• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.11.2021.tde-04082021-151045
Document
Auteur
Nom complet
Clayton Bittencourt Junior
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
Piracicaba, 2021
Directeur
Jury
Rodriguez, Luiz Carlos Estraviz (Président)
Prata, Gabriel Atticciati
Görgens, Eric Bastos
Rodrigues, Ricardo Ribeiro
Titre en portugais
Mensuração de indicadores de monitoramento da restauração florestal em Mata Atlântica com LiDAR e imagens multiespectrais de alta resolução
Mots-clés en portugais
Análise multicritério
Aprendizado de máquina
GEOBIA
LiDAR
Monitoramento da restauração florestal
Sensoriamento remoto
Resumé en portugais
O monitoramento é um instrumento imprescindível para o sucesso de projetos de restauração florestal. Fornece informações progressivas através de indicadores para o acompanhamento do desenvolvimento da floresta, subsidiando a implantação de ações corretivas na trajetória de sucessão ecológica. O objetivo da presente pesquisa foi o de organizar e aplicar um conjunto de procedimentos de classificação e interpretação, baseados em Sensoriamento Remoto e em Sistemas de Informações Geográficas, para a mensuração de indicadores ecológicos prescritos em protocolos de monitoramento de restauração florestal em Mata Atlântica (Portaria CBRN/SMA-SP 01/2015 e Pacto pela Restauração da Mata Atlântica). Foram utilizados imagens multiespectrais de alta resolução e dados LiDAR (Light Detection and Ranging) aéreos, aplicando-se técnicas de classificação de imagens orientada a objetos e de aprendizado de máquina. O estudo multitemporal contemplou a mensuração dos seguintes indicadores: cobertura do solo com floresta, altura do dossel, abertura do dossel e Índice de Área Foliar. Para a mensuração da cobertura florestal, foi aplicado o algoritmo de segmentação multirresolução (crescimento de região) sobre as imagens de alta resolução e sobre a nuvem de pontos LiDAR. Foi utilizado aprendizado de máquina (árvore de decisão) na classificação dos objetos segmentados, com coeficiente Kappa acima de 0,90. As alturas do dossel foram obtidas a partir de Modelo Digital De Altura das Árvores (MDAA) derivado da nuvem de pontos LiDAR, comparadas com dados de alturas coletadas em campo. Para a determinação das aberturas no dossel, foi utilizado o algoritmo de detecção de borda "contrast split" sobre a nuvem de pontos para a segmentação das aberturas acima de 50 m2 de área e com altura média de vegetação de até 3m. O Índice de Área Foliar foi mensurado a partir da nuvem de pontos LiDAR. Ao final, foi gerado mapa síntese identificando as áreas prioritárias para intervenção, a partir da hierarquização dos indicadores através de Análise Multicritério (técnica de Combinação Linear Ponderada), identificando os trechos mais críticos e prioritários para intervenção e correção de desvios de trajetória por parte dos responsáveis pela restauração.
Titre en anglais
Measurement of indicators for forest restoration monitoring with LiDAR and high resolution multispectral images in Atlantic Forest
Mots-clés en anglais
Forest restoration monitoring
GEOBIA
LiDAR
Machine learning
Multicriteria analysis
Remote sensing
Resumé en anglais
Monitoring is an essential tool for the success of forest restoration projects. It provides progressive information through indicators for following forest development and supports decisions for midcourse corrections during ecological succession. This research organizes and applies a set of classification and interpretation procedures based on Remote Sensing and Geographic Information Systems, for the measurement of ecological indicators prescribed in protocols for monitoring forest restoration in the Atlantic Forest ("Portaria CBRN/SMA-SP 01/2015" and "Pacto pela Restauração da Mata Atlântica"). High resolution multispectral images and aerial LiDAR (Light Detection and Ranging) data were used, applying object based image analysis and machine learning. The multitemporal study included measurement of the following indicators: forest cover, canopy height, canopy gaps and Leaf Area Index. For forest cover, multiresolution segmentation algorithm was applied to the high resolution images and the LiDAR point cloud, and machine learning (decision tree) was used to classify the segmented objects, with Kappa coefficient above 0,90. Canopy heights were obtained from Canopy Height Model (CHM) derived from LiDAR point cloud, and compared with field-measured tree heights. Canopy gap fractions above 50 m2 and average vegetation height below 3m were identified by contrast split algorithm segmentation on the CHM. Leaf Area Index was measured from the LiDAR point cloud. A synthesis map was generated identifying priority areas for intervention, based on the indicators hierarchy using Multicriteria Analysis (Weighted Linear Combination technique).
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2021-08-05
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2021. Tous droits réservés.