Avaliação da informação hiperespectral multitemporal no aprimoramento da identificação de espécies de árvores em Floresta Atlântica de alta diversidade.

Resumo

O monitoramento dos recursos florestais é crucial para seu manejo sustentável e a identificação das espécies arbóreas é uma das tarefas fundamentais desse processo. Veículos aéreos não tripulados (UAVs) e sensores leves miniaturizados podem fornecer informações precisas de monitoramento rapidamente. O objetivo deste estudo foi investigar o uso de imagens hiperespectrais multitemporais baseadas em UAV para identificação de espécies arbóreas na altamente diversificada Mata Atlântica brasileira. Os conjuntos de dados foram capturados ao longo de três anos para identificar oito espécies de árvores diferentes. A área de estudo compreendeu estádios de sucessão inicial a médio da Mata Atlântica brasileira. As imagens foram adquiridas com uma resolução espacial de 10 cm sendo realizado um processamento do ajuste radiométrico para reduzir as variações causadas por diferentes fatores, como a geometria da aquisição. Foi aplicado o algoritmo de classificação por florestas aleatórias (Random Forest) em regiões. A abordagem utilizada para avaliar o modelo de classificação foi a validação cruzada "leave-one-out", seguida pelo cálculo da área sob a curva ROC (receiver operator characteristic). Ao usar cada conjunto de dados sozinho, a influência de diferentes comportamentos climáticos na identificação de espécies de árvores foi evidente. Ao combinar todos os conjuntos de dados e minimizar as diferenças de iluminação em cada copa de árvore, a identificação de três espécies de árvores foi aprimorada. Esses resultados mostram que as imagens de sensoriamento remoto hiperespectral e multitemporal baseadas em UAV são uma ferramenta promissora para a identificação de espécies arbóreas em florestas tropicais altamente diversificadas. (AU)