O inventário florestal é uma importante atividade que fornece uma ampla gama de informações sobre os parâmetros populacionais de extensas áreas florestais, com base em delineamentos de amostragem. Assim, este trabalho apresenta e avalia o uso combinado de levantamentos laser aerotransporto (ALS - Airborne Laser Scanning) e de dupla amostragem para estimativa de volume em plantios de eucalipto, comparando os resultados obtidos com delineamentos amostrais tradicionais como a amostragem casual simples e a amostragem casual estratificada. No primeiro cenário de dupla amostragem assumiu-se a primeira fase como sendo a métrica de altura percentil 90 (P90) derivado dos dados ALS. No segundo cenário, adotou-se o percentil 90 (P90) e a métrica de proporção porcentagem de todos os retornos acima da média relacionada aos primeiros retornos (ARMFR), derivadas dos dados LiDAR (Light Detection And Ranging). Através de simulações buscou-se determinar a intensidade amostral necessária para atender um erro de amostragem máximo de 5%. O estudo foi realizado em uma área de 401,6 hectares localizada nos municípios de São Miguel Arcanjo e Pilar do Sul, onde foram lançadas e medidas 37 parcelas em campo. O menor erro de amostragem obtido foi o da dupla amostragem com regressão múltipla (±1,8%), seguidos pela dupla amostragem com estimador de regressão simples; amostragem casual estratificada; e amostragem casual simples, confirmando o potencial de uso dos dados do sensor laser para melhorar as estimativas de volume do inventário florestal, possibilitando a redução da intensidade amostral. Considerando apenas 10 unidades de amostra, o erro da dupla amostragem obtido na regressão múltipla foi de ± 3,4%.
Forest inventory is an important activity to provide a wide range of information about the parameters from extensive forested areas based on sampling designs. This study evaluates the use of ALS (Airborne Laser Scanning) metrics as part of a double sampling design for stand volume estimation in Eucalyptus plantation, comparing the results to traditional sampling designs such as simple random sampling and stratified random sampling. In one scheme, the double sampling first phase was the height metric of the 90 th percentile (P90) derived from LiDAR (Light Detection And Ranging) data. In the second double sampling scenario we adopted the 90th percentile (P90) and the density metric percentage of all returns above the mean of first returns (ARMFR), also derived from LiDAR data. Through simulations we sought to determine the sampling intensity required to obtain a sampling error at most 5%. The study was conducted in 401,6 hectares of Eucalyptus plantation located between the municipalities of São Miguel Arcanjo and Pilar do Sul (São Paulo), where 37 plots were measured in the field. The smallest sampling error was obtained from the double sampling with multiple regression (±1,8%) followed by the double sampling with simple regression, the stratified random sampling and the simple random sampling; confirming the use of ALS data to improve the volume estimation and enabling the sampling intensity reduction. The error of double sampling with multiple regression was ±3,4% considering only 10 field plots.
