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/as

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

DOI:

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

Palabras clave:

Drone, mapeamento, alta resolução, Pinus sp

Resumen

Contexto: El presente trabajo presenta un método de mapeo de vegetación, a través de un proceso de clasificación por regiones geográficas, denominado GEOBIA (Geographic Object-Based Image Analysis) considerado adecuado para clasificar imágenes de muy alta resolución (muy alta resolución - VHR). Es posible realizar el procedimiento con cualquier equipo que cuente con un sensor RGB de buena calidad y permita la ejecución de aplicaciones de planes de vuelo. Método: El método fue desarrollado en base a software libre (open source) para evitar costos con licencias, en todas las etapas, desde la captura de imágenes, elaboración de productos cartográficos, procesamiento de clasificación por regiones y conclusión a través de cálculos de área. Resultado: El estudio fue aplicado en cuatro áreas de interés, todas en la región de la Gran Florianópolis-SC, que contienen porciones del ecosistema de Formaciones Pioneras - Vegetación con Influencia Marina, también llamadas áreas de restinga, cuyo objetivo principal de la clasificación fue el mapeo de las áreas invadidas por Pinus sp. El método demostró ser útil para la clasificación de imágenes en general y puede ser utilizado en el manejo de otras especies de plantas exóticas, o incluso en otras aplicaciones ambientales.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Vinicius 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)

Citas

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