Overview

As florestas desempenham um papel vital nos ciclos globais do carbono, sendo necessária uma estimativa exacta da biomassa acima do solo (AGB) para as estratégias climáticas. Este estudo centra-se no Terai Central do Nepal, integrando LiDAR aerotransportado, inventário de campo e imagens de satélite de várias fontes (PlanetScope, Sentinel-2) para a estimativa da AGB. Foram utilizados dados LiDAR (32 métricas) e medições de campo (110 parcelas), com o Random Forest (RF) a superar a regressão linear por etapas (R = 0,85, RMSE = 60,9 ton/ha). A integração adicional com o Sentinel-2 melhorou a precisão (R = 0,92, RMSE = 44,58 ton/ha). A distribuição do AGB foi influenciada pelo clima, topografia e atividade humana, com o uso do solo, a temperatura e a precipitação a explicarem 64% da variabilidade. A maior AGB foi associada a condições climáticas moderadas, elevação e proximidade de rios, enquanto as estradas tiveram um impacto negativo na biomassa. O estudo destaca a utilidade do LiDAR, o papel da aprendizagem automática na melhoria da estimativa da AGB e a necessidade de abordagens integradas de deteção remota para a gestão sustentável das florestas e a adaptação às alterações climáticas em regiões ricas em biodiversidade.