Evaluation of geostatistical techniques to estimate the spatial distribution of aboveground biomass in the Amazon rainforest using high-resolution remote sensing data

ABSTRACT The spatial distribution of forest biomass in the Amazon is heterogeneous with a temporal and spatial variation, especially in relation to the different vegetation types of this biome. Biomass estimated in this region varies significantly depending on the applied approach and the data set used for modeling it. In this context, this study aimed to evaluate three different geostatistical techniques to estimate the spatial distribution of aboveground biomass (AGB). The selected techniques were: 1) ordinary least-squares regression (OLS), 2) geographically weighted regression (GWR) and, 3) geographically weighted regression - kriging (GWR-K). These techniques were applied to the same field dataset, using the same environmental variables derived from cartographic information and high-resolution remote sensing data (RapidEye). This study was developed in the Amazon rainforest from Sucumbíos - Ecuador. The results of this study showed that the GWR-K, a hybrid technique, provided statistically satisfactory estimates with the lowest prediction error compared to the other two techniques. Furthermore, we observed that 75% of the AGB was explained by the combination of remote sensing data and environmental variables, where the forest types are the most important variable for estimating AGB. It should be noted that while the use of high-resolution images significantly improves the estimation of the spatial distribution of AGB, the processing of this information requires high computational demand.

Least squares regression with errors in both variables: case studies

Analytical curves are normally obtained from discrete data by least squares regression. The least squares regression of data involving significant error in both x and y values should not be implemented by ordinary least squares (OLS). In this work, the use of orthogonal distance regression (ODR) is discussed as an alternative approach in order to take into account the error in the x variable. Four examples are presented to illustrate deviation between the results from both regression methods. The examples studied show that, in some situations, ODR coefficients must substitute for those of OLS, and, in other situations, the difference is not significant.

Variabilidade espacial de Colletotrichum truncatum em campo de soja sob três níveis de sanidade de sementes

Objetivou-se caracterizar a variabilidade espacial da incidência de Colletotrichum truncatum (Schwein) em sementes colhidas de soja e determinar o melhor modelo e método de semivariograma que represente a incidência de C. truncatum dessas sementes. O experimento foi realizado em condições de campo na safra 2009/10, em 3 parcelas de 9,9 x 10 m, com sementes inoculadas com C.truncatum. O inóculo correspondeu a 0,8; 1,6 e 2,4% do total semeado. Foram demarcadas 3 malhas com receptores GNSS, totalizando 112 pontos em cada parcela distanciados a 1,3 m na linha. No final do ciclo da soja, realizaram-se a colheita, a secagem e a análise sanitária das sementes pelo método 'blotter test', referente aos 336 pontos demarcados. Quatro modelos de semivariogramas foram ajustados aos dados coletados utilizando os métodos mínimos quadrados ordinários (OLS), mínimos quadrados ponderados (WLS), máxima verossimilhança (ML) e máxima verossimilhança restrita (REML). A validação cruzada foi empregada para escolha final do modelo e método do semivariograma. Em seguida, efetuaram-se a krigagem e o desvio padrão da krigagem. Os mapas de krigagem ilustraram a transmissão da semente para a semente e a sua variância. Verificou-se estrutura de dependência espacial da transmissão de C. truncatum via semente. O melhor modelo de semivariograma foi o esférico e o melhor ajuste foi o REML. Houve alcance de 0,95, 4,03 e 7,05 m para as parcelas com 0,8, 1,6 e 2,4% de sementes inoculadas respectivamente. Quanto maior o inóculo primário da parcela, maior foi a transmissão para as sementes próximas à fonte de inóculo.