Como calcular a quantidade de carbono em uma árvore? Métodos, incerteza e contabilidade

Há um número popular em circulação: uma árvore sequestra cerca de 22 quilogramas de CO₂ por ano. É reconfortante, simples e errado com frequência suficiente para ser perigoso como base de contabilidade de carbono. A mesma espécie de árvore crescendo em dois climas diferentes pode variar por um fator de três. Uma árvore jovem e uma árvore madura da mesma espécie podem variar por um fator de dez. A pergunta não é “quanto”, mas “como o calculamos para esta árvore, neste lugar, nesta idade, com uma incerteza defensável em torno do número?”

O cálculo não é misterioso. É uma cadeia de quatro passos, mais um quinto: a propagação de incerteza, que se tornou inegociável sob o arcabouço regulatório de 2026. Cada passo tem um método defensável e um ponto conhecido onde os profissionais cortam caminho. A incerteza da biomassa acima do solo em escala de parcela ainda varia de 10–40% na literatura revisada por pares, e o erro alométrico em nível de árvore pode contribuir sozinho com 30–75% da incerteza total em estimativas de carbono da escala da árvore à paisagem1. A pergunta da auditoria em 2026 não é apenas “qual é a sua estimativa?”, mas “qual é o seu intervalo de confiança, e como você o construiu?”

Passo 1: das dimensões da árvore à biomassa acima do solo

A biomassa acima do solo (AGB) é estimada a partir de dimensões mensuráveis da árvore, mais comumente o diâmetro à altura do peito (DAP, medido a 1.3 m), a altura da árvore (H) e a densidade da madeira (ρ). A forma funcional dominante na literatura de silvicultura tropical é a equação alométrica pantropical de Chave2:

Esta é uma equação pantropical, ou seja, foi ajustada a partir de muitas espécies e regiões. É um ponto de partida aceitável, mas um ponto de chegada perigoso para aplicações de alto risco, porque o seu viés é sistemático, e não aleatório. A altura é o culpado de sempre. Como a relação altura–diâmetro de uma região pode diferir acentuadamente da média pantropical, a altura da árvore teve de ser integrada explicitamente aos modelos pantropicais de biomassa, em vez de ficar implícita no diâmetro3. Em floresta do Nordeste da Amazônia, a relação pantropical superestima a biomassa de várzea em cerca de 17% e subestima a de terra firme por uma margem semelhante, ao passo que substituí-la por modelos altura–diâmetro ajustados localmente reduz a diferença para cerca de 1%4. O problema se agrava em campo: a medição de rotina subestima sistematicamente a altura das árvores altas, e esse erro se propaga diretamente para a biomassa5. A consequência é um paradoxo familiar: um mapa pantropical regional pode ser não enviesado no agregado enquanto cada projeto local que ele cobre está gravemente errado.

O escaneamento a laser aerotransportado tornou vívidos os riscos econômicos. Na Guiana Francesa, substituir a alometria de altura pantropical por relações locais derivadas de ALS reduziu quase pela metade o erro médio de altura e deslocou as estimativas de AGB em 40–54 t/ha, uma variação de 11–13% maior do que a margem típica de um projeto de carbono6. Equações alométricas específicas por espécie ou por sítio superam de forma consistente a forma pantropical, sobretudo para espécies de arquitetura incomum (palmeiras, samambaias arborescentes, espécies fortemente sapopemadas) e para espécies de agrofloresta que não correspondem à estrutura dominada pelo caule das árvores de floresta natural7.

Quando a alometria específica por espécie vale o custo

Uma equação alométrica personalizada exige amostragem destrutiva: abater um conjunto de árvores de referência que cubra a faixa de tamanhos do povoamento, pesar a biomassa fresca e medir a fração seca. Para uma única espécie ao longo da vida de um projeto, isso costuma ser de 15 a 25 árvores. O custo é real, mas a redução da incerteza costuma ser maior do que a de qualquer outra intervenção em um projeto de carbono de árvores, muitas vezes reduzindo o intervalo de predição em torno das estimativas de biomassa em nível de povoamento em 40 a 60 por cento8.

Um ponto mais sutil emergiu em trabalhos recentes: as equações alométricas devem ser selecionadas pelo desempenho preditivo em nível de parcela, não pelo RMSE ou AIC em nível de árvore. Os erros residuais se cancelam em parte entre as árvores dentro de uma parcela, de modo que o modelo que melhor prediz uma árvore individual muitas vezes não é o modelo que melhor prediz o total da parcela, que é a quantidade que importa para a contabilidade de carbono9. Projetos que escolhem modelos pela estatística errada estão medindo a coisa errada.

Passo 2: a densidade da madeira é o multiplicador negligenciado

A densidade da madeira (ρ, em g/cm³) entra nas equações do tipo Chave de forma linear, de modo que um erro de 10% em ρ se traduz diretamente em um erro de 10% na AGB. A densidade varia mais entre espécies do que quase qualquer outro termo da equação10. Uma pioneira de crescimento rápido como a Ochroma pyramidale (balsa) tem ρ em torno de 0.15 g/cm³; uma madeira de lei como a Milicia excelsa tem ρ em torno de 0.65; algumas acácias densas ultrapassam 0.85. Uma taxa genérica de carbono por árvore que não se ajusta ao ρ em nível de espécie está assumindo uma média e, em um sistema agroflorestal de espécies mistas, essa suposição é a maior fonte isolada de erro sistemático na estimativa de AGB.

O Global Wood Density Database é a referência padrão para valores de ρ revisados por pares em cerca de 16,000 espécies11, com atualizações contínuas voltadas à agrofloresta. O que está em jogo quando ele não é bem utilizado é real: apoiar-se na média do gênero em vez da densidade específica por espécie infla a incerteza em nível de parcela, e em sistemas africanos de miombo e de cacau as densidades padrão podem estimar mal a biomassa para grupos específicos de espécies. Para aplicações que carecem de um valor em nível de espécie, um ρ em nível de gênero ou de família é um recurso defensável; uma média global não é.

O cacau é uma ilustração clara. Alometrias genéricas e pantropicais estimam mal a AGB por árvore de Theobroma cacao, e equações específicas para o cacau podem deslocar de forma relevante as estimativas de sequestro em nível de povoamento: as diferenças publicadas variam de alguns pontos percentuais a dezenas de pontos percentuais, conforme o sítio e a equação de referência12. Essa dispersão tem implicações diretas para o mercado de créditos de agrofloresta de cacau da África Ocidental, onde o dossel de sombra carrega a maior parte do carbono do sistema.

Passo 3: a biomassa abaixo do solo e a fração de carbono

A biomassa acima do solo corresponde a cerca de 70 a 80 por cento da biomassa total da árvore. A biomassa abaixo do solo (BGB) é quase universalmente estimada por meio de uma razão raiz:parte aérea, em vez de escavada, porque a escavação em escala é impraticável13. O padrão do IPCC para floresta tropical úmida tem sido historicamente de cerca de 0.24–0.3714, mas uma síntese global de dados de árvores individuais reancorou o campo: a verdadeira média global da razão R:S é mais próxima de 0.25 ± 0.10 e diminui com o tamanho da árvore, de modo que estimativas construídas sobre parcelas pequenas e árvores jovens a superestimam sistematicamente15. Florestas tropicais úmidas ficam na extremidade baixa (R:S ~0.20–0.24); sistemas boreais e secos são mais altos. Um único valor padrão aplicado a um portfólio misto de projetos pode introduzir 20–40% de erro no carbono abaixo do solo. Em agrofloresta e restauração de terras secas, onde as raízes podem se aproximar de 30–40% do carbono total, esse erro é relevante.

A conversão de biomassa para carbono usa uma fração de carbono (CF). O padrão do IPCC é 0.47, um número que a química moderna da madeira aposentou em grande parte. Sínteses globais constatam que o carbono volátil (terpenos, compostos fenólicos e outros compostos perdidos durante a secagem em estufa) representa em média cerca de 1.4% da massa seca e é sistematicamente omitido pelos métodos laboratoriais padrão16. Em uma base verdadeira, corrigida para voláteis, as espécies tropicais têm em média cerca de 48–52% de carbono, variando de cerca de 45% a mais de 55% entre os táxons; madeiras de lei temperadas ficam mais próximas de 48%, coníferas de 50–52%17. Usar 0.47 onde o valor verdadeiro é 0.51 introduz um viés sistemático para baixo de ~8% que se propaga diretamente para as toneladas creditadas. A orientação do GHG Protocol e o IPCC 2019 Refinement agora apontam ambos para frações específicas por grupo de espécies, e bancos de dados revisados por pares (Doraisami et al., Thomas & Martin) devem ser a referência padrão.

A calculadora abaixo executa toda essa cadeia em uma única árvore. Mova o diâmetro, a altura e a densidade da madeira e observe a estimativa acima do solo fluir pela razão raiz:parte aérea e pela fração de carbono até um estoque em quilogramas de carbono e, então, até o seu equivalente em CO₂. Note com que precisão a densidade da madeira escala o resultado: ela multiplica a biomassa na razão de um para um, de modo que duas árvores de tamanho idêntico, mas de espécies diferentes, podem armazenar quantidades muito distintas de carbono.

Passo 4: do estoque à captura anual

A captura anual de carbono é a derivada da curva de crescimento da árvore, não a sua média. As árvores não sequestram carbono a uma taxa constante, e as taxas de crescimento inicial variam enormemente conforme a espécie e o contexto. Uma madeira de lei de crescimento lento pode acumular pouca biomassa em seus primeiros anos enquanto investe em raízes e estrutura, ao passo que espécies tropicais de crescimento rápido (cacau, Terminalia, Albizia, Gliricidia) podem atingir dois metros em dois a três anos, com captura inicial significativa. O que é consistente entre as espécies é a forma da curva, não a taxa inicial: o sequestro em geral atinge o pico em algum ponto de uma fase exponencial antes de desacelerar à medida que a árvore se aproxima do seu dossel e dimensões maduros. Usar uma única “taxa anual média” ao longo de um projeto de 30 anos vai alocar os créditos no tempo errado, superestimando alguns anos e subestimando outros, e isso é um sinal de alerta para qualquer padrão de carbono sério.

Os engenheiros florestais têm um vocabulário preciso para isso. O incremento anual corrente (CAI) é o carbono que uma árvore acrescenta em um dado ano, a inclinação local da sua curva de crescimento. O incremento médio anual (MAI) é o estoque acumulado até o momento dividido pela idade, a média de vida até a data. A ferramenta abaixo traça ambos em função da idade para uma curva de crescimento de Chapman-Richards. O CAI sobe até um pico e depois recua; o MAI atinge o pico mais tarde, exatamente onde as duas curvas se cruzam, a idade que um engenheiro florestal interpreta como o ponto de crescimento médio mais rápido. Um projeto que credita uma “taxa média” constante está precificando o platô do MAI e ignorando a corcova do CAI por baixo dele.

A abordagem defensável é estimar o estoque de carbono em duas idades usando a cadeia alométrica acima e reportar a variação ao longo do intervalo como a captura incremental. Para projetos com horizontes mais longos, ajustar uma curva de crescimento específica por espécie (muitas vezes na forma de Chapman-Richards ou de Von Bertalanffy) a dados de coorte fornece uma função de captura contínua, ano a ano. Essa é a diferença entre um perfil de remoção que corresponde à biologia e um que é uma linha reta por conveniência.

Passo 5: o orçamento de incerteza

Nenhum dos quatro passos acima é suficiente por si só. Os verificadores não aceitam mais uma estimativa pontual de AGB; exigem um intervalo de confiança defensável em torno dela. O campo convergiu para a propagação de erros por Monte Carlo como melhor prática, implementada no pacote R de código aberto BIOMASS18 e seus sucessores.

Um orçamento de incerteza rigoroso agora considera quatro fontes: (1) o erro de medição da árvore no DAP, na altura e na identificação da espécie; (2) a variabilidade residual do modelo alométrico, a dispersão do ajuste original de Chave; (3) a incerteza dos parâmetros alométricos, a covariância dos próprios coeficientes ajustados; e (4) a incerteza de amostragem, o quanto as parcelas medidas são representativas da população. Duas lições deveriam estar incorporadas a todo plano de projeto. Primeiro, uma análise de incerteza da árvore à paisagem constatou que só as equações alométricas contribuíram com 30–75% do total, muitas vezes mais do que o erro de sensoriamento remoto, o que significa que calibrar a alometria costuma ser mais valioso do que refinar o satélite1. Segundo, ignorar a correlação espacial entre observações de árvores e de parcelas infla o tamanho efetivo da amostra e subestima a incerteza real, uma omissão comum e de consequências relevantes.

O orçamento abaixo combina essas fontes em um único número. Defina um coeficiente de variação para a medição, para a alometria (erro residual mais erro de parâmetro) e para a amostragem, e leia o intervalo de 95% combinado sobre um estoque nominal por hectare. Como os erros independentes se somam em quadratura, a maior fonte isolada domina o total: a barra de participação na variância mostra por que polir um termo pequeno quase não move o intervalo, ao passo que cortar o maior deles, em geral a alometria, é a única alavanca que o estreita.

A GHG Protocol Land Sector and Removals Guidance exige explicitamente que a incerteza seja quantificada e divulgada19. Os ICVCM Core Carbon Principles agora penalizam metodologias que usam estimativas pontuais sem intervalos de confiança. A era do “±30% implícito” acabou.

De uma árvore a um hectare

Um projeto de carbono não é pago por árvores isoladas; é pago por um povoamento. O cálculo por árvore é a operação unitária, mas o número reportado é um estoque por hectare, construído somando os estoques das árvores dentro de parcelas medidas e escalonando para a área do projeto. Duas coisas mudam nessa etapa. Erros que parecem alarmantes em uma árvore se cancelam em parte ao longo de uma parcela, porque um modelo que superestima uma árvore grossa tende a subestimar uma fina, o que é a verdadeira razão pela qual as equações alométricas devem ser escolhidas pela predição em nível de parcela, e não pelo ajuste em nível de árvore. E surge uma fonte de incerteza que nada tem a ver com a alometria: se o punhado de parcelas medidas representa, afinal, toda a área.

Essa questão de amostragem é uma disciplina em si. Quantas parcelas, de que tamanho e como distribuí-las por um mosaico de idades, misturas de espécies e solos é o que decide se uma estimativa em nível de povoamento é confiável ou um valor pontual com barras de erro desenhadas depois. A mesma estatística que dimensiona uma campanha de solo dimensiona uma de biomassa; abordamos o problema de quantas e onde diretamente em Qual deve ser o tamanho da sua campanha de amostragem de carbono do solo? e a questão anterior, se um novo local sequer está dentro do domínio em que a alometria foi calibrada, em Representativo de quê?

Do chão ao céu: sensoriamento remoto

Os anos 2020 transformaram o carbono florestal de uma disciplina baseada em parcelas para uma disciplina de parcelas mais satélite, com ressalvas importantes para os desenvolvedores de projetos:

• GEDI (o lidar espacial da NASA) fornece altura de dossel e biomassa globais com pegada de 25 m, mas em agrofloresta da África Ocidental suas predições L4A tiveram erros ~9× maiores do que a AGB de campo20. Funciona bem em florestas de dossel fechado acima de ~50 Mg/ha; para sistemas de árvores e culturas de pequenos produtores, é pouco confiável.
• A missão Biomass da ESA foi lançada em 29 de abril de 2025. Seu radar de abertura sintética em banda P (comprimento de onda de cerca de 70 cm) penetra os dosséis para detectar troncos e galhos grandes, onde está a maior parte do carbono florestal21. Testes tomográficos aerotransportados na Guiana Francesa recuperaram a AGB com erro inferior a ~10% até 500 Mg/ha, uma faixa em que os radares de comprimento de onda mais curto saturam22. A missão exclui a América do Norte e a Europa devido a restrições do espectro de radar.
• O escaneamento a laser terrestre com modelagem quantitativa de estrutura (TLS + QSM) é atualmente o padrão-ouro não destrutivo para a AGB de árvore individual: uma síntese de estudos de validação destrutiva relata concordância próxima da unidade (CCC ≈ 0.98) e viés médio inferior a 1% em relação a árvores abatidas23. Está se tornando rapidamente o conjunto de dados de referência para a calibração de satélites.

Um alerta se aplica a qualquer metodologia de créditos baseada em mapas: a maioria dos mapas de biomassa por aprendizado de máquina reporta R² alto em validação cruzada aleatória e falha na validação com blocos espaciais, o que significa que a acurácia aparente é em grande parte um artefato de autocorrelação espacial24. Compradores que avaliam tais metodologias deveriam exigir a validação por blocos espaciais antes de confiar nos números. Se uma nova parcela sequer está dentro do domínio calibrado de um modelo é a questão anterior que abordamos em Representativo de quê?

Um exemplo trabalhado: duas espécies, mesma parcela, respostas diferentes

Considere duas árvores de sombra em um sistema agroflorestal de cacau da África Ocidental, ambas com dez anos de idade, ambas medidas na mesma parcela.

Mesma parcela, mesma idade, diferença de duas vezes na captura anual. A Terminalia de crescimento rápido está ganhando volume rapidamente; a Khaya de crescimento lento está acumulando madeira densa que dominará o estoque do povoamento no ano trinta. Um programa que aplica uma única taxa por árvore a ambas erra pela metade em uma delas e ou superestima ou subestima suas remoções reportadas a cada ciclo de verificação.

Afaste-se um nível e uma segunda lição aparece. Os estoques de carbono reportados em agroflorestas de cacau abrangem uma ordem de magnitude, de cerca de 10 Mg C/ha em sistemas jovens a pleno sol a bem mais de 100 Mg C/ha em sistemas maduros sombreados, determinados muito mais pelo dossel de sombra do que pelo cacau25. As próprias árvores de cacau costumam conter uma minoria do carbono do sistema; o fator dominante é a composição das árvores de sombra e, sobretudo, a presença de árvores remanescentes deixadas da floresta anterior, que podem conter várias vezes o carbono das árvores de sombra plantadas. Isso tem implicações diretas para a adicionalidade sob a data de corte do EU Deforestation Regulation de 31 de dezembro de 2020 e para como os projetos segmentam seus inventários de linha de base, um ponto que abordamos em Poucas árvores concentram a maior parte do carbono.

O que o arcabouço regulatório de 2026 agora exige

Quatro arcabouços definem as regras de contabilidade que as remoções baseadas em árvores precisam cumprir. O GHG Protocol Land Sector and Removals Standard e sua Guidance complementar (finalizados em 2026, válidos para o reporte a partir de 2027)19 são as regras fundamentais de contabilidade corporativa: reporte separado de emissões brutas e remoções brutas, rastreamento detalhado de mudança de uso da terra e quantificação defensável com incerteza divulgada em todos os cinco reservatórios de carbono. SBTi FLAG v1.2 (março de 2026) exige uma redução linear anual de 3.03%, remoções biogênicas rastreadas separadamente e um compromisso de não desmatamento. Os Core Carbon Principles do ICVCM já aprovaram oito programas de crédito como elegíveis ao CCP e 38 metodologias como aprovadas pelo CCP, rejeitando 22, com a metodologia ARR da ACR condicionada apenas ao estabelecimento de floresta natural. Espera-se que o EU Carbon Removals and Carbon Farming Regulation (2024/3012), em vigor desde o fim de 2024, adote seu ato delegado sobre metodologias de agricultura de carbono (florestamento, agrofloresta, reumidificação de turfeiras) em meados de 2026, com as primeiras certificações no fim de 2026.

Um projeto que queira sobreviver à auditoria sob todos os três regimes agora precisa fazer seis coisas simultaneamente: usar equações alométricas calibradas localmente ou específicas por espécie, com erro residual documentado; aplicar densidade da madeira e fração de carbono específicas por espécie a partir de bancos de dados revisados por pares, em vez dos padrões 0.47/0.50; propagar a incerteza via Monte Carlo pela medição da árvore, pela alometria e pela amostragem; quantificar o carbono abaixo do solo com razões R:S estratificadas por clima, em vez de padrões únicos; validar qualquer produto de sensoriamento remoto com validação cruzada por blocos espaciais; e separar as remoções das reduções tanto no reporte quanto na definição de metas.

Pontos-chave