O problema do aquecimento global tornou-se preocupação internacional,
culminando com a ratifi cação do Protocolo de Kioto. Neste documento,
constam as defi nições e os objetivos dos Mecanismos de Desenvolvimento
Limpo e tem em seu escopo defi nidos procedimentos fl exibilizadores, para
tornar mais fácil aos paÃses industrializados compensar em conjunto suas
emissões poluentes. Sem esses mecanismos, as nações industrializadas teriam
grande difi culdade em compensar emissões poluentes por meio de medidas
tomadas isoladamente. Um dos mecanismos criados é o mercado de crédito
de carbono, onde investidores compensam as emissões de gases poluentes
pela compra dos créditos de carbono. Para que isso seja possÃvel é necessário
que sejam realizados estudos e levantamentos, que compreendem desde a
quantifi cação das emissões até às quantidades de carbono acumuladas de
diferentes formas. Por tal, o desenvolvimento de metodologias para estimar
o carbono orgânico armazenado em fl orestas tem despertado interesse de
vários pesquisadores, que aplicam as mais variadas formas de estimativas,
desde quantifi cações diretas em campo até a obtenção de estimativas pelo
uso de equações de regressão aplicadas em imagens de satélite, visando mapear essa variável de forma expedita e rápida. Recentemente um novo
procedimento, pertencente à área da chamada Inteligência Artifi cial (IA),
tem sido aplicado para mapeamento do uso do solo por meio de classifi cação
digital utilizando Redes Neurais Artifi ciais (RNA). O propósito do presente
artigo é mostrar a viabilidade do uso de RNA como alternativa para o
mapeamento de biomassa e carbono em grandes extensões fl orestais.
The global warming problem has become an international issue,
culminating with the ratifi cation of the Kioto Protocol. This document
presents the definitions and objectives of the Clean Development
Mechanisms, with recommendations of fl exible procedures that facilitate
the compensation of the pollution emissions in industrialized countries.
Without these mechanisms the industrialized countries alone would
have great diffi culties to mitigate their pollution emissions. One of
the forms to implement these procedures is the carbon credits market,
where potential polluters would compensate their emission of polluting
components by buying carbon credits. In order to make this possible,
studies and assessments of carbon emissions and storage in different
ways have to be done. The development of methodologies to estimate
the amount of organic carbon stored in forests has appealed to many
researchers, who have been applying several forms of estimating biomass
and carbon content, varying from direct fi eld measurements to the use
of regression equations applied to satellite images, focusing on the fast
mapping of this variable. Recently a new procedure, belonging to the
Artifi cial Intelligence fi eld, has been applied to the mapping of soil use
by means of digital classifi cation with the Artifi cial Neural Nets (ANN).
The objective of the present paper is to show the viability of using ANN
as an alternative for mapping biomass and carbon content in large forest
areas.
