Mapeamento da cobertura vegetal a partir de imagens de alta resolução obtidas por VANT

Autores

  • Filipe Castro Felix Universidade Federal de Alfenas
  • Fabio Arnaldo Pomar Avalos DCS/ Universidade Federal de Lavras - UFLA
  • Marx Leandro Naves Silva Universidade Federal de Alfenas
  • Ronaldo Luiz Mincato Universidade Federal de Alfenas

DOI:

https://doi.org/10.20396/sbgfa.v1i2017.2217

Palavras-chave:

VANT. Solos. Agricultura de precisão. Remanescentes florestais. Conservação

Resumo

Veículos Aéreos Não Tripulados ou Drones estão em uso crescente nos estudos ambientais, permitindo a coleta dados precisos para mapeamento e monitoramento da paisagem. Contudo, foram pouco explorados nos estudos de cobertura vegetal e monitoramento florestal. Portanto, esta pesquisa visou mapear a cobertura vegetal de uma área experimental com: Drone Phantom 3 Professional, 150 pontos de classificação da vegetação e 4 índices de cobertura vegetal, no espectro visível. Para tanto, foram realizados levantamentos de campo, para validação do aerolevantamento. Os resultados demonstraram a necessidade de melhorar os estudos dos índices de vegetação no visível, pois foi detectada dificuldades de distinção dos diferentes tipos de vegetação da área pelos índices selecionados. Assim, as alternativas para resolução do problema seriam: avaliação sazonal das respostas espectrais, uso de sensores infravermelhos e novos índices do espectro visível e do visível conjugado com o infravermelho, para validação do método de estudo.

Biografia do Autor

Filipe Castro Felix, Universidade Federal de Alfenas

PPGCA/Universidade Federal de Alfenas – UNIFAL-MG.

Fabio Arnaldo Pomar Avalos, DCS/ Universidade Federal de Lavras - UFLA

DCS/Universidade Federal de Lavras - UFLA.

Marx Leandro Naves Silva, Universidade Federal de Alfenas

PPGCA/Universidade Federal de Alfenas – UNIFAL-MG.

Ronaldo Luiz Mincato, Universidade Federal de Alfenas

PPGCA/Universidade Federal de Alfenas – UNIFAL-MG. 

Referências

ARROJA, L.; DIAS, A. C.; CAPELA, I. The role of Eucalyptus globulus forest and products in carbon sequestration. Climatic Change, v. 74, n. 1, p. 123-140, 2006.

BARRETO, V.C.M. et al. Índice de cobertura vegetal e sua modelagem para cultivares de soja no sul de Minas Gerais. Ciência e Agrotecnologia, p. 1168-1175, 2010.

BEZERRA, L. M. C.; CLEPS JUNIOR, J. O desenvolvimento agrícola da região centro-oeste e as transformações no espaço agrário do Estado de Goiás. Caminhos de Geografia, Uberlândia, v. 2, n. 2, p. 29-49, 2004.

CALEGARI, L. et al. Análise da dinâmica de fragmentos florestais no município de Carandaí, MG, para fins de restauração florestal. Revista Árvore, Viçosa-MG, v.34, n.5, p.871- 880, 2010.

CHECCIHA, T; GUINDANI, A.A. Sustentabilidade ambiental na zona ripária: uma abordagem emergética. I Seminário de Hidrologia Florestal: Zonas Ripárias – Alfredo Wagner/SC – 22/09/2003. p. 147

CORD, A.F. et al.. Modelling species distributions with remote sensing data: bridging disciplinary perspectives. J. Biogeogr. 40, 2226–2227, 2013.

CROWTHER, T.W. et.al., 2015. Mapping tree density at a global scale. Nature 525, 201–205.

EMBRAPA. Solos para todos, perguntas e respostas – Embrapa, novembro, 2014.

FEARNSIDE, P.M., 2005. Deforestation in Brazilian Amazonia: history, rates, and consequences. Conservation Biology 19,680–688.

FEARNSIDE, P.M., 2007. Brazil’ s Cuiaba-Santarem (BR-163) Highway: the environmental cost of paving a soy bean Corridor through the amazon. Environmental Management 39, 601–614.

FUNDAÇÃO SOS MATA ATLANTICA & INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS - INPE. Atlas dos Municípios da Mata Atlântica – período 2011-2012, Anexo 1. São Paulo, INPE, 2013. 100p.

GETZIN, S.; WIEGAND, K.; SCHÖNING, I. Assessing biodiversity in forests using very high‐resolution images and unmanned aerial vehicles. Methods in Ecology and Evolution, v. 3, n. 2, p. 397-404, 2012

GÓMEZ, C.; et al. Modeling forest structural parameters in the mediterranean pines of central Spain using QuickBird-2 imagery and classification and regression tree analysis (CART). Remote Sens. 2012, 4, 135–159.

HANSEN,M.C., et al. 2013. High-resolution global maps of 21st-century forest cover change. Science 342, 850–853.

HARDIN, P.J.; HARDIN, T.J. Small-Scale Remotely Piloted Vehicles in Environmental Research. Geogr. Compass 2010, 4, 1297–1311.

HINKEL, R. Vegetação ripária: funções e ecologia. I Seminário de Hidrologia Florestal: Zonas Ripárias – Alfredo Wagner/SC –2003. p. 40-46.

JACOB, A. D. Zonas ripárias: relações com a fauna silvestre. I Seminário de Hidrologia Florestal: Zonas Ripárias – Alfredo Wagner/SC –2003. p. 112 e 119

KAWASHIMA, S; NAKATANI, M. An algorithm for estimating chlorophyll content in leaves using a video camera. Annals of Botany, v. 81, n. 1, p. 49–54, jan. 1998.

KOBYIAMA, M. Conceitos de zona ripária e seus aspectos geobiohidrológicos. I Seminário de Hidrologia Florestal: Zonas Ripárias – Alfredo Wagner/SC – 2003. p. 1-13

LAURANCE, W. F. et al. The fate of Amazonian forest fragments: a 32-year investigation. Biological Conservation, v. 144, n. 1, p. 56-67, 2011.

MAO, W.; WANG, Y.; WANG, Y. Real-time detection of between-row weeds using machine vision. 2003, St. Joseph, MI: American Society of Agricultural and Biological Engineers, 2003.

METZGER, J.P. O código florestal tem base científica? J.P. Metzger, Conservação e Natureza – Universidade de São Paulo – 2010. 17p.

MITTERMEIER, R.A. et al. A brief history of biodiversity conservation in Brazil. Conservation Biology 19, 601–607, 2005.

NEWCOME, L.R. Unmanned Aviation: A Brief History of Unmanned Aerial Vehicles; American Institute of Aeronautics and Astronautics, Inc.: Reston, VA, USA, 2004.

NIJLAND, W. et. al.Comparing patterns in forest stand structure following variable harvests using airborne laser scanning data. For. Ecol. Manag. 354, 272–280, 2005.

RODRIGUES, D. M. T.; MIZIARA, F. Expansão da fronteira agrícola: a intensificação da pecuária bovina no estado de Goiás. Pesquisa Agropecuária Tropical, Goiânia, v. 38, n. 1, p. 14-20, 2008

SAATCHI, S. et al.Seeing the forest beyond the trees. Glob. Ecol. Biogeogr. 24, 606–610, 2005.

SILVA, B. M.; SANTOS, W. J. R.; MARQUES, J. J. G. S. M . Levantamento detalhado dos solos da Fazenda Muquém/UFLA, Lavras-MG. Lavras: UFLA, 2014 (Boletim Técnico).

SILVA, J. M. C., C. UHL & G. MURRAY; 1996. Plant succession, landscape management, and The ecology of frugivorous birds in abandoned Amazonian pastures. Conservation Biology 10: 491-503.

SIMARD, M., et al. Mapping forest canopy height globally With spaceborne lidar. J. Geophys. Res. 116, 2011.

STOCKING, M.A. Assessing vegetative cover and management effect. In: LAL, R. (Ed.). Soil erosion research methods. Iowa: Soil and Water Conservation Society, p.163-167, 1988.

STOFFEL, M. et al. Dating and quantification of erosion processes based on exposed roots. Earth-Science Reviews, v. 123, p. 18-34, 2013.

TOMLINS, G. Some Considerations in the Design of Low-Cost Remotely-Piloted Aircraft for Civil Remote Sensing Applications. Can. Surv. 1983, 37, 157–167.

TORRES SÁNCHEZ, J. et al. Configuration and specifications of an unmanned aerial vehicle (UAV) for early site specific weed management. PLoS One 8, e58210.Trans. ASAE 38, 259–269, 2003.

TREUHAFT, R.N.; LAW, B.E.; ASNER, G.P. Forest Attributes from Radar Interferometric Structure and Its Fusion with Optical Remote Sensing. BioScience 2004, 54, 561–571

WALKER, B., 1994. Global change extensive strategy agriculture options in the regions of the world. Clim. Change 27, 39 e 47.

WANG, Yuan et al. Estimating nitrogen status of rice using the image segmentation of G-R thresholding method. Field Crops Research, image segmantation mask out the effect of non-vegetation features,..., v. 149, p. 33–39, 2013

WISCHMEIER, W. H., & SMITH, D. D. Predicting rainfall erosion losses-A guide to conservation planning. Predicting rainfall erosion losses. A guide to conservation planning, 1978

WOEBBECKE, D. M. et al. Color Indices for Weed Identification Under Various Soil, Residue, and Lighting Conditions. Transactions of the ASAE, v. 38, n. 1, p. 259–269, 1995.

YUAN, F. et al. Land cover classification and change analysis of the twin cities (Minnesota) metropolitan area by multitemporal Land sat remote sensing. Remote Sensing of Environment, v. 98, n. 2-3, p. 317-328, 2005.

ZHANG, J. et al. Estimating spatial variation in Alberta forest biomass from a combination of forest inventory and remote sensing data. Biogeosciences 11, 2793–2008, 2014.

ZHANG, J. et al. Regional and historical factors supplement current climate in shaping global forest canopy height. J. Ecol. 104, 469–478, 2016.

ZHANG, N.; WANG, M.; WANG, N. Precision agriculture – a worldwide overview. Computers and Electronics in Agriculture, v. 36, n. 2-3, p. 113-132, 2002.

Downloads

Publicado

2018-02-04

Edição

Seção

Geotecnologias e Modelagem Espacial em Geografia Física