Minicurso 30: Aplicação de dados abertos em sensoriamento remoto para quantificação de créditos de carbono em projetos REDD+

Estimativas acuradas do carbono equivalente emitidos para atmosfera é uma das bases de integridade e eficácia dos atuais projetos de carbono. O sensoriamento remoto, utilizando tecnologias avançadas como drones equipados com LiDAR, é uma ferramenta poderosa na quantificação do carbono em florestas tropicais. Recentemente, produtos globais da altura do dossel das florestas vêm sendo disponibilizados gratuitamente para seu monitoramento com aplicação de técnicas de deep learning. Nesse sentido, é possível obter a partir da calibração desses produtos com dados de campo mapas acurados de carbono para extensas áreas. Assim, o curso tem como objetivo capacitar profissionais a desenvolverem mapas de carbono e validar com dados regionais de campo e LiDAR. O curso terá os projetos REDD+ (conservação florestal) e ARR (restauração florestal) como pano de fundo, trazendo as principais demandas e padrões metodológicos requeridos para verificação dos créditos. Traremos insights e exemplos práticos de como o sensoriamento remoto pode ser aplicado na quantificação de carbono e construção de linhas de base para geração de créditos nas etapas de monitoramento e verificação dos projetos. O usuário será capaz de avaliar a qualidade de produtos pré-existentes e de livre acesso (obtidos pelo Google Earth Engine) em ambientes GIS (QGIS) e R.

Parte teórica (manhã):
- Conceitos teóricos da modelagem de carbono: em campo e com sensoriamento remoto
    - Introdução da mensuração direta da biomassa arbórea acima do solo
    - Escolha da equação alométrica: critérios metodológicos VCS-VERRA
    - Inventário Florestal Nacional pelo Serviço Florestal Brasileiro: apresentação da plataforma com base de dados abertos
    - Mapas de carbono no Brasil: Projeto EBA e quarto inventário de emissões (MCTIC). Explicação teórica de como esse mapa foi gerado a partir de uma abordagem upscaling utilizando sensoriamento remoto. 
    - Mapas de carbono globais disponíveis e como estes foram gerados e validados. 
    - Introdução ao estado da arte na criação de mapas de carbono: principais metodologias aplicadas.
    - Teoria da construção de modelos de carbono e estimativas a partir de sensoriamento remoto numa abordagem upscaling.
- Projetos de carbono do mercado voluntário:
    - Modalidades de projeto: REDD+ e ARR
    - Apresentação de exemplos reais de uso de sensoriamento remoto em um projeto REDD+.
- Uso de mapas de carbono em projetos REDD+ e ARR
- Conceito de linha de base dos diferentes projetos: REDD+ e ARR 
- Aplicação do sensoriamento remoto no monitoramento e quantificação de carbono para modelagem desses créditos
    - Modelagem de VCUs (Verified Carbon Units) a partir dos estoques de carbono, linha de base, emissões do projeto, vazamentos e buffer. 

Parte prática (Tarde):
- Apresentação dos produtos contendo a informação de altura do dossel: META, Lang et al. (2022) e Potapov et al. (2021);
- Aplicação de comandos em Google Earth Engine para obtenção das imagens raster com altura do dossel;
- Análise dos dados no ambiente R:
- Análise exploratória e estatísticas descritivas:
    - Comparação das diferentes fontes de altura do dossel
    - Média, mediana, desvio padrão e incerteza
    - Histogramas
    - Definição dos estratos
    - Comparação dos produtos com dados de drone-LiDAR locais
- Análise exploratória dos dados de biomassa a partir de inventários de campo (parcelas do Inventário Florestal Nacional do Serviço Florestal Brasileiro):
    - Definição dos estratos a partir de bases públicas (IBGE)
    - Estimativas dos estoques de biomassa a nível de parcela
    - Histograma
    - Análise descritiva: média, mediana, desvio padrão e incerteza
- Extração das informações de altura do dossel a partir de shapefiles das parcelas
- Formação do dataset para ajuste do modelo:
    - Estatísticas descritivas do dataset: média, mediana, desvio padrão e incerteza
    - Gráficos boxplot para análise exploratória
    - Seleção dos modelos candidatos
    - Avaliação do modelo a partir: AIC, RMSE%, MAE% e R²
- Aplicação da equação escolhida aos rasters de altura do dossel
    - Bootstrapping
    - Cálculo da incerteza global
    - Geração do mapa regional de carbono (upscaling)
    - Validação do mapa de carbono