Spatiotemporal Estimation of Daily Peatland Gross Primary Production with Landsat Remote Sensing Data in Germany, Estonia and Finland

Resumo Técnico: Estimativa Espaçotemporal da Produção Primária Bruta Diária de Turfeiras com Dados de Sensoriamento Remoto Landsat

Definição do Problema
As turfeiras são reservatórios críticos de carbono (C) terrestre, armazenando aproximadamente um terço do carbono do solo mundial, apesar de cobrirem apenas 3% da superfície terrestre global. No entanto, seu papel como sumidouros de carbono é cada vez mais comprometido pelo aquecimento climático e por distúrbios antropogênicos, particularmente drenagem e práticas de manejo florestal em regiões boreais e hemiboreais. Embora as torres de fluxo de covariância de eddy (EC) forneçam medições de alta frequência e contínuas de troca líquida de carbono e da Produção Primária Bruta (GPP) derivada, sua pegada espacial é limitada (tipicamente 100–500 m), tornando difícil capturar a heterogeneidade das paisagens de turfeiras influenciadas pela microtopografia, composição da vegetação e gradientes hidrológicos. Por outro lado, os produtos de GPP baseados em satélite existentes, como o MODIS (resolução de 1 km), frequentemente falham em representar com precisão a variabilidade de pequena escala em ecossistemas complexos de turfeiras devido à heterogeneidade do pixel e à resolução grosseira. Existe uma lacuna observacional significativa na quantificação das dinâmicas espaço-temporais da GPP através de diferentes regimes de manejo de turfeiras (naturais, drenadas, restauradas, corte raso e corte parcial) em escalas de paisagem.

Metodologia
Para abordar essas limitações, os autores desenvolveram uma estrutura de aprendizado de máquina integrando dados de sensoriamento remoto Landsat com observações in situ de fluxo EC.

• Locais de Estudo: O estudo utilizou quatro locais de estudo em três países, representando diversos regimes de manejo: Lettosuo (Finlândia, manejo florestal drenado com tratamentos de corte raso e corte parcial), Agali-II (Estônia, manejo florestal drenado) e Anklam e Zarnekow (Alemanha, representando conversão agrícola e condições de fenotípicas reumedecidas/restauradas).
• Fontes de Dados:
  • Dados in situ: A GPP total diária (GPPFLUX) foi derivada de dados de torres de fluxo EC preenchidos por lacunas e particionados, agregados para valores cumulativos anuais para períodos de análise variando de 2009 a 2024, dependendo do local.
  • Dados de Sensoriamento Remoto: Produtos de reflectância de superfície de Landsat-5, -7, -8 e -9 Nível-2 (Azul, Verde, Vermelho, NIR, SWIR1, SWIR2) e Temperatura da Superfície Terrestre (LST) foram processados via Google Earth Engine (GEE).
• Abordagem de Modelagem: Um modelo de regressão de Floresta Aleatória (Random Forest - RF) foi empregado para prever a GPP diária.
  • Preditores: Bandas espectrais (Azul, Verde, Vermelho, NIR, SWIR1, SWIR2) e LST.
  • Treinamento: O modelo foi treinado em 70% dos dados coincidentes Landsat-EC e validado nos 30% restantes. A validação entre locais (deixar um local de fora) foi realizada para testar a transferibilidade do modelo.
  • Importância das Variáveis: Métricas de importância de Gini foram usadas para avaliar a contribuição de cada banda espectral e térmica para a predição da GPP.

Principais Resultados

• Desempenho do Modelo: O modelo RF baseado em Landsat demonstrou boa concordância com as observações de GPP derivadas de EC em todos os locais. O modelo geral alcançou um $R^2 \approx 0,57$ e um RMSE de aproximadamente 3,0 g C m⁻² d⁻¹.
  • O desempenho variou por local, com a maior precisão no local de corte raso finlandês ($R^2 = 0,72$) e a menor no local estoniano Agali-II ($R^2 = 0,29$).
  • A validação entre locais confirmou a robustez e a transferibilidade do modelo, com valores de $R^2$ variando de 0,38 a 0,69 para locais independentes.
• Importância das Variáveis: A reflectância do Infravermelho Próximo (NIR) e a Temperatura da Superfície Terrestre (LST) foram consistentemente os preditores mais importantes em todos os locais, destacando os papéis da estrutura do dossel e da regulação térmica na GPP. A importância relativa das bandas do visível (Vermelho) e do Infravermelho de Ondas Curtas (SWIR) variou conforme o local e o regime de manejo, refletindo diferenças na exposição do solo, umidade da turfa e composição da vegetação.
• Dinâmicas de Regimes de Manejo:
  • Corte Raso vs. Corte Parcial: Áreas de corte raso exibiram picos sazonais mais fortes e padrões espaciais mais homogêneos, provavelmente devido à estrutura de dossel simplificada e ao aumento da penetração de luz para o subcobertura em regeneração. Áreas de corte parcial mostraram amplitude sazonal reduzida e maior heterogeneidade espacial, atribuídas ao dossel retido que amortece extremos microclimáticos.
  • Restauração: O modelo capturou com sucesso os padrões de produtividade em locais reumedecidos (DE-Zrk), distinguindo-os de estados drenados ou naturais.
• Mapeamento Espacial: O estudo gerou com sucesso mapas de GPP espacialmente explícitos com resolução de 30 m, distinguindo visualmente zonas vegetadas produtivas de áreas menos ativas, particularmente evidente nos mapas do local Lettosuo.

Significância e Alegações
O artigo afirma que este estudo fornece uma estrutura escalável e consistente para monitorar a produtividade de turfeiras sob diversas condições de manejo usando dados Landsat livremente disponíveis. Ao integrar observações multiespectrais e térmicas com dados de fluxo EC, a abordagem supera as limitações de resolução espacial do MODIS e as limitações de pegada das torres de fluxo. Os resultados apoiam o uso de abordagens baseadas em satélite para o monitoramento em larga escala da sequestração de carbono em turfeiras, oferecendo uma ferramenta para avaliar os impactos do manejo florestal (corte raso, corte parcial) e da restauração (reumedecimento) na absorção de carbono. O estudo enfatiza que, embora o NIR e a LST sejam preditores robustos e transferíveis, a inclusão das bandas do visível e do SWIR é necessária para capturar a variabilidade ecológica local e as mudanças espectrais induzidas pelo manejo. Este trabalho preenche uma lacuna observacional crítica em turfeiras manejadas, aumentando a capacidade de avaliar as respostas do fluxo de carbono a mudanças ambientais em escalas de paisagem a regional.