Métodos semiautomáticos para contagem de árvores em plantios de Pinus taeda L., derivados de dados LiDAR aerotransportado

Orientadora: Profa. Dra. Ana Paula Dalla Corte

Coorientadores: Prof. Dr. Daniel Rodrigues dos Santos e Prof. Dr. Carlos Roberto Sanquetta

Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa : Curitiba, 30/07/2020

Inclui referências: p. 84-91

Área de concentração: Manejo Florestal

Resumo: Atualmente demanda-se por metodologias que determinem com acurácia o número de árvores, em povoamentos de Pinus taeda L., com idades próximas a colheita, visando melhorar as estimativas florestais e reduzir custos relacionados à coleta de dados. Neste trabalho, investigou-se o potencial de três métodos de detecção automática de árvores, em povoamentos florestais de Pinus taeda L., com idades de 10 e 15 anos, por meio do uso de dados LiDAR (Light Detection and Ranging) aerotransportado de pulsos discretos e baixa densidade de pontos por m2 (densidade média, entre 3 e 5 pontos por m²). Para isso métodos automáticos de detecção podem ser aplicados para atender esta demanda. Os métodos de detecção automática estudados foram: filtro de máxima local; filtro de máximos globais; e segmentação por bacias hidrográficas. Os dados foram submetidos a algumas etapas de pré-processamento, como a remoção de outliers; a classificação da nuvem de pontos, empregando duas metodologias distintas, o filtro morfológico progressivo e o filtro simulador de tecidos; a normalização das nuvens de pontos e a modelagem digital, a combinação das etapas de pré-processamento resultaram em um conjunto de 15 tipos de dados, utilizados como entrada para os métodos de detecção. Para a verificação da qualidade da detecção de árvores obtida com os algoritmos, foi executado um censo florestal sendo contabilizados os fustes dos talhões em estudo. Os resultados são oriundos de 105 cenários, que consistem na combinação entre algoritmos, parâmetros de detecção e dados de entrada, sendo considerados aderentes aqueles que atingiram acurácia maior que 80%, quando comparados ao censo. Dentre os cenários analisados, nos talhões de 10 anos, apenas 2,9% se comportaram de modo aderente, atingindo uma acurácia média de 88,45%, por meio filtro de máxima local com janela de busca circular, com dimensões inversamente proporcionais à altura e com entrada de dados uma nuvem de pontos não normalizada. Já nos talhões de 15 anos de idade, 9,5% dos cenários foram considerados aderentes, com acurácia média de 93,63%, proporcionada pelo filtro de máxima local com janela de busca, fixa e circular, aplicada a uma nuvem de pontos normalizada e previamente classificada pelo filtro simulador de tecidos. Para a área de estudo e aplicação em ambas as idades, o filtro de máxima local, com janela fixa em formato circular apresentou maior acurácia nas identificações de árvores, 84,02% em média, quando aplicado a um modelo digital de elevação, construído pelo interpolador ponderado ao inverso da distância (idw). Visto todos os cenários empregados, conclui-se que atualmente não existe um algoritmo genérico para aplicações em povoamentos florestais de Pinus taeda L., com espaçamento regular de 2,5m e com idades de 10 a 15 anos, que apresente alto nível de acurácia. Palavras-chave: detecção automática de árvores, filtro de máxima local, filtro de máxima global, segmentação de bacias, censo florestal.

Abstract: Currently, there is a demand for methodologies that accurately determine the number of trees in stands of Pinus taeda L., with ages close to harvest, in order to improve forestry estimates and reduce costs related to data collection. In this work, we investigated the potential of three methods of automatic detection of trees in forest stands of Pinus taeda L., aged 10 and 15 years, using LiDAR data (Light Detection and Ranging) airborne pulses discrete and low density of points per m2 (average density, between 3 and 5 points per m²). For this purpose, automatic detection methods can be applied to meet this demand. The automatic detection methods studied were: local maximum filter; global maximum filter; and segmentation by hydrographic basins. The data were submitted to some pre-processing steps, such as removing outliers; the classification of the point cloud, using two different methodologies, the progressive morphological filter and the tissue simulator filter; the normalization of point clouds and digital modeling, the combination of the pre-processing steps resulted in a set of 15 types of data, used as input for the detection methods. To verify the quality of the detection of trees obtained with the algorithms, a forest census was carried out, accounting for the shafts of the stands under study. The results come from 105 scenarios, which consist of the combination of algorithms, detection parameters and input data, being considered adherent those that reached accuracy greater than 80%, when compared to the census. Among the scenarios analyzed, in the 10-year plots, only 2.9% behaved in an adherent manner, reaching an average accuracy of 88.45%, using a maximum local filter with a circular search window, with dimensions inversely proportional to the height and with data entry a non-standardized point cloud. In the 15-year-old plots, 9.5% of the scenarios were considered adherent, with an average accuracy of 93.63%, provided by the local maximum filter with a fixed and circular search window, applied to a standardized point cloud. and previously classified by the tissue simulator filter. For the study and application area at both ages, the local maximum filter, with a fixed circular window showed greater accuracy in the identification of trees, 84.02% on average, when applied to a digital elevation model, built by weighted interpolator to the inverse of the distance (idw). Considering all the scenarios employed, it is concluded that currently there is no generic algorithm for applications in forest stands of Pinus taeda L., with regular spacing of 2.5m and aged 10 to 15 years, which presents a high level of accuracy. Keywords: automatic tree detection, local maximum filter, global maximum filter, basin segmentation, forest census