Estimativa do material combustível em área de Cerrado campo sujo a partir de imagens do sensor RGB

Igor Viana Souza; Micael Moreira Santos; Marcos Giongo; Edmar Vinicius de Carvalho; Igor Elói Silva Machado

doi:10.4336/2018.pfb.38e201801706

Autores

Igor Viana Souza Universidade Federal do Tocantins https://orcid.org/0000-0002-0015-6238
Micael Moreira Santos Universidade Federal do Paraná https://orcid.org/0000-0003-2745-7337
Marcos Giongo Universidade Federal do Tocantins https://orcid.org/0000-0003-1613-6167
Edmar Vinicius de Carvalho Universidade Federal do Tocantins https://orcid.org/0000-0002-4563-2015
Igor Elói Silva Machado Universidade Federal do Paraná https://orcid.org/0000-0003-0204-1984

DOI:

https://doi.org/10.4336/2018.pfb.38e201801706

Palavras-chave:

Sensoriamento remoto, Modelos digitais, Biocarburante

Resumo

A quantificação do material combustível em área do Cerrado campo sujo é limitada pela dificuldade em obtenção de dados, nos altos custos e no elevado tempo gasto em campo. Em busca de alternativas que facilitem a obtenção dos dados, o uso de sensores RGB se destaca, podendo ser uma ferramenta útil e eficaz na quantificação do material combustível. Nesse contexto, o trabalho teve como objetivo avaliar a viabilidade da utilização de imagens provenientes de um sensor RGB aerotransportado por um multirotor para estimava do material combustível por meio da análise de regressão. Foi realizada a amostragem do material combustível da área que foi pesada em campo e seca em estufa. Com o processamento das imagens digitais foram obtidas a altura (ht_MDA) e o índice de vegetação (NGRDI) dos pixels que abrangiam as unidades amostrais, seguidos de análise de correlação entre dados do processamento digital e o material combustível. Posteriormente, foram ajustados três modelos de regressão, em que foram obtidos coeficiente de determinação ajustados (R^²_aj) de 0,39 a 0,80. O uso dos sensores RGB apresentam potencial para a estimação de material combustível. Quando se combina as variáveis ht_MDA e NGRDI, são obtidos valores mais próximos da linha média de distribuição.

Downloads

Não há dados estatísticos.

Referências

Batista, A. C. et al. Incêndios florestais. Curitiba: UFPR, 2017. 47 p.
Bendig, J. et al. Combining UAV-based plant height from crop sufarce models, visible and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation, v. 39 p. 79-87, 2015. DOI: 10.1016/j.jag.2015.02.012.
Bendig, J. et al. Estimating biomass of barley using Crop Surface Models (CSMs) derived from UAV: based RGB imaging. Remote sensing, v. 6, n. 11, p. 10395-10412, 2014. DOI: 10.3390/rs61110395.
Canavesi, V. et al. Estimativa de volume de madeira em plantios de Eucalyptus spp. utilizando dados hiperespectrais e dados topográficos. Revista Árvore, v. 34, n. 3, p. 539-549, 2010.
Cunliffe, A. M. et al. Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry. Remote Sensing of Environment, v. 183, p. 129-143, 2016. DOI: 10.1016/j.rse.2016.05.019.
Ferraz, A. S. et al. Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitais. Floresta e Ambiente, v. 21, n. 3, p. 286-296, 2014.
Fornace, K. M. et al. Mapping infection disease landscapes: unmanned aerial vehicles and epidemiology. Trend in Parisitology, v. 30, n. 11, 2014.
Geipel, J. et al. Combined spectral and spatial modeling of corn yield based on aerial imagens and crop sufarce models acquide with an unmanned aircraft system. Remote Sensing, v. 6, n. 11, p. 10335-10355, 2014. DOI: 10.3390/rs61110335.
Hunt, E. R. et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status. Precision Agriculture, v. 6, p. 359-378, 2005.
Jannoura, R. et al. Monitoring of crop biomass using true colour aerial photographs taken from a remote controlled hexacopter. Biosystems Engineering, v. 129, p. 341-351, 2015. DOI: 10.1016/j.biosystemseng.2014.11.007.
Palhares, D. et al. Respostas fotossintéticas de plantas de cerrado nas estações seca e chuvosa. Revista Brasileira de Biociências, v. 8, n. 2, p. 213-220, 2010.
Lati, R. N. et al. Estimating plant growth parameters using an energy minimization-based stereovision model. Computer and Electronics in Agriculture. v. 98, p. 260-271, 2013. DOI: 10.1016/j.compag.2013.07.012.
Tavares, M. E. F. Metodologias usadas na quantificação de material combustível no Cerrado. Vértices, v. 19, n. 1, p. 175-182, 2017.
Tocantins. Secretaria do Planejamento Superintendência do Planejamento e Gestão Central de Políticas Públicas. Diretoria de Zoneamento Ecológico-Econômico. Base de dados geográficos do Tocantins. Palmas, 2015.
Tumlisan, G. Y. G. Monitoring growth develoment and yield estimation of maize using very high-resolution uav-images in Gronau, Germany. 2017. 52 f. Dissertação (Mestrado em Geo - Ciência da Informação e Observação da Terra) - University of Twent, Netherlands.
Verhoeven, G. Taking computer vision aloft: archaeological three-dimensional reconstructions from aerial photographs with PhotoScan. Archaeological Prospection, v. 18, p. 67-73, 2011.
Zhang, J. et al. Seeing the forest from drones: testing the potential of lightweight drones as a tool for long-term forest monitoring. Biological Conservation, v. 198, p. 60-69, 2016.