Uso de drone para a estimativa do material combustível em formações campestres no Cerrado
DOI :
https://doi.org/10.5902/1980509873469Mots-clés :
Sensoriamento remoto, VANT, EstimativaRésumé
Em busca de alternativas para aprimorar o controle e gerenciamento das ações de prevenção aos incêndios, novas técnicas para quantificação do material combustível têm sido estudadas. Para reduzir os custos e tempo gasto em campo, o uso de sensores multiespectrais e câmera RGB (Red, Green e Blue) vêm se destacando como ferramentas úteis e eficazes na estimativa do material combustível. Nesse contexto, objetivou-se neste trabalho avaliar a viabilidade da utilização de um sensor multiespectral e câmera digital RGB aerotransportada por um multirrotor, para estimativa de carga de material combustível em área de Cerrado por meio de regressão linear. O trabalho foi conduzido em área de formação savânica, onde foram avaliadas 40 amostras de carga de material combustível em parcelas de 1 m², coletando-se também imagens, mediante a um aerolevantamento, para obtenção de variáveis de reflectância, índices de vegetação e variáveis descritivas do modelo tridimensional. A equação ajustada para prever o conteúdo de material combustível (MCT) na área de estudo revelou-se relevante, com significância estatística (p < 0,001), um coeficiente de determinação (R²) de 0,70 e R² ajustado de 0,65. Ao analisar a influência das variáveis no modelo, observou-se que, embora a densidade de pontos no modelo (DPM) apresentasse correlações superiores entre as variáveis, o índice de vegetação NDVI exerceu uma influência mais significativa, evidenciada pelo seu maior peso na equação ajustada.
Téléchargements
Références
ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVES, J. L. M.; SPAROVEK, G. Koppen's climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, p.711-728, 2014. http://dx.doi.org/10.1127/0941-2948/2013/0507
BANU, P. T. J.; BORLEA, F. G.; BANU, C. The use of drones in forestry. Journal of Environmental Science and Engineering, v. 05, n. 01, p.557-562, 2016. https://doi.org/10.17265/2162-5263/2016.11.007
BENDIG, J.; BOLTEN, A.; BENNERTZ, S.; BROSCHEIT, J.; EICHFUSS, S.; BARETH, G. Estimating biomass of barley using crop surface models (CSMs) derived from UAV – based RGB imaging. Remote Sensing, v. 6, n. 11, p.10395-10412, 2014. https://doi.org/10.3390/rs61110395
BENDIG, J.; Yu, K.; Aasen, H.; BOLTEN, A.; BENNERTZ, S.; BROSCHEIT, J.; GNYP, L. M.; BARETH, G. Combining UAV-based plant height from crop surface models, visible and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation, v. 39, p.79-87, 2015. http://dx.doi.org/10.1016/j.jag.2015.02.012
BERNI, J. A. J.; TEJADA, Z. J. P.; FERES, E. Thermal and Narrowband Multispectral Remote sensing for vegetation monitoring from an unmanned aerial vehicle. IEEE Transactions on Geoscience and Remote Sensing, v. 01, n. 01, p.01-17, 2009. https://doi.org/10.1109/TGRS.2008.2010457
BOWERMAN, B. L, O’CONNELL, R. T. Linear statistical models: an applied approach. 2. ed. Belmont (CA): Duxbury, 1990.
CUNLIFFE, A. M.; BRAZIER, R. E.; ANDERSON, K. Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry. Remote Sensing of Environment, v. 183, p.129-143, 2016. https://doi.org/10.1016/j.rse.2016.05.019
FERRAZ, A. S.; SOARES, V. P.; SOARES, C. P. B.; RODY, Y. P.; RIBEIRO, C. A. A. S.; BINOTI, D. H. B.; LEITE, H. G.; LEITE, F. P. Estimativa do estoque de biomassa em um fragmento florestal usando imagens orbitais. Floresta e Ambiente, v. 21, n. 3, p.286-296, 2014.
GEIPEL, J.; LINK, J.; CLAUPEIN, W. Combined spectral and spatial modeling of corn yield based on aerial imagens and crop surface models acquired with an unmanned aircraft system. Remote Sensing, v. 6, n. 11, p.10335-10355, 2014. http://doi.org/10.3390/rs61110335
HUNT, E. R.; CAVIGELLI, M.; DAUGHTRY, C. S. T.; MCMURTREY, J. E.; WALTHALL, C. L. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status. Precision Agriculture, v. 6, p.359-378, 2005.
JANNOURA, R.; BRINKMANN, K.; UTEAU, D.; BRUNS, C.; JOERGENSEN, R. G. Monitoring of crop biomass using true colour aerial photographs taken from a remote controlled hexacopter. Biosystems Engineering, v. 129, p.341-351, 2015. https://doi.org/10.1016/j.biosystemseng.2014.11.007
JORGE, L. A. C.; INAMASU, R. Y. Uso de veículos aéreos não tripulados (VANT) em agricultura de precisão. Embrapa Instrumentação, 2014. Disponível em: https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1003485/uso-de-veiculos-aereos-nao-tripulados-vant-em-agricultura-de-precisao. Acesso em: 24 out. 2022.
LI, W.; NIU, Z.; CHEN, H.; LI, D.; WU, M.; ZHAO, W. Remote estimation of canopy height and aboveground biomass of maize using high-resolution stereo images from a low-cost unmanned aerial vehicle system. Ecological Indicators, v. 67, n. 01, p.637-648, 2016. http://dx.doi.org/10.1016/j.ecolind.2016.03.036
MARCUSSI, B. A.; BUENO, P. R. C.; MIQUELONI, P. D.; ARRAES, L. C. Utilização de índices de vegetação para os sistemas de informação geográfica. Caminhos de geografia, v. 11, n. 35, p.353-362, 2010.
MENARD, S. Sage university paper series on quantitative applications in the social sciences. Applied logistic regression analysis, Sage Publications Thousand Oaks, California, 1995.
MOTOHKA, T.; NASAHARA, K.; HIROYUKI, O.; SATOSHI, T. Applicability of green-red vegetation index for remote sensing of vegetation phenology. Remote Sensing, v. 02, n. 01, p.2369-2387, 2010. https://doi.org/10.3390/rs2102369
MYERS, R. Classical and modern regression with applications. 2. ed. Boston (MA): Duxbury. 1990, p.488.
PONZONI, J. F.; SHIMABUKURU, Y. E.; KUPLICH, T. M. Sensoriamento remoto da vegetação. 2. ed. Atualizada e ampliada, São Paulo, SP: Oficina de Textos, 2015. 45p.
RODRIGUES, R. A; GALLARDO, F. C. L. A. Vantagens da aerofotogrametria por drone na obtenção de dados topográficos em estudos de lixões e aterros sanitários. In: VII simpósio internacional de gestão de projetos, inovação e sustentabilidade. Anais. São Paulo, 2018. p. 01-15.
ROUSE, W.; HAAS, H. R.; SCHELL, A. J.; DEERING, W. D. Monitoring vegetation systems in the Great Plains with ERT. 1. ed. Washington, NASA: third earth resources technology Satellite-1 symposium, 1974, 309 p.
SANTOS, M. M.; BATISTA, C. A.; CARVALHO, E. DE.; SILVA, C. F. DE. Relationships between moisture content and flammability of campestral Cerrado species in Jalapão. Revista Brasileira de Ciências Agrárias, v. 13, n. 04, p.1-9, 2018. https://doi.org/10.5039/agraria.v13i4a5587
SCHMIDT, B.; FONSECA, B. C.; FERREIRA, C. M.; SATO, N. M. Experiências internacionais de manejo integrado do fogo em áreas protegidas – recomendações para implementação de manejo integrado de fogo no Cerrado. Biodiversidade Brasileira, v. 06, n. 02, p.41-54, 2016.
SEPLAN - Secretaria do Planejamento Superintendência do Planejamento e Gestão Central de Políticas Públicas (SEPLAN). Diretoria de Zoneamento Ecológico-Econômico (DEZ). Base de dados geográficos do Tocantins, Palmas, SEPLAN/DEZ, 2012. Disponível em: https://www.to.gov.br/seplan/base-de-dados-geograficos-do-tocantins-atualizacao-2012/d7n1qsd70x2. Acessado em: 20 out. 2022.
SOARES, V. R.; BATISTA, C. A.; TETTO, A. F. Incêndios Florestais: Controle, efeitos e uso do fogo. 2. ed. Curitiba, Paraná: UFPR, 2017. 47p.
SOUZA, V. I.; SANTOS, M. M..; GIONGO, M.; CARVALHO, V. E. de.; MACHADO, S. E. I. Estimativa do material combustível em área de Cerrado campo sujo a partir de imagens do sensor RGB. Pesquisa Florestal Brasileira, v. 3, n. 01, p.01-06, 2018. https://doi.org/10.4336/2018.pfb.38e201801706
STRASSBURG, N. B. B.; BROOKS, T.; FELTRAN-BARBIERI, R.; IRIBARREM, A. Moment of truth for the Cerrado hotspot. Nature ecology & evolution, v. 01, n. 01, p.1-3, 2017. https://doi.org/10.1038/s41559-017-0099
TAVARES, M. E. F. Metodologias usadas na quantificação de material combustível no Cerrado. Vértices, v. 19, n. 1, p.175-182, 2017.
TUMLISAN, G. Y. G. Monitoring growth development and yield estimation of maize using very high-resolution UAV-images in Gronau, Germany. 2017. 52 p. Dissertação (Mestrado em Geo – Ciência da Informação e Observação da Terra) - University of Twent, Netherlands, 2017.
YUE, J.; YANG, G.; LI, C.; LI, Z.; WANG, Y.; FENG, H.; XU, B. Estimation of winter wheat above-ground biomass using unmanned aerial vehicle-based snapshot hyperspectral sensor and crop height improved models. Remote Sensing, v. 9, n. 708, p.01-19, 2017. https://doi.org/10.3390/rs9070708.36
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Ciência Florestal 2024
Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
A CIÊNCIA FLORESTAL se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da lingua, respeitando, porém, o estilo dos autores.
As provas finais serão enviadas as autoras e aos autores.
Os trabalhos publicados passam a ser propriedade da revista CIÊNCIA FLORESTAL, sendo permitida a reprodução parcial ou total dos trabalhos, desde que a fonte original seja citada.
As opiniões emitidas pelos autores dos trabalhos são de sua exclusiva responsabilidade.
