Caracterização funcional ecossistêmica de áreas úmidas costeiras a partir de indicadores obtidos por dados de satélite

Abstract

As Áreas Úmidas (AUs) estão entre os ecossistemas mais valiosos do planeta devido a sua alta produtividade biológica, rica biodiversidade e funções ecológicas que oferecem diversos serviços ecossistêmicos, como a absorção de CO2 pela biomassa e solos, contribuindo para mitigar as mudanças climáticas. Os fatores antrópicos, ambientais e climáticos impactam as AUs simultaneamente, em diversas escalas espaçotemporais. Assim, conhecer, caracterizar e mensurar as funções ecossistêmicas de produção primária, biomassa e estoques de carbono na vegetação contribui para preservar as AUs. Dados de sensoriamento remoto (SR) estimam e mapeiam com eficácia estas funções ecossistêmicas usando diversas técnicas, mas ainda há desafios e fatores para explorar visando aprimorar sua eficiência nessa abordagem em AUs. O objetivo geral desta tese é estimar e caracterizar as funções ecossistêmicas de produção primária e armazenamento de biomassa e carbono na vegetação das AUs na Planície Costeira do Rio Grande do Sul (PCRS), utilizando indicadores funcionais obtidos por dados de satélite, com vistas ao aprimoramento das predições e caracterizações. Para isso, utilizamos dois modelos preditivos com dados de Biomassa Acima do Solo (AGB) e Carbono Orgânico na biomassa (Corg) coletados em campo e dados dos satélites PlanetScope e Sentinel-2: i) análise de correlação e modelo de regressão linear (RL); ii) modelo de regressão Random Forest (RF) com diferentes tratamentos que envolveram os valores amostrais de AGB e Corg dimensionados para três diferentes tamanhos de parcela e os mesmos submetidos à normalização logarítmica natural (LN). Usamos uma abordagem de caracterização funcional baseada em três anos de imagens do satélite Landsat 8 e dois anos do satélite Sentinel-2 sob influência dos eventos climáticos El Niño e La Niña. Foram calculados os índices de vegetação NDVI e CO2FLUX, derivadas métricas e classes, respectivamente, de Atributos e Tipos Funcionais de Ecossistemas (AFEs e TFEs). Também realizamos Análise de Correspondência (AC) para relacionar os TFEs às distintas tipologias de AUs nas regiões Interna e Externa da PCRS. Realizamos análise de mudanças na cobertura e uso da terra nas AUs entre 1985 e 2021 e caracterização físico- químicas dos solos para identificar diferenças regionais e tipológicas nas AUs, visando ampliar a compreensão da diversidade funcional ecossistêmica da área de estudo. Como resultados, a regressão RF mostrou maior precisão (R² = 0,85 e 0,79; RMSE = 157,26 g/m² e 57,38 g/m² para AGB e Corg, respectivamente) em comparação a regressão RL com dados do S2 (R² = 0,46 e 0,45; RMSE = 166,73 g/m² e 67,47 g/m² para AGB e Corg). Além disso, avaliar a normalização e diferentes tamanhos das parcelas, contribuiu para estimativas mais precisas. De modo geral, os erros de estimativa diminuíram com tamanho de parcelas maiores nos modelos S2. Os índices CO2Flux e SPRI foram preditores espectrais essenciais nos modelos mais acurados. Na caracterização funcional, o IV CO2Flux melhorou a percepção da diversidade funcional espacial nas AUs inundadas e nas diferentes tipologias de AUs, demonstrando ser mais eficaz para a abordagem funcional em AUs em comparação ao NDVI. O comportamento funcional das AUs está relacionado às suas características ambientais, hidrogeomorfológicas, fitofisionômicas, a dinâmica de uso e ocupação da terra e é influenciado por eventos climáticos. Além de gerar dados e contribuir para o conhecimento das AUs da PCRS, o conjunto de resultados e avanços metodológicos deste estudo oferece diretrizes para uma avaliação funcional melhorada e identificação das AUs, com potencial contribuição para a gestão e conservação dos ecossistemas de AUs costeiras.

Wetlands are among the most valuable ecosystems on the planet due to their high biological productivity, rich biodiversity, and ecological functions, which provide various ecosystem services, such as CO2 absorption by biomass and soils, helping to mitigate climate change. Anthropogenic, environmental and climatic factors impact on wetlands simultaneously, at different spatial-temporal scales. Thus, knowing, characterizing and measuring the ecosystem functions of primary production, biomass and carbon storage in the vegetation contributes to preserving wetlands. Remote sensing (RS) data effectively estimate and map these ecosystem functions using various techniques, but there are still challenges and factors to explore in order to improve their efficiency in this approach in wetlands. The general objective of this thesis is to estimate and characterize the ecosystem functions of primary production and biomass and carbon storage in the vegetation of wetlands on the Coastal Plain of Rio Grande do Sul (PCRS), utilizing functional indicators derived from satellite data, to improving predictions and characterizations. To achieve this, two predictive models were employed with Above-ground biomass (AGB) and Organic Carbon (Corg) data collected in the field and data from the PlanetScope and Sentinel-2 satellites: i) correlation analysis and linear regression (LR) model; ii) Random Forest (RF) regression model with different treatments involving the sample values of AGB and Corg scaled to three different plot sizes and subjected to natural logarithmic (LN) normalization. We used a functional characterization approach based on three years of images from the Landsat 8 satellite and two years from the Sentinel-2 satellite under the influence of El Niño and La Niña climate events. We calculated the NDVI and CO2FLUX vegetation indices, metric derivatives and classes, corresponding to Ecosystem Attributes and Functional Types (EFAs and EFTs). We also carried out Correspondence Analysis (CA) to relate the TFEs to the different types of wetlands in the Internal and External regions of the PCRS. We carried out an analysis of changes in land cover and land use in the wetlands between 1985 and 2021 and a physical-chemical characterization of the soils to identify regional and typological differences in the wetlands, with the aim of broadening our understanding of the functional ecosystem diversity of the study area. As a result, the RF regression showed greater accuracy (R² = 0.85 and 0.79; RMSE = 157.26 g/m² and 57.38 g/m² for AGB and Corg, respectively) compared to the RL regression with S2 data (R² = 0.46 and 0.45; RMSE = 166.73 g/m² and 67.47 g/m² for AGB and Corg). In addition, evaluating normalization and varying plot sizes led to more precise estimates. In general, estimation errors decreased with larger plot sizes in the S2 models. The CO2Flux and SPRI indices were essential spectral predictors in the most accurate models. In functional characterization, the CO2Flux IV improved the perception of spatial functional diversity in flooded wetlands and in the different wetland typologies, proving to be more effective for the functional approach in wetlands compared to NDVI. The functional behavior of wetlands is related to their environmental, hydrogeomorphological and phytophysiognomic characteristics, the dynamics of land use and occupation, and is influenced by climatic events. In addition to generating data and contributing to the knowledge of the wetlands of the PCRS, the set of results and methodological advances of this study offers guidelines for an improved functional assessment and identification of wetlands, with a potential contribution to the management and conservation of coastal wetlands ecosystems.