Avaliação da disponibilidade de biomassa acima do solo: contributo para o ordenamento florestal no concelho de Ponte de Lima

Abstract

A biomassa florestal pode ser de ajuda num futuro próximo para controlar as emissões de carbono para a atmosfera através da sua utilização no setor da energia, como tal, este estudo pretende servir como contribuição para o desenvolvimento de modelos preditivos de biomassa florestal. A área de estudo é Ponte de Lima um Concelho pertencente ao Distrito de Viana do Castelo e enquadrado no Alto Minho, e entende-se como importância maior neste estudo perceber quais as zonas com maior disponibilidade deste recurso. A metodologia utilizada para estimar valores de biomassa acima do solo para as áreas florestais é única e assenta em técnicas da deteção remota para tratamento e harmonização de dados, bem como um conjunto de ambientes virtuais de forma a elevar a precisão e diminuir a incerteza criada pelos classificadores. O modelo preditivo criado para o ano de 2024 sustenta-se ele próprio por dados recolhidos via satélite para o ano de 2022, bem como um conjunto de fatores como a ocupação do solo e índices vegetativos e texturais que foram calculados de forma a permitir a realização do modelo. Os resultados apontam que o modelo criado possui um bom grau de confiança e um grau de erro considerado baixo, bem como uma boa disponibilidade de biomassa nas zonas florestais e uma diversidade considerável de espécies florestais.

Forest biomass may play a key role in the near future to help control carbon emissions into the atmosphere through its use in the energy sector. As such, this study aims to contribute to the development of predictive models for forest biomass. The study area is Ponte de Lima, a municipality in the District of Viana do Castelo, located in Alto Minho, and the main focus of this research is to identify the areas with the highest availability of this resource. The methodology used to estimate above-ground biomass values for forest areas is unique, relying on remote sensing techniques for data processing and harmonization, as well as a set of virtual environments designed to increase precision and reduce uncertainty caused by classifiers. The predictive model created for 2024 is based on satellite data collected in 2022, along with various factors such as land use and vegetative and textural indices that were developed to enable the creation of the model. The results indicate that the model has a good degree of confidence and a low degree of error, as well as good availability of biomass in forested areas and a considerable diversity of forest species.