Quantificação de carbono por satélite

Chamon, Alexandre Alkmim

Please use this identifier to cite or link to this item:


			http://hdl.handle.net/11422/29205

Type:	Trabalho de conclusão de graduação
Title:	Quantificação de carbono por satélite
Author(s)/Inventor(s):	Chamon, Alexandre Alkmim
Advisor:	Menasché, Daniel Sadoc
Abstract:	Este trabalho de conclusão de curso investiga o potencial e as limitações do sensoriamento remoto por satélites e da inteligência artificial para a estimativa da biomassa florestal acima do solo (AGBD) em cenários de monitoramento de carbono em larga escala. A partir de um estudo de referência recente, analisamos uma abordagem de fusão de sensores que combina dados ópticos do Sentinel-2, dados de radar em banda C do Sentinel-1 e medições LiDAR da missão GEDI, utilizadas como referência para calibração. A metodologia é reproduzida e discutida sob a ótica do aprendizado de máquina, comparando-se Regressão Linear, métodos de ensemble baseados em árvores (Random Forest e XGBoost) e uma rede neural convolucional do tipo U-Net. O foco central do trabalho é a comparação entre modelos “específicos por bioma”, treinados separadamente para regiões de baixa, média e alta biomassa, e um modelo “geral” único, treinado com todos os dados combinados. Os resultados confirmam que os modelos específicos tendem a apresentar erros ligeiramente menores; contudo, os ganhos são sistematicamente marginais, frequentemente inferiores a 1 Mg/ha em termos de RMSE, o que suscita dúvidas sobre o custo-benefício dessa estratégia em aplicações de escala nacional. O trabalho discute ainda o impacto da saturação dos sensores em florestas densas e explica por que o Random Forest superou a U-Net neste cenário, dada a natureza esparsa e pontual dos rótulos do GEDI. Por fim, são discutidas implicações para o mapeamento de carbono no Brasil, destacando o compromisso entre acurácia e complexidade operacional e apontando direções futuras envolvendo radar em banda L, arquiteturas de deep learning mais adequadas e validação direta nos biomas brasileiros para subsidiar políticas climáticas e mercados de carbono.
Keywords:	Biomassa florestal Inteligência artificial Sensoriamento remoto Comparação de modelos Mercado de carbono Forest biomass Artificial intelligence Remote sensing Model comparison Carbon market
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	18-Dec-2025
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
AAChamon.pdf		502.44 kB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository