Integração de dados laser scanner aerotransportado e imagens aéreas no inventário florestal para a estimativa volumétrica de madeira

• Ano de defesa: 2015
• Autor(a) principal: Emily Tsiemi Shinzato
• Orientador(a): Yosio Edemir Shimabukuro
• Banca de defesa: Egídio Arai, Thales Sehn Korting, Márcio de Morisson Valeriano, Roberta de Oliveira Averna Valente
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: Remote sensing has been increasingly used to assess forest inventory. Airborne Laser Scanning Systems (ALS) are emphasized for detailing the vertical structure of the forest, whether optical images for allowing further details of the horizontal structure of the forest. To obtain forest attributes, two main approaches are applied to process these data types: Area Based Approach (ABA), and Individual Tree Detection (ITD). In this study, our aim is to demonstrate the two main approaches to estimate stand volume in \emph{Eucalyptus} plantations using ALS and image data. To do so, we first model the stand volume using a standard ABA approach, using different combinations of ALS-based and image-based metrics as independent model variables. Three different scenarios were compared: using only variables from ALS data (RMSE = 6.84\%), only the variables derived from aerial images (RMSE = 8.45\%) and the integration of both (RMSE = 5.23\%), which underestimated the true value by 2.98%. Second, we utilize ITD based approach to estimate tree count and then integrate it with the stand volume predicted with ABA (semi-ITD). The merging of the two approaches allows prediction of mean individual tree volume. Then, we introduce a correction method to improve the volume predictions. After that, we downscaled the total volume prediction to single tree level. Finally, we obtained a RMSE of 12.66\% in the bias modeling, resulting in a standard deviation of 0.37 trees per hectare. In this study we demonstrated a method of using individual tree locations as an enhancement of traditional area-based approach. Our approach allowed to estimate individual tree volume with negligible bias.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21b/2015/02.13.15.56

O sensoriamento remoto tem sido amplamente utilizado para auxiliar no inventário florestal. Dados laser scanner aerotransportados (ALS) são enfatizados por detalharem a estrutura vertical da floresta, enquanto as imagens aéreas, por permitirem maior detalhamento da estrutura horizontal da mesma. Para a obtenção de atributos florestais, existem duas principais abordagens: a Abordagem Baseada na Área (ABA) e a Detecção Individual das Árvores (ITD). O objetivo geral do trabalho é integrar informações ALS e imagens aéreas no inventário florestal. Para tanto, o estudo foi dividido em duas etapas, sendo a primeira destinada à investigação da efetividade da integração de dados ALS e das variáveis derivadas das imagens aéreas, na estimativa do volume de madeira em plantios de \emph{Eucalyptus urograndis}, utilizando a abordagem ABA. Dessa forma, foram avaliados inicialmente três diferentes cenários, sendo estes: o uso de métricas derivadas de dados ALS (RMSE=6,84\%), o uso de variáveis derivadas das imagens aéreas multiespectrais (RMSE=8,45\%) e a integração de ambas as variáveis (RMSE=5,23\%). O cenário de melhor desempenho foi adotado para as demais avaliações. Já a segunda etapa, avaliou o desempenho da integração das abordagens ITD e ABA (semi-ITD) para estimar o volume de madeira por árvore. Foi feita a detecção individual das mesmas, entretanto, como esta apresentou valor inferior ao número de árvores existentes, fez-se a modelagem do erro da detecção, obtendo-se o número de árvores final. Após este passo, foi feita a divisão do volume obtido em área total, pelo número de árvores, resultando no volume individual por árvore. Ao término deste processo, obteve-se um RMSE de 12,66\% na fase de modelagem do erro, resultando em um desvio de 0,37 árvores por hectare. Neste estudo foi demonstrado a detecção individual das árvores como forma de melhoria da abordagem ABA. Esta abordagem permitiu estimar o volume individual das árvores a um erro muito pequeno.