A disponibilidade de dados quantitativos confiáveis é primordial para compreensão da Ecologia de áreas verdes, pois a partir deles é possível entender o funcionamento desses ecossistemas e avaliar sua participação no fornecimento de serviços ambientais. As áreas verdes podem ser compreendidas como uma rede dentro da matriz urbana composta por fragmentos, representados por parques, praças e áreas de proteção, interligados por corredores, principalmente matas ciliares e ruas arborizadas. Em diversos estudos, a caracterização das áreas verdes se baseia na distribuição da cobertura arbórea e do uso do solo mensurados por processos que utilizam técnicas de interpretação de imagens de sensoriamento remoto e de geoprocessamento, que têm se tornado mais acessíveis com os softwares livres. A cobertura arbórea inclui populações de árvores de rua e populações de árvores que não são de rua, que constituem aglomerados. No capítulo 2, são aplicados sobre 6 bairros de Rio Claro - SP (Brasil) 6 processos de mapeamento do solo: Dot grid; Classificação Automática Supervisionada; Classificação Automática Supervisionada com uso do NDVI; Classificação Automática Não Supervisionada; Classificação Automática Não Supervisionada com uso do NDVI; Vetorização, aplicada apenas à cobertura arbórea. Os processos foram equivalentes na quantificação dos diversos tipos de cobertura (Estatísticas Kappa >= 0,75) e forneceram dados acurados de quantificação da cobertura arbórea (teste de Tukey, com dados de referência da Vetorização), exceto para Classificação Automática Supervisionada. Obteve-se melhor desempenho das classificações automáticas com o NDVI combinado à imagem multiespectral. Avaliações mais refinadas das áreas verdes acessam informações sobre a comunidade vegetal que as compõe por levantamentos em campo. O tipo de inventário florestal a ser utilizado depende dos objetivos e é limitado pelo tempo e recursos financeiros disponíveis. No que tange as árvores de rua, processos de amostragem podem fornecer informações adequadas para muitos projetos, além de reduzirem custos, pois a amostra da população é suficiente para visão geral de todos os aspectos, embora se percam informações específicas dos indivíduos. No capítulo 3, investiga-se a eficiência do inventário florestal pelos métodos de amostragem sistemática simples e amostragem sistemática estratificada da população de árvores de rua da área densamente urbanizada de Piracicaba - SP (Brasil), tendo como variável de estratificação a porcentagem de cobertura de árvores de rua e como variáveis de interesse: densidade em número de indivíduos por quilômetro de calçada (Df), densidade em área basal por quilômetro de calçada (Dg), altura total média (Ht), densidade em volume por quilômetro de calçada (Dv), densidade em número de espécies por quilômetro de calçada (De). Avaliou-se também o uso de diferentes unidades amostrais representadas por: 1, 2, 3 e 4 quarteirões. Para tanto, foram amostrados sistematicamente 90 conjuntos de 4 quarteirões, nos quais foram levantados os indivíduos com CAP >= 12 cm plantados em calçada e canteiro central. Pela redução no Esforço amostral, foi possível observar que a amostragem sistemática estratificada foi mais eficiente que a amostragem sistemática simples, especialmente para Df, Dg e Dv. O aumento no tamanho da unidade amostral também provocou redução no Esforço amostral, porém houve aumento na Intensidade de amostragem.

The availability of reliable quantitative data is primordial to understanding the Ecology of green spaces, because from them it is possible to know the functioning of these ecosystems and to evaluate their participation in provision of ecosystems services. Green spaces can be understood as a network within the urban matrix composed of fragments, represented by parks, squares and protected areas, interconnected by corridors, especially riparian forests and wooded streets. In several studies, the characterization of green areas has been based on the distribution of tree cover and land use processes measured by using techniques of interpretation of remote sensing images and GIS, which have become more accessible with the development of software free. The tree cover includes populations of street trees and populations of no street tree, forming aggregation. In chapter 2, 6 mapping processes of urban land are applied over 6 districts of Rio Claro city - SP (Brazil): Dot grid; Supervised Automatic Classification; Supervised Automatic Classification using NDVI; Unsupervised Automatic Classification; Unsupervised Automatic Classification using NDVI; Vector, applied only to tree cover. The processes were equivalent in the quantification of the several types of coverage (Kappa Statistic greater than 0.75) and provided accurate quantification data of tree cover (Tukey Test, with quantification by Vector as reference data), except for Supervised Automatic Classification. Best performance of automatic classifications was obtained by NDVI combination with multispectral imaging. More refined assessments of green spaces access information on vegetal community that makes up the tree cover through field surveys. The type of forest inventory to be used depends on the established goals and is limited by time and financial resources. In terms of street trees, the sampling methods can provide adequate information for many projects as well as reducing costs, since the sample is sufficient to overview of all aspects, despite losing specific information of each individual. In Chapter 3, we investigate the efficiency of forest inventory methods by simple systematic sampling and stratified systematic sampling of the street tree population in densely urbanized area of Piracicaba - SP (Brazil), with the percentage of street tree cover as stratification variable and the interest variables are: number of individuals per kilometer of sidewalk (Df), basal area per kilometer of sidewalk (Dg), total height mean (Ht), volume per kilometer of sidewalk (Dv) , number of species per kilometer of sidewalk (De). The use of different sampling units was evaluated too: 1 block, 2 blocks, 3 blocks, and 4 blocks. For that, 90 sets of 4 blocks were systematically sampled, in which individuals with CAP >= 12 cm planted in sidewalk and median were raised. By the reduction in Sample size (Ne), it was observed that the systematic stratified sampling was more efficient than simple systematic sampling, especially for Df, Dg and Dv. The increase in the size of the sampling units also caused reduction in Sample size, but there was an increase in the Sample intensity (I%).