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.

Mapping tree species in the urban environment can be an important tool for the urban forest management. The different tree species have peculiar characteristics of canopy shape and density, as well as distinct leaf shape and structure. These geometric data of the crown and leaves of different tree species from the LiDAR cloud, together with spectral reflectance data obtained by other remote sensing sources can be explored aiming at the taxonomic classification of tree individuals. In- depth analysis of the data available from LiDAR can reveal new ways of classifying, detecting and identifying tree individuals. In this context, this thesis aims to assess different methods for mapping tree species in an urban environment, based on the individual segmentation of tree crown and the use of different sensors. The work consists of three chapters: 1) A systematic review on mapping urban tree species or types of trees; 2) assessment of RGB images from unmanned aerial vehicles (UAV) for mapping urban tree species; 3) multispectral LiDAR sensor as a single source of data for classifying urban tree species. The work demonstrates two possible ways of mapping tree species in the urban environment, one using a low cost method, but with more limitations, and a second with a multispectral LiDAR sensor high operational at a more expensive budget, however achieving better results, obtaining a Kappa index of up to 0.9.