Publicação: Imagens de drone e Índice de Vegetação por Diferença Normalizada (NDVI) para classificação segmentada em Áreas de Preservação Permanente (APP)
Carregando...
Data
2020-12-16
Orientador
Campos, Sergio 
Rodrigues, Mikael Timóteo
Coorientador
Pós-graduação
Agronomia (Energia na Agricultura) - FCA
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O advento dos drones nas geotecnologias possibilitou uma plataforma atuante em diferentes áreas para o mapeamento com elevada precisão e resolução, como no caso da análise ambiental, onde a correta identificação do uso do solo é de fundamental importância. O objetivo deste estudo consistiu na identificação do uso e ocupação do solo em Áreas de Preservação Permanente (APP) hídricas do rio Lavapés, em trecho da Fazenda Experimental Lageado, no município de Botucatu- SP. Foi utilizada a Análise de Imagem Baseada em Objeto (OBIA), bem como o Índice de Vegetação por Diferença Normalizada (NDVI), e técnicas de aerofotogrametria e fotointerpretação com imagens de alta resolução coletadas por drone. As imagens foram obtidas por meio dos sensores MAPIR Survey3W RGB e Survey3W NIR/InfraRED, embarcados em drone multirrotor 3DR SOLO. Para construção dos ortomosaicos RGB e NDVI, as imagens foram processadas no software Pix4Dmapper 3.0. A classificação OBIA RGB obteve acurácia temática por índice Kappa de 70,69 %, com qualidade de classificação "Muito boa" e concordância substantiva com o referencial da VT (Verdade Terrestre). Para a classificação OBIA NDVI, a acurácia temática foi de 73,60 % por índice Kappa, com qualidade de classificação "Muito boa" e concordância substantiva com a VT. A comparação das duas classificações, com a OBIA NDVI como referencial devido a maior acurácia e das propriedades espectrais do NDVI, obteve índice Kappa de 83,16 %, com qualidade de classificação "Excelente" e concordância quase perfeita com o referencial, demonstrando a correlação existente entre uma classificação visual (OBIA RGB) e uma baseada em índice de vegetação (OBIA NDVI). A classe “vegetação arbórea”, obteve os menores erros de omissão e comissão nas duas classificações e na comparação entre ambas, garantindo uma grande confiança de classificação. Já a classe “sombras”, obteve os maiores erros de omissão e comissão, devido a maior confusão gerada por pixels de outras classes, pela ambiguidade espectral e proporcionando menor confiança. Com base no exposto, pode-se afirmar que as imagens obtidas por drone proporcionam flexibilidade de utilização, podendo ser usadas tanto para classificação visual quanto classificação baseada em índice radiométrico, possuindo elevado potencial para o mapeamento da paisagem e comportamento da vegetação e podem ser utilizadas com grande confiabilidade na análise ambiental.
Resumo (inglês)
The advent of drones in geotechnologies has enabled a platform acting in different areas for mapping with high precision and resolution, as in the case of environmental analysis, where the correct identification of soil use is of fundamental importance. This study aimed to identify the soil use and occupation in hydrics Permanent Preservation Areas (APP) of Lavapés river, in a stretch of Lageado Experimental Farm, located in the municipality of Botucatu-SP. Object Based Image Analysis (OBIA) was used, as well as the Normalized Difference Vegetation Index (NDVI), and techniques of aerophotogrammetry and photointerpretation with high resolution images collected by drone. The images were obtained through MAPIR Survey3W RGB and Survey3W NIR/InfraRED sensors, aboard a 3DR SOLO multirotor drone. For construction of RGB and NDVI orthomosaics, the images were processed using Pix4Dmapper 3.0 software. OBIA RGB classification got thematic accuracy to Kappa coefficient of 70.69 %, with "Very good" classification quality and substantial agreement with VT (Ground Truth) referential. For OBIA NDVI classification, thematic accuracy was 73.60 % to Kappa coefficient, with "Very good" classification quality and substantial agreement with VT. The comparison of the two classifications, with OBIA NDVI as referential due to greater accuracy and spectral properties of NDVI, got Kappa coefficient of 83.16 %, with "Excellent" classification quality and almost perfect agreement with the referential, demonstrating the existing correlation between a visual classification (OBIA RGB) and one based on vegetation index (OBIA NDVI). The “arboreal vegetation” class got the smallest errors of omission and commission in the two classifications and in the comparison between both, guaranteeing a great classification confidence. The “shadows” class got the biggest errors of omission and commission, due to a greater confusion generated by pixels from other classes, through the spectral ambiguity and providing less confidence. Based on the exposed, it can be asserted that images obtained by drone provides flexibility of use, can be used both as a visual classification and as a classification based on radiometric index, having high potential for landscape mapping and vegetation behavior and can be used with great reliability in environmental analysis.
Descrição
Idioma
Português
