{"id":81692,"date":"2026-08-06T12:06:35","date_gmt":"2026-08-06T12:06:35","guid":{"rendered":"https:\/\/www.ainia.com\/teledetecao-carbono-sistemas-agroflorestais\/"},"modified":"2026-08-06T12:06:35","modified_gmt":"2026-08-06T12:06:35","slug":"teledetecao-carbono-sistemas-agroflorestais","status":"publish","type":"post","link":"https:\/\/www.ainia.com\/pt\/ainia-news\/teledetecao-carbono-sistemas-agroflorestais\/","title":{"rendered":"Teledete\u00e7\u00e3o para monitorizar o carbono em sistemas agroflorestais"},"content":{"rendered":"

No projeto europeu INNO4CFIS<\/a>, combin\u00e1mos drones multiespectrais, dispositivos m\u00f3veis, medi\u00e7\u00f5es de campo e modelos digitais, juntamente com os nossos parceiros<\/strong>, para melhorar a estimativa da biomassa e, consequentemente, o acompanhamento do carbono armazenado em sistemas agroflorestais. Os resultados aproximam-nos de metodologias mais objetivas, rastre\u00e1veis e transfer\u00edveis para o setor<\/strong><\/p><\/blockquote>\n

 <\/p>\n

Os sistemas agroflorestais<\/strong> podem contribuir para armazenar carbono na vegeta\u00e7\u00e3o e no solo, al\u00e9m de favorecer a biodiversidade, proteger contra a eros\u00e3o e melhorar a resili\u00eancia das explora\u00e7\u00f5es. No entanto, para demonstrar esta contribui\u00e7\u00e3o, precisamos de medir como evoluem as \u00e1rvores e a biomassa ao longo do tempo. <\/p>\n

Esta tarefa \u00e9 especialmente complexa nos ambientes mediterr\u00e2nicos, onde coexistem diferentes esp\u00e9cies, tamanhos, densidades e condi\u00e7\u00f5es ambientais. As medi\u00e7\u00f5es manuais fornecem informa\u00e7\u00e3o precisa, mas exigem tempo e s\u00e3o dif\u00edceis de repetir em grandes superf\u00edcies. <\/p>\n

No INNO4CFIS, trabalh\u00e1mos em metodologias que permitem complementar estas medi\u00e7\u00f5es atrav\u00e9s de tecnologias de teledete\u00e7\u00e3o a\u00e9rea e terrestre.<\/strong><\/p>\n

Drones para caracterizar \u00e1rvores e parcelas<\/strong><\/h2>\n

Atrav\u00e9s de drones equipados com c\u00e2maras RGB e multiespectrais<\/strong> e sistemas de posicionamento de alta precis\u00e3o, ger\u00e1mos ortomosaicos, mapas de \u00edndices de vegeta\u00e7\u00e3o, nuvens de pontos tridimensionais e modelos digitais do terreno e da superf\u00edcie.<\/p>\n

A partir destes dados, obtivemos informa\u00e7\u00e3o sobre a cobertura vegetal, a altura das \u00e1rvores, as dimens\u00f5es das copas<\/strong> e a variabilidade existente dentro das parcelas. Quando a estrutura da planta\u00e7\u00e3o o permite, podemos chegar a analisar \u00e1rvores individuais e comparar a sua evolu\u00e7\u00e3o entre campanhas. <\/p>\n

Tamb\u00e9m verific\u00e1mos que a resolu\u00e7\u00e3o das imagens, por si s\u00f3, n\u00e3o garante um resultado fi\u00e1vel. O planeamento do voo, a calibra\u00e7\u00e3o dos sensores, as condi\u00e7\u00f5es de ilumina\u00e7\u00e3o e vento e a precis\u00e3o da georreferencia\u00e7\u00e3o s\u00e3o fatores essenciais para diferenciar as altera\u00e7\u00f5es reais das poss\u00edveis varia\u00e7\u00f5es geradas durante a aquisi\u00e7\u00e3o e o processamento dos dados. <\/p>\n

\"\"<\/p>\n

Medi\u00e7\u00e3o terrestre da estrutura das \u00e1rvores<\/strong><\/h3>\n

A observa\u00e7\u00e3o a\u00e9rea permite caracterizar principalmente as copas, mas oferece menos informa\u00e7\u00e3o sobre elementos ocultos, como os troncos ou os ramos inferiores.<\/p>\n

Para completar estes dados, utiliz\u00e1mos dispositivos m\u00f3veis que integram sensores LiDAR e RGB e que se apoiam em sistemas de posicionamento RTK<\/strong>. Estas tecnologias permitiram-nos gerar reconstru\u00e7\u00f5es tridimensionais e estimar vari\u00e1veis, como o di\u00e2metro do tronco<\/strong>, fundamentais para o desenvolvimento dos modelos de c\u00e1lculo de biomassa. <\/p>\n

Os resultados obtidos mostram o potencial destes dispositivos para agilizar determinadas medi\u00e7\u00f5es e comparar a evolu\u00e7\u00e3o das \u00e1rvores entre campanhas. No entanto, tamb\u00e9m evidenciam a necessidade de validar cada metodologia antes de a transferir para outras esp\u00e9cies, parcelas ou condi\u00e7\u00f5es diferentes. <\/p>\n

\"teledetecao-lidar-inno4cfis\"<\/p>\n

Das observa\u00e7\u00f5es \u00e0 estimativa de biomassa<\/strong><\/h3>\n

Os sensores n\u00e3o medem diretamente a biomassa nem o carbono armazenado. Registam sinais a partir dos quais s\u00e3o gerados dados e imagens que devemos processar para obter vari\u00e1veis relacionadas com a biomassa da vegeta\u00e7\u00e3o. <\/p>\n

Para isso, lig\u00e1mos os dados obtidos atrav\u00e9s de drones e dispositivos terrestres \u00e0s medi\u00e7\u00f5es realizadas em campo. Estas refer\u00eancias permitem-nos calibrar e validar os modelos utilizados para relacionar vari\u00e1veis como a altura, o di\u00e2metro do tronco ou as dimens\u00f5es da copa com a biomassa das \u00e1rvores<\/strong>. <\/p>\n

O nosso objetivo n\u00e3o \u00e9 substituir o trabalho de campo, mas utiliz\u00e1-lo de forma mais eficiente. As medi\u00e7\u00f5es diretas fornecem a refer\u00eancia necess\u00e1ria, enquanto a teledete\u00e7\u00e3o <\/strong>permite ampliar a observa\u00e7\u00e3o, repeti-la com maior frequ\u00eancia e estend\u00ea-la ao conjunto da parcela. <\/p>\n

INNO4CFIS impulsiona uma agricultura de carbono baseada em dados<\/strong><\/h3>\n

No v\u00eddeo seguinte, mostramos como aplic\u00e1mos estas tecnologias para conhecer com maior precis\u00e3o a forma\u00e7\u00e3o de biomassa como base para estimar a fixa\u00e7\u00e3o de carbono nos sistemas agroflorestais.<\/a><\/p>\n