Ciência e Tecnologia: bases para o Desenvolvimento Social
20 a 25 de outubro de 2014
Trabalho 3544
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Pós-graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Informações geográficas, processamento de imagens e planejamento do espaço |
| Setor | Departamento de Engenharia Florestal |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Não |
| Apoio financeiro | FAPEMIG, Outros |
| Primeiro autor | Thaisa Ribeiro Teixeira |
| Orientador | CARLOS ANTONIO ALVARES SOARES RIBEIRO |
| Outros membros | Pablo Falco Lopes |
| Título | Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 |
| Resumo | O sucesso de um empreendimento florestal está diretamente ligado ao planejamento adequado e à previsão segura dos recursos disponíveis. As metodologias tradicionalmente utilizadas para quantificar o estoque de madeira demandam recursos humanos e financeiros. Visando a redução de custos nos processos de inventário, metodologias alternativas têm sido testadas. A utilização de redes neurais artificiais em substituição aos modelos de regressão, tem reduzido o número de amostras necessárias para estimação de variáveis dendrométricas. Concomitantemente, o sensoriamento remoto tem se mostrado uma alternativa potencial para monitoramento e quantificação de biomassa florestal. Diante disso, o trabalho propõe uma metodologia que utilize dados de imagens gratuitas do satélite Landsat 7 juntamente com técnicas de inteligência artificial para estimação do volume de madeira em uma floresta de eucalipto na região de Açucena, no estado de Minas Gerais. Para tal, foram selecionadas as imagens das bandas azul, verde, vermelho e infravermelho próximo da área de estudo. As imagens Landsat 7 foram obtidas gratuitamente no site do U.S. Geological Survey e são datadas de 06 de maio de 2013. As cenas de interesse do estudo foram selecionadas e as imagens foram recortadas no formato dos talhões que contêm as parcelas inventariadas. Tanto as imagens digitais quanto as feições representativas dos talhões e parcelas foram reprojetadas para o sistema de projeção UTM 23S, datum WGS84. Para alimentar a rede neural, foram gerados os seguintes índices de vegetação: Índice da razão simples (RATIO), Índice de vegetação reverso (RVI); Índice de vegetação da diferença normalizada (NDVI) e Índice de vegetação transformado e corrigido (CTVI). Além dos valores de índice de vegetação, foram utilizados também os valores do nível de cinza da imagem. Combinando-se os dados obtidos com os dados do inventário, treinou-se uma rede neural artificial (RNA) utilizando-se, como variável contínua, o volume (m³/ha). Como resultado obteve-se que 76,67 % dos valores estimados em nível de parcela se encontram entre +2% de erro. O estudo comparativo de volume estimado versus observado a nível de talhão apresentou valores próximos, sendo o desvio médio de apenas -0,16%, indicando que a metodologia apresenta um resultado promissor para estimar a produção florestal a partir de dados de imagens de baixa resolução espacial. A metodologia proposta foi capaz de estimar a produção florestal atual de forma satisfatória em nível de talhão. Como continuidade deste trabalho, propõe-se repetir a aplicação dessa metodologia em áreas maiores. Dessa forma, é possível testar a quantidade de parcelas que pode ser reduzida de forma a garantir o mesmo resultado em nível de talhão. |
| Palavras-chave | Inteligência artificial, Imagens digitais, inventário florestal |
| Forma de apresentação..... | Oral |