Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR

Detalhes bibliográficos
Autor(a) principal: Reis, Bruna Paolinelli
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/15300
Resumo: O objetivo deste estudo foi desenvolver um método de monitoramento de áreas de restauração por meio do processamento digital de imagens de uma câmera a bordo de VANT (Veículo Aéreo Não Tripulado) e de uma composição dados LIDAR (Light Detection and Ranging), de modo a gerar recomendações precisas de manejo adaptativo. Além disso, por meio da análise de um banco de dados de monitoramento ecológico realizado em campo, determinaram-se valores de referência para indicadores ecológicos do processo de restauração. O estudo foi realizado áreas em processo de restauração da Fibria Celulose S.A, com mais de 48 meses de implantação. Utilizou-se imagens de câmera Canon S110 NIR a bordo de VANT e uma composição de dados LIDAR, que foram classificadas através dos algoritmos da Máxima Verossimilhança (MaxVer) e Random Forest (RF), e posteriormente comparou-se a acurácia da classificação (Índice Kappa e Exatidão Global - EG) por meio do teste Z. O indicador de cobertura do solo foi avaliado por imagens separando-se as classes de cobertura de copa, gramíneas e solo exposto. Para se recomendar valores de referência a partir de dados coletados em campo de diversos projetos monitorados na empresa, separou-se um grupo de dados contendo as áreas com cobertura de copa superior a 70%, dentro do qual foi calculada a média entre os quartis Q25 e Q75 dos valores dos indicadores de densidade e riqueza de regenerantes nativos. Para a geração de recomendação de manejo adaptativo, calculou-se a área ocupada pelas diferentes classes de cobertura do solo e elaborou- se um sistema especialista, através do ArcGIS. Em seguida, comparou-se as recomendações geradas a partir de cada imagem classificada. Os valores de EG, Kappa e a avaliação visual das imagens foram excelentes para todas as combinações de métodos (VANT ou LIDAR) e algoritmos utilizados. Entretanto, ao comparar a eficiência dos algoritmos, percebeu-se que tanto para a classificação proveniente de imagens de câmeras a bordo de VANT quanto da composição de dados LIDAR, o algoritmo RF apresentou melhor desempenho que o MaxVer, mas quando se comparou os métodos de obtenção de imagens não houve diferença significativa indicando que, independente da escolha do método, será possível obter bons resultados com o RF. Definiu-se 940 indivíduos por hectare e três espécies de regenerantes arbóreos ou arbustivos nativos como limiar de referência para considerar a área como adequada nos casos onde o método de restauração foi o plantio de mudas nativas ou condução da regeneração natural realizados há de cinco anos, e 1.700 indivíduos por hectare e cinco espécies nas áreas onde o única método realizado foi o corte ou anelamento das árvores de eucalipto, tendo sido realizado há cerca de 15 a 20 anos. Encontrou-se ligeira diferença entre as recomendações geradas pelas diferentes imagens classificadas. A recomendação mais gerada foi capina ou coroamento e adensamento com mudas de espécies nativas, representando 34% do total das recomendações geradas. O método de monitoramento sugerido por esse estudo se mostrou eficiente, e pode ser considerado promissor para se monitorar áreas em processo restauração, sobretudo em larga escala.
id UFV_1924f6e5f93891310239dfb502d3ea3b
oai_identifier_str oai:locus.ufv.br:123456789/15300
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDARMonitoring of forest restoration areas and generation of adaptive management recommendations through images obtained by UAV and LIDARÁreas degradadas - RecuperaçãoSensoriamento remotoProcessamento digital de imagensConservação da NaturezaO objetivo deste estudo foi desenvolver um método de monitoramento de áreas de restauração por meio do processamento digital de imagens de uma câmera a bordo de VANT (Veículo Aéreo Não Tripulado) e de uma composição dados LIDAR (Light Detection and Ranging), de modo a gerar recomendações precisas de manejo adaptativo. Além disso, por meio da análise de um banco de dados de monitoramento ecológico realizado em campo, determinaram-se valores de referência para indicadores ecológicos do processo de restauração. O estudo foi realizado áreas em processo de restauração da Fibria Celulose S.A, com mais de 48 meses de implantação. Utilizou-se imagens de câmera Canon S110 NIR a bordo de VANT e uma composição de dados LIDAR, que foram classificadas através dos algoritmos da Máxima Verossimilhança (MaxVer) e Random Forest (RF), e posteriormente comparou-se a acurácia da classificação (Índice Kappa e Exatidão Global - EG) por meio do teste Z. O indicador de cobertura do solo foi avaliado por imagens separando-se as classes de cobertura de copa, gramíneas e solo exposto. Para se recomendar valores de referência a partir de dados coletados em campo de diversos projetos monitorados na empresa, separou-se um grupo de dados contendo as áreas com cobertura de copa superior a 70%, dentro do qual foi calculada a média entre os quartis Q25 e Q75 dos valores dos indicadores de densidade e riqueza de regenerantes nativos. Para a geração de recomendação de manejo adaptativo, calculou-se a área ocupada pelas diferentes classes de cobertura do solo e elaborou- se um sistema especialista, através do ArcGIS. Em seguida, comparou-se as recomendações geradas a partir de cada imagem classificada. Os valores de EG, Kappa e a avaliação visual das imagens foram excelentes para todas as combinações de métodos (VANT ou LIDAR) e algoritmos utilizados. Entretanto, ao comparar a eficiência dos algoritmos, percebeu-se que tanto para a classificação proveniente de imagens de câmeras a bordo de VANT quanto da composição de dados LIDAR, o algoritmo RF apresentou melhor desempenho que o MaxVer, mas quando se comparou os métodos de obtenção de imagens não houve diferença significativa indicando que, independente da escolha do método, será possível obter bons resultados com o RF. Definiu-se 940 indivíduos por hectare e três espécies de regenerantes arbóreos ou arbustivos nativos como limiar de referência para considerar a área como adequada nos casos onde o método de restauração foi o plantio de mudas nativas ou condução da regeneração natural realizados há de cinco anos, e 1.700 indivíduos por hectare e cinco espécies nas áreas onde o única método realizado foi o corte ou anelamento das árvores de eucalipto, tendo sido realizado há cerca de 15 a 20 anos. Encontrou-se ligeira diferença entre as recomendações geradas pelas diferentes imagens classificadas. A recomendação mais gerada foi capina ou coroamento e adensamento com mudas de espécies nativas, representando 34% do total das recomendações geradas. O método de monitoramento sugerido por esse estudo se mostrou eficiente, e pode ser considerado promissor para se monitorar áreas em processo restauração, sobretudo em larga escala.The objective of this study was to develop a methodology for monitoring restoration areas through the digital image processing on board of UAV (Unmanned Aerial Vehicle) and a data composition of Light Detection and Ranging (LIDAR), in order to generate accurate adaptive management recommendations. In addition, through the analysis of an ecological monitoring database carried out in the field, reference values were determined for ecological indicators of the restoration process. The study was carried out in areas in restoration process from Fibria Celulose S. A., with more than 48 months of implantation. It was used images of Canon S110 NIR camera on the UAV and a composition of LIDAR data, which were classified through the algorithms of the Maximum likelihood (MaxVer) and Random Forest (RF), and then the classification accuracy (Kappa Index and Global Accuracy - EG) was compared using the Z test. The soil cover indicator was evaluated by images separating the classes of canopy cover, grasses and bare soil. In order to recommend reference values from the field collected data of several monitored projects in the company, a data group containing the areas with canopy cover of more than 70% was separated, within which the average values from indicators of density and richness of native regenerants was calculated between quartiles Q25 and Q75. For the generation of adaptive management recommendations, the area occupied by the different soil cover classes was calculated and a specialist system was elaborated to define the recommendations through ArcGIS software. Then, the recommendations generated according to each classified image were compared. The values of EG, Kappa and visual evaluation of the images were excellent for all combinations of methods (UAV or LIDAR) and both algorithms used. However, when comparing the efficiency of the algorithms, it was observed that for both the classification from the images of the cameras on board UAV and the composition of LIDAR data, RF algorithm presented better performance than the MaxVer, but when comparing the imaging methods, there were no significant differences, indicating that regardless of the method choice, it will be possible to obtain good results using RF algorithm. We defined 940 individuals per hectare and three species of native regenerants as the reference threshold to consider the area as adequate, in cases where the restoration method was planting native seedlings or assisted natural regeneration more than five years ago, and 1,700 individuals per hectare and five species in areas where the eucalyptus was harvested 15 to 20 years ago. There was little difference between the recommendations generated by the different classified images, and the most common recommendation was weeding or seedling crowning followed by dense planting with native species (34%). The monitoring methodology suggested by this study was efficient, and can be considered promising to monitor areas in restoration process, especially on a large scale.Conselho Nacional de Desenvolvimento Científico e TecnológicoUniversidade Federal de ViçosaMartins, Sebastião Venânciohttp://lattes.cnpq.br/0489762073440390Leite, Helio GarciaGleriani, José MarinaldoSarcinelli, Tathiane SantiReis, Bruna Paolinelli2017-12-15T17:23:02Z2017-12-15T17:23:02Z2017-07-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfREIS, Bruna Paolinelli. Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR. 2017. 62f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2017.http://www.locus.ufv.br/handle/123456789/15300porinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2024-07-12T07:18:03Zoai:locus.ufv.br:123456789/15300Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452024-07-12T07:18:03LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.none.fl_str_mv Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
Monitoring of forest restoration areas and generation of adaptive management recommendations through images obtained by UAV and LIDAR
title Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
spellingShingle Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
Reis, Bruna Paolinelli
Áreas degradadas - Recuperação
Sensoriamento remoto
Processamento digital de imagens
Conservação da Natureza
title_short Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
title_full Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
title_fullStr Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
title_full_unstemmed Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
title_sort Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR
author Reis, Bruna Paolinelli
author_facet Reis, Bruna Paolinelli
author_role author
dc.contributor.none.fl_str_mv Martins, Sebastião Venâncio
http://lattes.cnpq.br/0489762073440390
Leite, Helio Garcia
Gleriani, José Marinaldo
Sarcinelli, Tathiane Santi
dc.contributor.author.fl_str_mv Reis, Bruna Paolinelli
dc.subject.por.fl_str_mv Áreas degradadas - Recuperação
Sensoriamento remoto
Processamento digital de imagens
Conservação da Natureza
topic Áreas degradadas - Recuperação
Sensoriamento remoto
Processamento digital de imagens
Conservação da Natureza
description O objetivo deste estudo foi desenvolver um método de monitoramento de áreas de restauração por meio do processamento digital de imagens de uma câmera a bordo de VANT (Veículo Aéreo Não Tripulado) e de uma composição dados LIDAR (Light Detection and Ranging), de modo a gerar recomendações precisas de manejo adaptativo. Além disso, por meio da análise de um banco de dados de monitoramento ecológico realizado em campo, determinaram-se valores de referência para indicadores ecológicos do processo de restauração. O estudo foi realizado áreas em processo de restauração da Fibria Celulose S.A, com mais de 48 meses de implantação. Utilizou-se imagens de câmera Canon S110 NIR a bordo de VANT e uma composição de dados LIDAR, que foram classificadas através dos algoritmos da Máxima Verossimilhança (MaxVer) e Random Forest (RF), e posteriormente comparou-se a acurácia da classificação (Índice Kappa e Exatidão Global - EG) por meio do teste Z. O indicador de cobertura do solo foi avaliado por imagens separando-se as classes de cobertura de copa, gramíneas e solo exposto. Para se recomendar valores de referência a partir de dados coletados em campo de diversos projetos monitorados na empresa, separou-se um grupo de dados contendo as áreas com cobertura de copa superior a 70%, dentro do qual foi calculada a média entre os quartis Q25 e Q75 dos valores dos indicadores de densidade e riqueza de regenerantes nativos. Para a geração de recomendação de manejo adaptativo, calculou-se a área ocupada pelas diferentes classes de cobertura do solo e elaborou- se um sistema especialista, através do ArcGIS. Em seguida, comparou-se as recomendações geradas a partir de cada imagem classificada. Os valores de EG, Kappa e a avaliação visual das imagens foram excelentes para todas as combinações de métodos (VANT ou LIDAR) e algoritmos utilizados. Entretanto, ao comparar a eficiência dos algoritmos, percebeu-se que tanto para a classificação proveniente de imagens de câmeras a bordo de VANT quanto da composição de dados LIDAR, o algoritmo RF apresentou melhor desempenho que o MaxVer, mas quando se comparou os métodos de obtenção de imagens não houve diferença significativa indicando que, independente da escolha do método, será possível obter bons resultados com o RF. Definiu-se 940 indivíduos por hectare e três espécies de regenerantes arbóreos ou arbustivos nativos como limiar de referência para considerar a área como adequada nos casos onde o método de restauração foi o plantio de mudas nativas ou condução da regeneração natural realizados há de cinco anos, e 1.700 indivíduos por hectare e cinco espécies nas áreas onde o única método realizado foi o corte ou anelamento das árvores de eucalipto, tendo sido realizado há cerca de 15 a 20 anos. Encontrou-se ligeira diferença entre as recomendações geradas pelas diferentes imagens classificadas. A recomendação mais gerada foi capina ou coroamento e adensamento com mudas de espécies nativas, representando 34% do total das recomendações geradas. O método de monitoramento sugerido por esse estudo se mostrou eficiente, e pode ser considerado promissor para se monitorar áreas em processo restauração, sobretudo em larga escala.
publishDate 2017
dc.date.none.fl_str_mv 2017-12-15T17:23:02Z
2017-12-15T17:23:02Z
2017-07-14
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv REIS, Bruna Paolinelli. Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR. 2017. 62f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2017.
http://www.locus.ufv.br/handle/123456789/15300
identifier_str_mv REIS, Bruna Paolinelli. Monitoramento de áreas de restauração florestal e geração de recomendações de manejo adaptativo através de imagens obtidas por VANT e LIDAR. 2017. 62f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa. 2017.
url http://www.locus.ufv.br/handle/123456789/15300
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1822610620449554432