Sensoriamento remoto para identificação taxonômica e mapeamento de espécies arbóreas em ambiente urbano

• Ano de defesa: 2020
• Autor(a) principal: Hamamura, Caio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Arborização urbana; Imagens RGB; LiDAR multiespectral; Machine learning; Multispectral LiDAR; RGB Imagery; Urban forestry
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11150/tde-12082020-165438/

O mapeamento das espécies no ambiente urbano é uma importante ferramenta para a gestão da floresta urbana. As diferentes espécies arbóreas apresentam características peculiares de formato e densidade de copa, além de formato e estrutura foliares distintas. Esses dados geométricos das copas e folhas de diferentes espécies arbóreas provenientes de nuvem LiDAR, em conjunto com dados de reflectância espectral obtidas por sensoriamento remoto podem ser explorados visando a classificação taxonômica dos indivíduos arbóreos. A análise aprofundada dos dados disponíveis a partir de LiDAR pode revelar novas formas de classificação, de detecção e identificação dos indivíduos arbóreos. Nesse contexto, esta tese tem por objetivo aferir diferentes métodos para o mapemento de espécies arbóreas em ambiente urbano, baseado na segmentação das copas das árvores e uso de diferentes sensores. O trabalho consiste em três capítulos: 1) Uma revisão sistemática do mapeamento de espécies ou tipos de árvores em ambiente urbano; 2) Analisar a possibilidade do uso de imagens RGB provenientes de veículos aéreos não tripulados (VANT) para o mapemento de espécies arbóreas em ambiente urbano; 3) Análise do uso de um sensor LiDAR multiespectral como fonte única de dados para a classificação de espécies arbóreas. O trabalho demonstra duas possíveis formas de mapear as espécies arbóreas no meio urbano, uma utilizando método de baixo custo, porém com mais limitações, e outro com sensor LiDAR multiespectral de alto custo operacional, no entanto com resultados satisfatórios, obtendo índice Kappa de até 0,9.