O aquecimento global desencadeia algumas alterações ambientais, que são causadas pelo aumento da concentração dos gases do efeito estufa. As florestas têm grande importância na regulação climática, no ciclo do carbono e na conservação da biodiversidade. A vegetação remove grande quantidade de dióxido de carbono e o armazena em diferentes partes. Para medir a captura do carbono atmosférico pela vegetação, estimou-se a biomassa vegetal. Este trabalho quantificou a biomassa acima do solo para obtenção do estoque de carbono em diferentes ecossistemas com o uso de sensoriamento remoto na Fazenda Figueira, em Londrina, Paraná. A fazenda possui uma área de 3.686,64 hectares (ha), sendo 1.435,44 ha ocupados por vegetação natural e 1.865,30 ha ocupados por pastagens. A vegetação predominante é a Floresta Estacional Semidecidual (FES), além de apresentar áreas de Floresta Ribeirinha (FR), pastagens, áreas agrícolas e edificações. Para a quantificação da biomassa vegetal aérea, foram estabelecidas 30 parcelas de 300 m² nas áreas de FES e FR para medição do DAP e foram aplicadas três diferentes equações alométricas. Em relação às gramíneas, foram estabelecidas cinco parcelas de 10mx10m com o capim Tanzânia e, após ciclo de crescimento, foram cortadas subamostras de 1 m² para cálculo da biomassa. A partir de duas cenas do Landsat-8/OLI, foram gerados quatro Índices de Vegetação: RS, NDVI, EVI e EVI2, referentes a 2014 e 2015. A análise estatística executada foi a correlação de Pearson e a regressão stepwise para selecionar as melhores variáveis. Os resultados mostraram que a maior densidade de espécies foi encontrada na FES do que FR, porém a maior riqueza foi na FR. Ambas florestas apresentaram distribuição diamétrica irregular. Nas três equações alométricas, a biomassa e o estoque de carbono foram maiores na FES do que FR. Em relação aos Índices de Vegetação, os valores de RS, NDVI, EVI e EVI2 foram maiores na FES do que FR e valores foram maiores em 2015 do que 2014. O mesmo ocorreu para os buffers de 50 m e 100 m para todos os índices estudados. A correlação de Pearson mostrou melhor correlação da biomassa florestal total com a equação de Medina Sotomayor com EVI/2015 e a análise de regressão stepwise indicou melhor relação para equação de Burger e Delitti com EVI/2015 (R² = 0,3742). A biomassa do capim Tanzânia apresentou média de 3,67 Mg.ha^-1 e média de carbono de 1,83 MgC.ha^-1. Os valores médios dos Índices de Vegetação foram 0,67 para NDVI, 0,58 para EVI, 0,54 para EVI2 e 4,80 para RS. A análise de correlação de Pearson indicou forte correlação negativa da biomassa total de pastagem com todos os índices de vegetação e os valores de buffers de 50 m e 100 m. A análise de regressão stepwise foi significativa com EVI (R² = 0,9124). A quantificação de biomassa e carbono é importante meio para mitigação climática e as imagens Landsat-8 permitiram diferenciar, por meio de índices de vegetação, as coberturas vegetais da Fazenda Figueira. O sensoriamento remoto tem um bom potencial em estimar a biomassa acima do solo.

Global warming triggers some environmental changes, which are caused by increased concentration of greenhouse gases. Forests have great importance in climate regulation, carbon cycle, and conservation of biodiversity. Vegetation removes and stores large amounts of carbon dioxide. To measure the amount of atmospheric carbon captured by vegetation, biomass is estimated. This study quantified the aboveground biomass for obtaining carbon stocks in different ecosystems by using of remote sensing at Figueira Farm, Londrina, Paraná. The farm has an area of 3686.64 hectares (ha), of which 1435.44 ha are occupied by natural vegetation and 1865.30 ha are occupied by pastures. The predominant vegetation is semideciduous forest (FES), along with areas of riparian forest (FR), pasture, agricultural, and buildings. For quantification of above ground biomass, thirty 300 m² plots were established in the areas of FES and FR for measurement of DBH and were applied in three allometric equations. In relation to grasses, five 10mx10m plots of Tanzania grass were established and after their growth cycle, five subsamples of 1 m² were cut into to calculate biomass. From two scenes of Landsat-8/OLI, were generated four vegetation index: SR, NDVI, EVI and EVI2, referring to 2014 and 2015. Pearson correlation and stepwise regression were applied to select the best variables. The results showed that species density in FES was higher than FR, but the greater richness was found in the FR. Both forests had irregular diameter distribution. Using three allometric equations, the above ground biomass and carbon stocks were higher in FES than FR. The vegetation indices, values for SR, NDVI, EVI, and EVI2 were higher in FES than FR and values were higher in 2015 than in 2014. The same difference between FES and FR occurred with buffers of 50 m to 100 m for all indices studied. Pearson correlation analysis showed a better correlation of total forest biomass with the Medina Sotomayor equation with EVI/2015 and stepwise regression analysis indicated a better value to the Burger and Delitti equation with EVI/2015 (R² = 0.3742). Biomass of Tanzania grass showed an average biomass of 3.67 Mg.ha^-1 and average carbon of 1.83 MgC.ha^-1. The average vegetation indices were 0.67 for NDVI, 0.58 for EVI, 0.54 for EVI2, and 4.80 for SR. The pearson correlation analysis indicated a strong negative correlation among the total pasture biomass of among the and all vegetation indices and buffers of 50 m and 100 m. The stepwise regression analysis showed significant correlation with EVI (R² = 0.9124). The quantification of biomass and carbon is an important way of climate mitigation and Landsat-8 images differentiate the vegetation covers of the Figueira Farm, throught vegetation indices. Remote sensing has good potential to provide data for estimating the above ground biomass.