Estimativa de variáveis florestais com perfilamento a laser (Lidar)

Abstract

Nos últimos anos, a aquisição de dados com o uso de Airborne Laser Scanning (ALS) com a tecnologia LiDAR (Light Detection and Ranging) vem se tornando promissora na área florestal, em especial para a estimativa de variáveis dendrométricas e avaliação da estrutura vertical e horizontal. Informações da topografia e da cobertura florestal são extremamente importantes para os gestores de recursos florestais naturais. Informações exatas de altura e densidade das árvores, além de serem fundamentais, são de difícil obtenção com a utilização das técnicas convencionais. A tecnologia de varredura a laser, ao contrário das imagens de satélite e de fotografias aéreas, pode simultaneamente mapear o terreno embaixo das árvores, bem como obter a estimativa da altura das árvores. A utilização da modelagem integrada aos dados LiDAR possibilita também a obtenção de estimativas de diversas variáveis florestais como área basal, diâmetro, volume, biomassa, carbono e quantidade de material combustível. Apresenta também grande otencial nas atividades de planejamento da exploração florestal e construção de estradas. Entretanto, existem ainda muitos desafios a serem superados no desenvolvimento de metodologias e aplicações computacionais mais confiáveis e robustas para a modelagem de dados provenientes deste sensor. O o jetivo deste trabalho foi avaliar o potencial da aplicação de dados LiDAR para a estimativa das variáveis florestais altura individual total, altura média, altura da base das copas das árvores e número de indivíduos. Foram também avaliadas diferentes metodologias de classificação de pontos da varredura laser erotransportado para a elaboração de Modelos Digitais do Terreno (MDT). Dentre os diversos procedimentos avaliados para a elaboração dos MDT, o uso do aplicativo comercial TerraScan (TS) foi o que apresentou os melhores resultados tanto para a área total, com um erro padrão de 0,48 m, como para áreas florestais, com um erro padrão de 0,53 m. Entretanto, outros algoritmos utilizados também apresentaram resultados promissores para a classificação dos pontos da varredura laser nas áreas florestais, como por exemplo, o algoritmo de Interpolação Polinomial (IP) com um erro padrão de 0,65 m. Para o reconhecimento utomático do número de árvores, na área de estudo localizada no Brasil, a análise morfológica permitiu melhores resultados quando comparados com os obtidos pelo uso do algoritmo de locais máxima, resultando o reconhecimento de 4.848 árvores. Nas áreas de estudo localizadas no interior do Parque Yosemite - USA, as diferentes técnicas avaliadas (local máxima e análise morfológica) apresentaram resultados bastante semelhantes. Para as estimativas das alturas totais das árvores de araucária com o uso de dados LiDAR, o coeficiente de correlação foi 0,95 e o erro padrão 0,91 m, quando relacionadas com as medidas obtidas em campo com uso de hipsômetro. As estimativas das alturas da base das copas das árvores em diferentes dimensões de sub parcelas (10, 15 e 20 metros) apresentaram respectivamente um erro padrão de 1,42; 0,95 e 0,82 m que correspondem percentualmente a 23,62, 15,70 e 13,84% respectivamente.

Lately, data acquisition using Airborne Laser Scanning (ALS) with LiDAR technology (Light Detection and Ranging) is becoming promising in the forest field, especially for estimation of dendrometric variables and to evaluate vertical and horizontal structure of the forest. Topographic and forest coverage information are extremely important to forest and natural resources managers. Accurate information on trees height and density are fundamental for planning, but also hard to obtain by conventional methods. Laser scanning technology, as opposed to satellite images and aerial photographs, can at the same time map the ground and obtain estimates of the trees height. The use of modeling associated with LIDAR data allows the researcher to obtain estimates of several other forest variables, such as basal rea, diameter, volume, biomass and combustible material. It also presents a great potential in planning forest harvesting activities, road construction and maintenance. However, there are still many challenges in developing stronger and more reliable technologies and computational applications for modeling the data acquired with this type of sensor. The objective of this study was to evaluate the potential application of the LiDAR data to estimate forest variables, such as total individual height, average height, canopy base height and number of trees. Different classification methods of airborne laser scan points for thedevelopment of Digital Elevation Model (DEM) were also analyzed. Among the procedures evaluated for the preparation of DEM, the use of the software application TerraScan (TS) showed the best results for the total area, with a standard error of 0,48 m, while for the forest area the standard error was 0,53 m. However, other algorithms used also showed promising results for points classification with laser scanning in forest areas, such as the algorithm of Polynomial Interpolation (PI), which showed a standard error 0.65 m. For automatic recognition of number of individual trees in the study area located in Brazil, the morphologic analysis showed better results when compared with the use of local maximum algorithm, resulting in the recognition of 4848 trees. For study areas located at the Yosemite Park - USA, the different techniques evaluated (local maximum and orphological analysis) showed very similar results. The estimation of the total heights of Araucaria trees using LiDAR data, showed a correlation coefficient of 0.95 and a standard error of 0.91 m, when related to the measurements obtained at the field using a hypsometer. The estimation of the trees base heights with plots of different sizes (10, 15 and 20 meters) showed an standard error of 1.42, 0.95 and 0.82 m, which orrespond to 23.62, 15.70 and 13.84%, respectively.