INVENTÁRIO DE UMA FLORESTA DE PRODUÇÃO COM A UTILIZAÇÃO DE
IMAGENS MSI/SENTINEL-2 E FOTOGRAMETRIA AÉREA DIGITAL

Nome: Rachel Clemente Carvalho
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 30/04/2021
Orientador:

Nomeordem crescente Papel
Adriano Ribeiro de Mendonça Orientador

Banca:

Nomeordem crescente Papel
Gilson Fernandes da Silva Examinador Interno
Fabio Guimarães Gonçalves Examinador Externo
André Quintão da Almeida Coorientador
Adriano Ribeiro de Mendonça Orientador

Resumo: No setor florestal, o conhecimento da produtividade das florestas é obtido por meio de inventários florestais. Entretanto, as técnicas de amostragem tradicionalmente aplicadas nos inventários florestais possuem uma demanda elevada de tempo e alto custo de execução. Diante disso, é necessário avaliar o uso de técnicas alternativas para a obtenção desses dados, como aplicações de sensoriamento remoto. Nesse contexto, o uso sensoriamento remoto permite a aquisição de dados em extensas áreas de forma rápida e com custo reduzido. Este trabalho teve como objetivo principal estimar atributos de interesse florestal de um plantio comercial de eucalipto por
imagem orbital (IO) e fotogrametria aérea digital (FAD) e comparar com os resultados obtidos pelo inventário florestal tradicional. Como objetivo secundário, foi realizada uma avaliação dos produtos da FAD a partir de atributos do plantio coletados no campo. Para o inventário a partir das IO, foram selecionadas bandas espectrais de uma imagem do sensor MSI/Sentinel-2 e calculados diversos índices de vegetação. As bandas individuais e os índices de vegetação foram utilizados como variáveis
preditoras para a modelagem. Para a obtenção dos dados de FAD, foi realizado um voo com uma aeronave remotamente pilotada (ARP) para a geração de uma nuvem de pontos tridimensionais pelo algoritmo SfM, e também um modelo digital do terreno (MDT) para a sua normalização. A qualidade do MDT da FAD foi avaliada comparando os valores de altura dominante de cada parcela com as métricas representativas da altura máxima da nuvem de pontos normalizada. Foram extraídas métricas
tradicionais baseadas na altura para cada parcela, que foram utilizadas como
variáveis preditoras. O processo de estimação da área basal (G) e volume (V) foi realizado por regressão linear múltipla (RLM) e por redes neurais artificiais (RNA). Para a modelagem, foram consideradas três fontes de dados, IO, FAD e a combinação de IO e FAD. Em nível de parcela, para estimar a G a partir de dados de IO e da FAD, os menores valores de RMSE na validação ocorreram na modelagem por RNA, sendo de 13,22% e 13,36%, respectivamente. Para a combinação de IO e FAD, a RLM
apresentou menor RMSE na validação (RMSE = 12,46%). O mesmo aconteceu parao V, sendo os menores valores de RMSE na validação com dados de IO (15,05%) e FAD (16,58%), obtidos na modelagem por RNA, já para a combinação de IO e FAD, o menor RMSE foi obtido pela RLM (14,14%). Ao realizar a modelagem para toda a área, foi possível observar que as RNA apresentaram maior capacidade de generalização, com resultados mais próximos dos obtidos no inventário florestal tradicional para todas as fontes de dados. Todas as médias de G e V ficaram próximas aos valores obtidos no inventário, tendo no máximo 3,2% de diferença em nível de povoamento. Assim como nos resultados em nível de parcela, a combinação de IO e FAD gerou resultados mais acurados em nível de povoamento, com diferença de 0,3% para a G e 0,4% para o V, em relação ao inventário. Os resultados obtidos neste estudo indicam que dados de IO e FAD podem ser utilizados para o inventário de G e V em plantios de eucalipto, com resultados compatíveis com os obtidos no inventário
florestal tradicional.

Palavras-chave: Inventário florestal; redes neurais artificiais; sensoriamento remoto 3D; Structure from Motion; Floresta 4.0.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910