Dissertação/Tese INVENTÁRIO FLORESTAL E ESTOQUE DE CARBONO EM BIOMASSA AÉREA POR SENSORIAMENTO REMOTO EM ÁREAS ÚMIDAS DO CERRADO - PPGPV

O Cerrado, hotspot global de biodiversidade, possui áreas úmidas vulneráveis à expansão agropecuária e às mudanças climáticas. Essas áreas são fundamentais para os recursos hídricos, regulação climática e estoque de carbono, mas ainda pouco estudadas quanto à composição florística, estrutura da vegetação e biomassa acima do solo (AGB). Este estudo integrou dados de inventário florestal e produtos derivados de Aeronaves Remotamente Pilotadas (ARPs) em uma área úmida no Noroeste de Minas Gerais, Brasil, visando caracterizar a vegetação e avaliar a predição da AGB. 45 parcelas foram instaladas e distribuídas nas diferentes fitofisionomias (campo úmido, Cerrado sensu stricto, mata de galeria, veredas e pastagem). O primeiro capítulo caracterizou a composição florística e a estrutura da vegetação. Foram registrados 903 indivíduos, 64 espécies e 27 famílias, sendo destaque Fabaceae (17%) e Curatella americana L. (122 indivíduos). A composição e a estrutura da vegetação foram influenciadas pelo gradiente de umidade do solo (p < 0,001), diferenciando formações úmidas e não úmidas. A mata de galeria apresentou a maior complexidade estrutural (densidade: 807,5 ind. ha⁻¹; área basal: 18,40 m² ha⁻¹), enquanto a pastagem evidenciou estado degradado e prioridade para restauração. A estrutura diamétrica seguiu padrão "J-invertido", sinalizando regeneração ativa, mas 60% do volume lenhoso concentrou-se em apenas 8% dos indivíduos com DAP > 30 cm. A autocorrelação espacial positiva (Moran's I = 0,51; p < 0,001) revelou semelhança entre parcelas vizinhas. O segundo capítulo quantificou a AGB e o estoque de carbono utilizando os mesmos dados de campo integrados a produtos fotogramétricos derivados de ARPs (modelo de altura do dossel – CHM, e dez índices multiespectrais). A AGB total foi estimada em 10.439,26 Mg, o que corresponde a 5.423,54 Mg de carbono estocado. Mata de galeria apresentou os maiores valores médios (95,80 Mg ha⁻¹), seguida por veredas (68,15 Mg ha⁻¹) e campo úmido (39,76 Mg ha⁻¹); Cerrado sensu stricto e pastagens registraram os menores valores (19,58 e 18,12 Mg ha⁻¹, respectivamente). O modelo Random Forest integrado ao CHM e índices espectrais obteve o melhor desempenho na predição da AGB (R² = 0,88; RMSE = 18,8 Mg ha⁻¹), superando o modelo baseado apenas em métricas estruturais (R² = 0,78) e a regressão linear (R² = 0,48). Os resultados demonstram que a integração entre ARPs, inventário florestal e aprendizado de máquina foi um protocolo eficiente e replicável para o monitoramento de áreas úmidas do Cerrado, destacando as formações úmidas como estoques prioritários de carbono e fornecendo subsídios para estratégias de conservação, restauração de pastagens degradadas e mitigação das mudanças climáticas.

The Cerrado (Brazilian savanna), a global biodiversity hotspot, has wetlands vulnerable to agricultural expansion and climate change. These areas are fundamental for water resources, climate regulation, and carbon storage, but are still poorly studied in terms of floristic composition, vegetation structure, and aboveground biomass (AGB). This study integrated forest inventory data and products derived from Remotely Piloted Aircraft (RPAs) in a wetland area in Northwest Minas Gerais, Brazil, aiming to characterize the vegetation and evaluate the prediction of AGB. 45 plots were installed and distributed across different phytophysiognomies (wet grassland, Cerrado sensu stricto, gallery forest, palm swamp and pasture). The first chapter characterized the floristic composition and vegetation structure. 903 individuals, 64 species, and 27 families were recorded, with the Fabaceae family (17%) being the most prominent, and Curatella americana L. the most abundant species (122 individuals). The composition and structure of the vegetation were influenced by the soil moisture gradient (p < 0.001), differentiating between humid and non-humid formations. Gallery forest presented the greatest structural complexity (density: 807.5 individuals ha⁻¹; basal area: 18.40 m² ha⁻¹), while pasture showed a degraded state and priority for restoration. The diameter structure followed an "inverted-J" pattern, indicating active regeneration, but 60% of the woody volume was concentrated in only 8% of individuals with DBH > 30 cm. Positive spatial autocorrelation (Moran's I = 0.51; p < 0.001) revealed similarity between neighboring plots. The second chapter quantified the AGB and carbon stock using the same field data integrated with photogrammetric products derived from PRAs (canopy height model – CHM, and ten multispectral indices). The total AGB was estimated at 10,439.26 Mg, corresponding to 5,423.54 Mg of stored carbon. Gallery forests presented the highest average values (95.80 Mg ha⁻¹), followed by palm swamp (68.15 Mg ha⁻¹) and wet grassland (39.76 Mg ha⁻¹); Cerrado sensu stricto and pastures registered the lowest values (19.58 and 18.12 Mg ha⁻¹, respectively). The Random Forest model integrated with CHM and spectral indices obtained the best performance in predicting AGB (R² = 0.88; RMSE = 18.8 Mg ha⁻¹), surpassing the model based only on structural metrics (R² = 0.78) and linear regression (R² = 0.48). The results demonstrate that the integration between RPAs, forest inventory, and machine learning was an efficient and replicable protocol for monitoring wetlands in the Cerrado, highlighting wetland formations as priority carbon stocks and providing support for conservation strategies, restoration of degraded pastures, and mitigation of climate change.