Metodologia de análise de imagens baseada em objetos geográficos (GEOBIA) utilizando RPAS (drone) com sensor RGB

Vinicius Gonçalves

doi:10.53455/re.v2i.5

Autores

Vinicius Paiva Gonçalves Instituto do Patrimônio Histórico e Artístico Nacional https://orcid.org/0000-0003-1038-4709

DOI:

https://doi.org/10.53455/re.v2i.5

Palavras-chave:

Drone, mapeamento, alta resolução, Pinus sp

Resumo

Contexto: O presente trabalho apresenta um método para o mapeamento de vegetação, por um processo de classificação por regiões geográficas, denominado GEOBIA (Geographic Object-Based Image Analysis) considerado adequado para classificar imagens de muito alta resolução (very high resolution – VHR). É possível executar o procedimento com qualquer equipamento que disponha de um sensor RGB de boa qualidade e permita execução de aplicativos para plano de voo. Método: O método foi desenvolvido com base em softwares de código aberto (open source) para evitar custos com licenças, em todas as etapas, desde a captação das imagens, elaboração de produtos cartográficos, processamento da classificação por regiões e conclusão mediante cálculos de áreas. Resultado: O estudo foi aplicado em quatro áreas de interesse, todas na região da Grande Florianópolis-SC, contendo porções do ecossistema de Formações Pioneiras - Vegetação com Influência Marinha, também denominadas áreas de restinga, cujo principal alvo da classificação foi o mapeamento das áreas invadidas por Pinus sp. O método demonstrou útil para classificação de imagens em geral, podendo ser utilizado no manejo de outras espécies vegetais exóticas, ou até em outras aplicações ambientais.

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Biografia do Autor

Vinicius Paiva Gonçalves, Instituto do Patrimônio Histórico e Artístico Nacional

Mestre em Clima e Meio Ambiente (IFSC/SC) e analista do Instituto do Patrimônio Histórico e Artístico Nacional (Iphan)

Referências

Bechara FC. 2003. Restauração Ecológica De Restingas Contaminadas Por Pinus No Parque Florestal Do Rio Vermelho, Florianópolis, Sc. Univ Fed St Catarina [Internet]. [accessed 2021 Feb 6] 108(3):136.https://repositorio.ufsc.br/bitstream/handle/123456789/86536/190967.pdf?sequence=1

Convenção sobre Diversidade Biológica. 2010. Panorama da Biodiversidade Global. [place unknown]. http://link.springer.com/10.1007/s00740-010-0229-z%0Ahttps://www.cbd.int/doc/gbo/gbo2/cbd-gbo2-po.pdf

Dechoum M de S, Giehl ELH, Sühs RB, Silveira TCL, Ziller SR. 2019. Citizen engagement in the management of non-native invasive pines: Does it make a difference? Biol Invasions. 21(1):175–188.

Frank E, Hall MA, Witten IH. 2016. The WEKA Workbench. Online Appendix for “Data Mining: Practical Machine Learning Tools and Techniques” [Internet]. Fourth Edi. Hamilton, New Zeland: Morgan Kaufmann; [accessed 2021 Jun 26]. https://www.cs.waikato.ac.nz/ml/weka/Witten_et_al_2016_appendix.pdf

He H, Ma Y. 2013. Imbalanced learning: foundations, algorithms, and applications.DOI:10.1002/9781118646106

Henrich V, Krauss G, Götze C, Sandow C. 2021. Index DataBase: A database for remote sensing indices [Internet]. [accessed 2021 Jun 20]. https://www.indexdatabase.de/

IBGE. 2012. Manual Técnico da Vegetação Brasileira. 2nd ed. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística; [accessed 2021 Feb 6]. http://www.terrabrasilis.org.br/ecotecadigital/pdf/manual-tecnico-da-vegetacao-brasileira.pdf INPE. 2021.

GeoDMA Features [Internet]. [accessed 2012 Jun 24]. http://wiki.dpi.inpe.br/doku.php?id=geodma_2:features

Liau Y.T. 2014. Hierarchical segmentation framework for identifying natural vegetation: A case study of the Tehachapi Mountains, California. Remote Sens [Internet]. 6(8):7276–7302. https://www.mdpi.com/2072-4292/6/8/7276

De Luca G, Silva JMN, Cerasoli S, Araújo J, Campos J, Di Fazio S, Modica G. 2019. Object-based land cover classification of cork oak woodlands using UAV imagery and Orfeo Toolbox. Remote Sens. 11(10). OpenDroneMap Authors. 2020.

ODM – A command line toolkit to generate maps, point clouds, 3D models and DEMs from drone, balloon or kite images [Internet]. [accessed 2021 Jun 20]. https://github.com/OpenDroneMap/ODM

OTB Development Team. 2021. OTB CookBook Dcumentation [Internet]. [accessed 2021 Jun 20]. https://www.orfeo-oolbox.org/CookBook/

Pantaleão E, Scofield GB. 2009. Comparação entre medidas de acurácia de classificação para imagens do satélite ALOS. XIV Simpósio Bras Sensoriamento Remoto [Internet]. [accessed 2021 Mar 28]:7039–7046. http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr%4080/2008/11.17.20.26/doc/7039-7046.pdf

QGIS.org. 2021. QGIS Geographic Information System [Internet]. [accessed 2021 Jun 20]. http://www.qgis.org

Sobrinho M da S, Cavalcante A de MB, Duarte A de S, de Sousa GDS. 2019. Modeling the potential distribution of Mangifera indica l. Under future climate scenarios in the caatinga biome. Rev Bras Meteorol. 34(3):351–358.

Sokolova M, Japkowicz N, Szpakowicz S. 2006. Beyond accuracy, F-score and ROC: A family of discriminant measures for performance evaluation. AAAI Work - Tech Rep [Internet]. [accessed 2021 Feb 27] WS-06-06(c):24–29. https://www.aaai.org/Papers/Workshops/2006/WS-06-06/WS06-06-006.pdf

Sothe C. 2015. Classificação do estádio sucessional da vegetação em áreas de floresta ombrófila mista empregando análise baseada em objeto e ortoimagens [Internet]. [accessed 2021 Mar 28]:249.

https://www.udesc.br/arquivos/cav/id_cpmenu/1482/CAMILE_SOTHE__dissertacao_15683968824675_1482.pdf

WekaMOOC. 2014. More Data Mining with Weka (4.1: Attribute selection using the “wrapper” method) [Internet]. [accessed 2021 Jun 20]. https://www.youtube.com/watch?v=Pf9yKjSiVnw

Ziller SR, Dechoum M de S, Duarte Silveira RA, Marques da Rosa H, Mello Oliveira BC, Zenni RD, Motta MS, Filipe da Silva L. 2020. A priority-setting scheme for the management of invasive non-native species in protected areas. NeoBiota. 62(October):591–606