A quantificação de biomassa e carbono em florestas requer a aplicação de métodos adequados para se obter estimativas confiáveis de seus estoques. Neste sentido, o objetivo deste trabalho foi avaliar a aplicação de alguns métodos utilizados para a predição e estimação dessas variáveis em florestas nativas e restauradas da Mata Atlântica. Para isso, um primeiro capítulo aborda o uso do índice de vegetação NDVI como ferramenta auxiliar no inventário de estoques de biomassa em áreas de restauração florestal. Diferentes métodos de amostragem foram comparados em termos de precisão e conservadorismo das estimativas. Os resultados demonstraram que o NDVI apresentou adequada correlação com a biomassa estimada nas parcelas do inventário florestal instaladas em campo, sendo viável sua aplicação, seja para auxiliar na determinação de estratos, na aplicação da amostragem estratificada, seja como variável suplementar na utilização de um estimador de regressão relacionando-o à biomassa, no procedimento da amostragem dupla. Este último método, possibilitou minimizar as incertezas acerca das estimativas, valendo-se de uma intensidade amostral reduzida, fato que torna seu uso interessante, principalmente aos estudos em escala ampla, de modo a aumentar a confiabilidade das quantificações de estoques de carbono presentes na biomassa florestal, a custos de inventário reduzido. Um segundo capítulo discute a abordagem metodológica utilizada para inferir sobre a qualidade de modelos preditivos quando da seleção de modelos concorrentes para a aplicação em estudos de biomassa de florestas nativas. Para tanto, seis modelos considerando diferentes combinações de variáveis preditoras, incluindo diâmetro, altura total e alguma informação relativa à densidade da madeira, foram construídos a partir de dados de uma amostra de 80 árvores. As equações de predição de biomassa seca geradas por estes modelos foram avaliadas quanto à sua qualidade de ajuste e desempenho de aplicação. Neste segundo caso, aplicando-as aos dados de outra amostra composta por 146 árvores presentes em nove parcelas destrutivas instaladas em diferentes estágios sucessionais da floresta, de modo a possibilitar a avaliação dos vieses preditivos. No intuito de se verificar as discrepâncias nas estimativas de biomassa devido à aplicação das diferentes equações de predição de biomassa, as equações desenvolvidas, junto a outras disponíveis na literatura, foram aplicados aos dados de um inventário florestal realizado na área estudada. O estudo confirma a natureza empírica destas equações, atentando para a necessidade de prévia avaliação de seu desempenho de predição antes de sua aplicação, em especial, das ajustadas com amostras de outras florestas, expondo alguns dos principais fatores associados às causas de incertezas nas quantificações dos estoques de biomassa nos estudos realizado em florestas nativas.

The biomass and carbon quantification requires the application of appropriate methods to obtain reliable estimates of their stocks in natural and planted forests. The aim of this study was to evaluate different applicable methods to estimate biomass in both, natural and restored Atlantic Forests. The first chapter discusses the use of the vegetation index (NDVI) as an auxiliary tool in the inventory of biomass stocks in forest restoration areas. Different sampling methods were compared in terms of its accuracy and conservativeness. The results shown an adequate correlation between the vegetation index and the measured biomass, making the NDVI applicable either as supporting decision tool to define strata in the stratified sampling or as a predictor in the double sampling procedure. The last method allowed to the minimization of the uncertainties related to the biomass estimation combined to the reduction of sampling efforts. It makes the approach very interesting, especially in the context of large-scale surveys. The second chapter discusses the methodological approach used to evaluate the quality of predictive models applied to biomass studies in natural forests. For this, six models were fitted from 80 sample trees, using different combinations of predictor variables, such as, total height and information of wood density. The predictive equations generated by the models were evaluated according to their quality of fit and prediction performance. In order to evaluate its prediction performance, the equations were applied to the dataset of another 146 sample trees measured in nine destructive sample plots. The plots were located in different forest successional stages allowing the evaluation of model predictive bias among the stages. A third step of the analysis was the application of literature equations to a dataset of a forest inventory conducted in the study area, in order to verify the discrepancies in the estimates due to the use of these different models. The study confirms the empirical nature of the biomass equations and the need of previous evaluation in terms of prediction performance. This conclusion is even more relevant when we consider the equations that were obtained from other forests types, exposing some of the key factors associated to the causes of uncertainty in the biomass estimation applied to natural forests.