Densidade de nuvens pontos UAV-Lidar na estimativa da altura de eucalipto em diferentes sistemas de manejo

Abstract

Resumo: O manejo florestal evoluiu para a fronteira 4.0, a qual utiliza tecnologias a seu favor, destas, destacam-se os Lasers scanners, os quais podem mensurar a floresta. Contudo, essa ferramenta é onerosa, de modo que uma alternativa mais barata e de alta densidade de pontos é a união destes sensores com veículos aéreos não tripulados (UAV-Lidar). Logo, deve-se verificar a influência da densidade de pontos na acurácia das métricas da floresta. Neste sentido, objetivou-se avaliar o desempenho de diferentes densidades de nuvens de pontos UAV-Lidar na estimativa da altura individual de Eucalyptus benthamii em sistemas agrosilvipastoris, implantados em 2012. O estudo foi conduzido na fazenda Canguiri, Pinhais, Paraná, na qual foi realizado o censo das árvores, medindo-se o diâmetro e altura. Os dados UAV-Lidar foram coletados com o sistema GatorEye. A nuvem de pontos foi pré-processada no LASTOOLS, onde foi unida e recortada para a área de estudo. Posteriormente, em linguagem de programação R, esta foi homogeneizada em nove diferentes densidades: 2.000, 1.500, 1.000, 500, 250, 100, 50, 25 e 5 pts/m². Estas nove nuvens de pontos foram classificadas quanto ao solo e normalizadas, favorecendo a determinação dos modelos digitais de terreno, superfície e copas. Foi extraído a altura máxima das árvores, com base no pixel mais alto presente no modelo digital de copas e na nuvem de pontos normalizada. As alturas derivadas foram avaliadas em relação as alturas medidas em campo pelo coeficiente de correlação de Pearson, raiz quadrada do erro médio, viés, análise gráfica e teste t pareado. A densidade de 2.000 pts/m² melhor representou o perfil da árvore e o solo, obtendo maior correlação (0,79) e menor RMSE (14,55 %). Em todas as densidades, as alturas derivadas e mensuradas foram estatisticamente semelhantes. A redução da densidade de pontos ocasionou divergências no perfil da árvore e modelo de copas, não havendo grandes diferenças no modelo digital do terreno. O sistema GatorEye foi acurado para derivar a altura total do Eucalyptus benthamii. Até 100 pts/m² não há perda de acurácia na derivação da altura.

Abstract: The 4.0 frontier has arrived in the forest management, employing technologies in its benefit, among them, Lasers scanners, which measure the forest. However, this tool is expensive, so a cheaper and high point density alternative is the union of these sensors with unmanned aerial vehicles (UAV-Lidar). Therefore, the point density influence on the forest metrics' accuracy should be verified. We evaluate the performance of UAV-Lidar's different point cloud densities in the individual height of the Eucalyptus benthamii estimates on different Crop-Livestock-Forest systems, implemented in 2012. It was conducted at Canguiri Farm, Pinhais, Paraná, where the census of the trees was performed, measuring the diameter and height. The UAV-Lidar data were collected with the GatorEye system. The Point Cloud was pre-processing in the LASTOOLS software, where it was merged and clipped into the study area. Then in R programming language, it was thinned in nine densities: 2,000, 1,500, 1,000, 500, 250, 100, 50, 25 and 5 pts/m². The point clouds were classified in ground and normalized, improving the digital models of terrain, surface, and crown. The highest tree height was extracted, based on the highest pixel on the digital crown model and the normalized point cloud. Heights were evaluated by Pearson's correlation, rootsquare- mean error, bias, graphic analysis, and paired t-test. The processing was performed in R language. The tree's profile and the soil were better represented by 2,000 returns.m-², obtaining higher correlation (0.79) and lower RMSE (14.55 %). At all densities, the derived and measured heights were statistically similar. The point cloud density's reduction produced variances in tree profile and CHM, with few differences in DTM. The GatorEye system was accurate to derive the Eucalyptus benthamii's total height. There is no accuracy decrease in the height's derivation until 100 returns.m-².