O manejo florestal madeireiro é uma atividade que promove a manutenção da cobertura florestal em áreas de floresta primária no Brasil. Atualmente, as técnicas de manejo estão sendo aperfeiçoadas pelo desenvolvimento de novas tecnologias da área de geoprocessamento, como o Sistema Global de Posicionamento por Satélite (GNSS), Lidar (Ligth detection and ranging) aerotransportado (ALS) e Aeronaves Remotamente Pilotadas (ARPs). O objetivo geral deste trabalho é apresentar os princípios do manejo florestal de precisão aplicados para a região amazônica e avaliar a capacidade dos dados do Lidar na redução da intensidade amostral no inventário florestal. Para tal, foi utilizada uma área demonstrativa de manejo florestal de precisão localizada no campo experimental da Embrapa, no município de Rio Branco, Acre. O estudo foi desenvolvido em uma área contínua de 800 hectares, com presença de floresta primária do tipo umbrófila, aberta, com presença de palmeiras, bambu e manchas de floresta alta. Foram realizadas duas coletas de dados nesta área: o censo florestal das árvores com DAP >= 40 cm, com o qual calculou-se a área seccional de cada árvore; e o voo Lidar feito a uma altitude de 600 metros, com footprint de 30 cm e densidade de 14 pts.m². A partir dos dados Lidar foram extraídas os modelos digitais de superfície (MDS), do terreno (MDT) e altura (MAD), e as métricas Alt_md (altura média do dossel), rugosidade (desvio padrão da altura média do dossel), Alt_dossel (abertura do dossel a 15 metros), LAI (índice de área foliar) e LAI_sub (LAI do sub-bosque - faixa entre 5 a 12 metros de altura). No capítulo 01, os dados foram analisados de forma a demonstrar a aplicação do Lidar no aperfeiçoamento das atividades técnicas do manejo florestal na amazônia, sendo elas: (i) macroplanejamento da Área de Manejo Florestal (AMF); (ii) microplanejamento do terreno e hidrografia da Unidade de Produção Anual (UPA); (iii) censo e amostragem florestal; (iv) planejamento da infraestrutura de exploração; e (v) monitoramento. Na análise dos dados do capítulo 02, foram feitas: (i) estimativa dos atributos estruturais derivados do inventário de campo e da nuvem de retornos Lidar para três tamanhos de célula; (ii) correlação de Pearson entre os atributos do campo e do dossel derivados do Lidar; (iii) análise de agrupamento para formação dos estratos pelo método de Ward; (iv) validação (ANOVA) e caracterização dos estratos (PCA); e (v) estimativa de redução da intensidade amostral por meio de uma simulação computacional. Como resultado, os mapas gerados mostram a acurácia e qualidade dos dados do Lidar para o mapeamento de unidades de produção anual dentro da área de manejo florestal, microzoneamento da topografia, modelagem da rede de drenagem, identificação de áreas de relevo acidentado, delimitação da APP e planejamento da infraestrutura de exploração respeitando as condições ambientais e potecial madeireiro da área de estudo. A altura média do dossel da floresta (Alt_md), obtida com o Lidar, apresentou a maior correlação (r = 0,74) com a área basal e foi utilizada para estratificar a vegetação em quatro padrões de floresta, com diferença significativa entre eles para a variável de campo. A estratificação com a Alt_md distinguiu bem a floresta quanto ao seu gradiente de variação estrutural e perfil de densidade da vegetação. A simulação do inventário estratificado versus o inventário inteiramente casualizado evidenciou a capacidade da variável Lidar Alt_md em reduzir o número de parcelas em até 41% quando utilizado 4 estratos para uma mesma incerteza relativa de 10%. O uso de uma única métrica de dossel, derivada do Lidar, foi capaz de estratificar uma área de floresta tropical primária, além de gerar informações adicionais, como o índice de área foliar do sub-bosque e o modelo do terreno que podem auxiliar na tomada de decisão para o manejo, conservação e monitoramento de florestas tropicais.

Timber forest management is an activity that promotes the maintenance of forest cover in primary forest areas in Brazil. Currently, management techniques are being improved by the development of new geoprocessing technologies such as the Global Positioning Satellite System (GNSS), Airborne Lidar Scanning (ALS) and Remotely Piloted Aircraft (ARPs). The general objective of this work is to present the principles of precision forest management applied to the Amazon region and evaluate the reduction of sampling intensity in the forest inventory from vegetation stratification using Lidar variables. For this, was used a demonstration area of precision forest management located in the experimental field of Embrapa, in Rio Branco, Acre. The study was located in a continuous area of 800 hectares, in open ombrphylous forest with presence of palms, bamboo and dense forest portions. Two data collections were carried out in this area: the census inventory of trees with DBH >= 40 cm, which the sectional area of each tree was calculated; and the Lidar flight made at an altitude of 600 meters, with footprint of 30 cm and density of 14 pts.m². From the Lidar data were processed the digital surface models (DSM), terrain (DTM) and height (CHM), CH_mean (average canopy height), roughness (standard deviation of the canopy), CH_openness (canopy openness of 15 meters), LAI (leaf area index) and LAI_under (LAI between 5 to 12 meters of height). In chapter 01, the data were analyzed in order to demonstrate the application of Lidar to improve the technical activities of the forest management in the Amazon, being: (i) macroplanning of the forest management area (AMF); (ii) micro-planning of the land and hydrography of the annual production unit (UPA); (iii) forest census and sampling; (iv) exploration infrastructure planning; and (v) monitoring. The analysis performed on the data of chapter 02 were: (i) estimation of the structural attributes derived from the field inventory and of the return cloud Lidar for three cell sizes; (ii) Pearson correlation between the field and canopy attributes derived from the Lidar; (iii) cluster analysis for classify strata by the Ward method; (iv) validation (ANOVA) and characterization of stratas (PCA); and (v) reduction of sample estimation intensity by a computer simulation. As result, the generated maps show the accuracy and quality of the Lidar data for mapping of annual production units within the area of forest management, microzoning of the topography, drainage network modeling, identification of rugged relief areas, APP boundary and planning the exploration infrastructure respecting the environmental conditions and timber potential of the study area. The average height of the forest canopy (CH_mean), obtained with the Lidar, presented the highest correlation (r = 0.74) with the basal area and was used to stratify the vegetation in four forest patterns, with significant difference between them for the field variable. The stratification with CH_mean distinguished the forest well for its structural variation gradient and vegetation density profile. The simulation of the stratified inventory versus the completely randomized inventory evidenced the ability of the Lidar Altmd variable to reduce the number of plots by up to 41% when using 4 strata for the same relative uncertainty of 10%. The use of a single canopy metric derived from Lidar was able to stratify an area of primary rainforest, in addition to generating additional information such as understory leaf area index and the terrain model that can assist in decision making for management, conservation and monitoring of tropical forests.