Simulação de desbastes em povoamentos de mogno-africano no norte de Minas Gerais

Este projeto tem como objetivo avaliar para povoamentos de Khaya ivorensis (mogno-africano) opções de manejo com regimes de desbastes. O mogno africano é uma espécie de grande potencial econômico que atraiu muitos investidores e o cultivo dessa espécie vem crescendo bastante em Minas Gerais. Entretanto o mogno é uma espécie ainda pouco conhecida do ponto de vista silvicultural, isto é, não dominamos a tecnologia de plantio, condução e manejo desta espécie e atrelado a isso existe ainda uma carência de informações científicas. Desbaste é uma técnica de manejo florestal fundamental para produzir madeira de boa qualidade e para permitir um suprimento regular de madeira para diversos usos. Os dados de inventário florestal sucessivos, que serão utilizados neste estudo, são provenientes de três fazendas localizadas nos municípios de Nova Porteirinha e Engenheiro Navarro, no norte de Minas Gerais. Trinta e cinco parcelas foram amostradas em 23 talhões presentes nas três fazendas mencionadas. Na modelagem do crescimento e da produção, os dados de CAP serão transformados em DAP e organizados em classes diamétricas. Utilizando-se a distribuição diamétrica observada para cada parcela, a função densidade de probabilidade Weibull de dois parâmetros será ajustada para obter a frequência estimada de árvores por classe diamétrica para cada parcela. Outras funções poderão ser avaliadas. Com a distribuição diamétrica estimada para uma idade futura será possível avaliar diferentes possibilidades para utilização da madeira. Para a simulação de diferentes alternativas de regimes de manejo, serão avaliados dois cenários com números, épocas e intensidade de desbaste, com base em diferentes densidades iniciais de plantio, em diferentes níveis de produtividade. Para avaliar a viabilidade econômica das diferentes opções de desbastes simuladas, a partir de uma estrutura de custos e preços dos produtos, dois critérios de análise econômica, serão utilizados.

Estimativa de profundidade de imagens RGB com redes neurais para medição de clones de eucalipto

Este projeto está inserido nas áreas de Visão Computacional e Aprendizado de Máquina e tem como foco a investigação e o aprimoramento de técnicas de estimação de mapas de profundidade de imagens geradas com câmeras monoculares para uso na medição de árvores para inventários florestais. Com os avanços das redes neurais profundas aumentou o interesse de gerar mapas de profundidade, porém sem a necessidade de utilizar câmeras de luz estruturada e câmeras estéreo. Mapas de profundidade têm sido usados em diversas aplicações, pois proporcionam suporte para solução de problemas de segmentação, e reconstrução 3D. Apesar do progresso significativo alcançado com as redes neurais profundas, os mapas gerados ainda apresentam margem de erro da ordem de 2 a 4 metros, sendo assim, inviáveis para sua utilização para fins de medição de precisão, em especial em ambientes florestais, que requerem precisão da ordem de centímetros ou milímetros. Por outro lado, o baixo custo e alta disponibilidade, das câmeras RGB comuns, aliados à simplicidade de uso, tornam o uso de imagens monoculares bastante atrativos para uso como ferramenta de medição em campo. Neste projeto serão investigadas diferentes arquiteturas de redes neurais profundas para combinar imagens RGB monoculares e estimar mapas de profundidade. Experimentos serão realizados em bases de dados públicas, bem como em bases de dados florestais para demonstrar a eficácia do método proposto.

KHAYA FLUX: estoque de carbono, fluxo de CO₂ e potencial produtivo de povoamentos de Khaya spp. cultivados no Brasil

Nas últimas décadas, a exploração de espécies nativas aumentou consideravelmente, resultando na escassez de madeiras de boa qualidade, principalmente em países de climas tropicais e subtropicais. Para lidar com a demanda de madeira, o Brasil está cada vez mais adotando o plantio sustentável de espécies de boa qualidade para a indústria madeireira. Dentre essas alternativas, o mogno africano do gênero Khaya, conhecido por suas propriedades vantajosas e durabilidade da madeira, está ganhando destaque no Brasil. A avaliação do carbono e da biomassa em ecossistemas florestais é desafiadora e as estimativas precisas são cruciais para o manejo florestal sustentável e o cumprimento de acordos climáticos. Embora os inventários tradicionais demandem recursos substanciais, o uso de dados de sensoriamento remoto tem mostrado sucesso, permitindo uma contabilização mais precisa dos estoques florestais. No entanto, a modelagem do estoque de carbono com dados de sensoriamento remoto geralmente depende de sensores de baixa a moderada resolução espacial. A aplicação de dados de alta resolução é menos explorada, principalmente em florestas plantadas e naturais. Considerando o potencial produtivo do mogno africano na fixação de carbono, estudos quantitativos, nomeadamente baseados em modelos processuais como é o modelo 3PG, são necessários para entender seu desenvolvimento e contribuir para seu estabelecimento no Brasil, apesar de sua atual área plantada ser pequena em comparação a outras espécies, como o eucalipto. O conhecimento do estoque e do fluxo de carbono e do potencial produtivo em florestas plantadas é de extrema importância pois permite o conhecimento da real capacidade da floresta em sequestrar CO₂ o que influencia diretamente no balanço global de carbono, subsidia políticas públicas permiti que proprietários de florestas plantadas participem de programas de compensação de carbono, como o Mecanismo de Desenvolvimento Limpo (MDL) e outros sistemas de créditos de carbono e auxilia no planejamento de práticas de manejo sustentável. Neste sentido este projeto visa calibrar o modelo 3-PG para avaliação da capacidade produtiva de novas áreas a plantar com mogno africano e avaliar a aplicação de variáveis de sensoriamento remoto de alta resolução espacial na estimação do estoque total de carbono, do fluxo de CO₂ e identificar regimes de manejo de povoamentos de mogno africano mais eficientes no sequestro de carbono.