Os métodos tradicionais para avaliar a saúde e a produtividade florestal geralmente dependem de sensores terrestres, que exigem muita mão-de-obra e têm alcance limitado, ou de imagens padrão de satélite e drones, que capturam apenas a visão plana e de cima para baixo da copa das árvores. No entanto, para os investigadores do Instituto de investigação de Silvicultura Subtropical da Academia Chinesa de Silvicultura e da Universidade Agrícola de Hebei, na China, esta perspetiva bidimensional não leva em consideração a estrutura vertical crucial onde a luz, as folhas e a fisiologia interagem.
A tecnologia Light Detection and Ranging (LiDAR) pode mapear com precisão a estrutura tridimensional (3D) de uma floresta, no entanto não fornece os dados bioquímicos necessários para avaliar a fotossíntese. Assim, os investigadores consideram a necessidade de uma abordagem integrada que combine informações estruturais e espectrais para realizar estudos aprofundadas sobre a intercetação de luz em espécies de coníferas altas.
O estudo desenvolvido por investigadores do Instituto de investigação de Silvicultura Subtropical da Academia Chinesa de Silvicultura e da Universidade Agrícola de Hebei, na China, e já publicado na revista “Plant Phenomics”, apresenta um novo fluxo de trabalho que processa nuvens de pontos de alta densidade e dados espectrais de cinco bandas para estimar a fração de radiação fotossinteticamente ativa absorvida em nível de voxel, fornecendo uma ferramenta inédita e específica para cada espécie, voltada para a silvicultura de precisão.
A equipa de investigadores realizou um levantamento num pinhal ao longo de quatro anos, utilizando um sistema LiDAR acoplado a um drone e um sensor multiespectral para recolher dados simultaneamente. Os investigadores compararam o poder preditivo de 14 índices de vegetação com quatro modelos de aprendizado de máquina: Random Forest, XGBoost, Regressão por Mínimos Quadrados Parciais e Máquina de Vetores de Suporte.
O modelo RF demonstrou ser superior, explicando 84% da variação na radiação fotossinteticamente ativa absorvida medida em campo. A análise revelou que os índices baseados na borda vermelha, particularmente o Índice de Clorofila da Borda Vermelha, foram os preditores mais influentes da absorção de luz. Os mapas 3D resultantes destacaram um gradiente vertical impressionante, com a copa superior absorvendo, em média, 26% mais luz do que as camadas inferiores – um padrão associado ao denso agrupamento de agulhas e aos ângulos acentuados das folhas. A pesquisa também capturou um ritmo sazonal claro, com a radiação fotossinteticamente ativa absorvida atingindo o pico no inverno e diminuindo no final da primavera, provavelmente devido ao stress hídrico e à variação na qualidade da luz, e identificou agrupamentos persistentes de árvores com alto e baixa radiação fotossinteticamente ativa absorvida em toda a plantação.
“O verdadeiro divisor de águas é a perspetiva 3D”, afirmaram os autores. “Pela primeira vez, podemos ver exatamente como a luz é capturada, não apenas no topo, mas em toda a copa. Isto permite-nos identificar quais árvores ou famílias que são mais eficientes no uso da luz solar e entender como a estrutura interna da copa afeta essa eficiência. É um grande passo para preencher a lacuna entre genética e ambiente na silvicultura.”
Este fluxo de trabalho escalável e de alto rendimento fornece uma ferramenta prática para melhoristas florestais e gestores que procuram aumentar a produtividade e o sequestro de carbono. Ao identificar famílias com eficiência superior no uso da luz, os programas de melhoramento genético podem ser acelerados.
Para a silvicultura, os mapas 3D oferecem um guia preciso para o desbaste direcionado, otimizando a distribuição de luz para as camadas inferiores e sombreadas da copa, o que pode impulsionar o crescimento e a resiliência geral do povoamento. Embora desenvolvida para o pinheiro-de-folha-longa (Pinus palustris), a metodologia pode ser recalibrada para outras plantações de coníferas altas, prometendo um futuro mais sustentável e baseado em dados para a silvicultura global.
