num total de 3,8x107Mg ao longo dos 2.504 km² cobertos por floresta segundo o PRODES. Referências Bibliográficas

BERNARDES, S. Índices de vegetação e valores de proporção na caracterização de floresta tropical primária e estádios sucessionais na área de influência da Floresta Nacional do Tapajós - Estado do Pará. São José dos Campos. 105p. Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, 1996. (No prelo).

BRASIL. Departamento Nacional de Produção Mineral. Projeto RADAMBRASIL. Folha NA.20 Boa Vista e parte das folhas NA.21 Tumucumaque, NB.20 Roraima e NB.21; geologia, geomorfologia, pedologia, vegetação e uso potencial da terra. Rio de Janeiro, 1975. 428p. (Levantamento de Recursos Naturais, 8).

BROWN, I.F.; NEPSTAD, D.C.; PIRES, I.DE O.; LUZ, L.M.; ALECHANDRE, A.S. Carbon Storage and Land-use in Extractive Reserves, Acre, Brazil. Environment Conservation, v.19, n.4, p.307-315, 1992.

BROWN, S.; GILLESPIE, A.J.R.; LUGO, A.E. Biomass estimation methods for tropical forest with applications to forest inventory data. Forest Science. vol. 35, n.4, p.881-902, 1989.

HOUGHTON, R.A.; LAWRENCE, K.T.; HACKLER, J.L.; BROWN, S. The Spatial distribution of forest biomass in the Brazilian Amazon: a comparison of estimates. Global Change Biology, v.7, p.731-746, 2001.

IVERSON, L. R. et al. Use of GIS for Estimating Potential and Actual Forest Biomass for Continental South and Southeast Asia. In: V. H. DALE (Ed). Effects of land-use change on atmospheric CO concentrations. Springer-Verlag, 1994.

XAUD, M. Avaliação de dados TM/LANDSAT e SAR/JERS na caracterização da cobertura vegetal e distribuição de fitomassa em áreas de contato floresta/savana no Estado de Roraima - Brasil, Dissertação de mestrado. INPE, 1998.

LAURANCE, W.F. et al. Relationship between soils and Amazon forest biomass: a landscape-scale study. Forest Ecology and Management, v. 118, p. 127-138, 1999.

MARTINS, O.S. et al. Estimativa da densidade de biomassa potencial com uso de SIG no estado de São Paulo. Cadernos da Mata Ciliar / Secretaria de Estado do Meio Ambiente, Departamento de Proteção da Biodiversidade. - N. 2 (2009)--São Paulo: SMA, 2009.