USO DE DADOS LIDAR AEROTRASNPORTADO E TERRESTRE MÓVEL NO INVENTÁRIO QUANTITATIVO DE ÁRVORES URBANAS
Nome: EMERSON EDUARDO OLIVEIRA DE SOUZA
Data de publicação: 30/07/2025
Banca:
Nome |
Papel |
|---|---|
| ADRIANO RIBEIRO DE MENDONCA | Presidente |
| ANDRÉ QUINTÃO DE ALMEIDA | Examinador Externo |
| CRISTIANE COELHO DE MOURA | Examinador Interno |
| GILSON FERNANDES DA SILVA | Examinador Interno |
Resumo: A arborização urbana desempenha um papel essencial na promoção de serviços ecossistêmicos, como regulação térmica, controle de escoamento superficial e melhoria da qualidade do ar. No entanto, o manejo adequado dessas árvores depende de inventários florestais precisos, atualizados e eficientes. Diante das limitações operacionais dos métodos convencionais, este trabalho avaliou o uso de dados LiDAR aerotransportado (ALS) e terrestre (TLS) para a detecção de árvores e estimação de variáveis biométricas em ambiente urbano. O objetivo principal foi analisar a acurácia dessas tecnologias na estimativa de variáveis como altura total (H), diâmetro à altura do peito (D) e diâmetro de copa (dc) em uma via urbana do município de Jerônimo Monteiro, ES. Os dados foram coletados com sensores LiDAR embarcados em uma aeronave remotamente pilotada (RPA) e com um equipamento de varredura terrestre móvel, além de inventário tradicional em campo. As nuvens de pontos foram pré-processadas, classificadas e normalizadas. Em seguida, foram gerados modelos digitais do terreno (MDT), detectadas e segmentadas árvores individuais (ITD), extraídas métricas estruturais e ajustados modelos de regressão linear múltipla para estimar as das variáveis de interesse. O algoritmo de detecção com melhor desempenho foi o Local Maximum Filter (LMF) com janela variável linear, especialmente quando aplicado diretamente à nuvem de pontos do TLS. Os resultados mostraram que o ALS apresentou maior acurácia para estimar H, com R² ajustado de 0,95 e RMSE de 6,69%. Por outro lado, o TLS destacou-se nas estimativas de D (R² ajustado de 0,47 e RMSE de 26,21%) e dc (R² ajustado de 0,55 e RMSE de 19,67%), apresentando melhor detalhamento da estrutura lateral das árvores. As modelagens estatísticas com variáveis derivadas da nuvem de pontos revelaram desempenho robusto, especialmente com métricas como zq95, zkurt e ikurt. Conclui-se que tanto o ALS quanto o TLS são ferramentas eficazes para o inventário florestal urbano, com potencial complementar. A combinação entre alcance espacial do ALS e a riqueza estrutural do TLS pode otimizar o planejamento urbano e a gestão da arborização, contribuindo para estratégias mais eficientes de monitoramento e manejo em áreas urbanas.
