Título: DETECÇÃO DE FALHAS EM PLANTIOS DE EUCALIPTO UTILIZANDO DADOS SAR SENTINEL-1
Título alternativo: DETECTION OF PLANTATION FAILURES IN EUCALYPTUS PRODUCING AREAS USING SAR SENTINEL-1 DATA
Autoria de: Enzo Messias Custodio Niza
Orientação de: Fausto Weimar Acerbi Junior
Coorientação de: Juliana Maria Ferreira de Souza Diniz
Presidente da banca: Fausto Weimar Acerbi Júnior
Primeiro membro da banca: Richard Mendes Dal Aqua
Segundo membro da banca: Eveline Aparecida Pereira
Palavras-chaves: Monitoramento florestal, Sensoriamento Remoto, Radar de Abertura Sintética, Polarização, SLC e GRD
Data da defesa: 02/03/2023
Semestre letivo da defesa: 2022-2
Data da versão final: 14/03/2023
Data da publicação: 14/03/2023
Referência: Niza, E. M. C. DETECÇÃO DE FALHAS EM PLANTIOS DE EUCALIPTO UTILIZANDO DADOS SAR SENTINEL-1. 2023. 64 p. Trabalho de Conclusão de Curso (Graduação em Engenharia Florestal Bacharelado)-Universidade Federal de Lavras, Lavras, 2023.
Resumo: Controlar a área de efetivo plantio é fundamental para que não falte madeira nas fábricas de celulose, com isso, a identificação das falhas de plantios (que podem ocorrer por vários motivos) é fundamental para não contabilizar madeira inexistente como potencial abastecimento e para tentar mitigar as causas da perda de área produtiva. É possível mapear falhas de plantios através de técnicas de sensoriamento remoto de forma rápida e precisa. Um fator limitante para os sensores ópticos é a cobertura de nuvens, que impede o mapeamento da superfície terrestre em vários períodos do ano, principalmente nas regiões tropicais. A utilização de dados SAR (Radares de Abertura Sintética) pode ser considerada como alternativa nesses monitoramentos, uma vez que não sofre influência da cobertura de nuvens. Assim, o objetivo principal deste trabalho foi avaliar o potencial do uso das imagens do sensor de radar a bordo do satélite Sentinel-1A para a detecção de falhas de plantios em uma fazenda produtora de eucalipto no município de Conceição da Barra-ES. Para isso, foram testados doze cenários de classificação que buscavam distinguir as classes de floresta plantada e falha de plantio a partir da combinação entre as seguintes variáveis tipo de imagem (SLC e GRD), janela de filtragem do filtro Lee (3x3 e 9x9) e polarização (VH, VV e RC). A validação da classificação foi realizada a partir da interpretação visual de uma imagem SPOT6 de alta resolução espacial, onde foram gerados 2000 pontos de acurácia, que foram utilizados como base para comparar com os valores classificados em cada cenário e obtenção das matrizes de confusão, acurácia global e número Kappa. A partir da comparação dos cenários, foi constatado que o cenário G9VH, que utilizou a polarização VH da imagem GRD, com aplicação do filtro Lee com janela 9x9, apresentou o melhor desempenho classificatório, com acurácia global de 91,4 e número Kappa igual a 0,826, sendo conceituada como uma classificação ??Excelente??. Por meio da comparação da classificação realizada no cenário G9VH do Sentinel-1A com o mapeamento realizado com NDVI do sensor óptico, observou-se um desempenho 3,15 melhor do sensor óptico. No geral, os dados de radar apresentaram valores de acurácia global e número Kappa satisfatórios e conseguiram distinguir muito bem entre as áreas de floresta plantada e falhas de plantio, além de terem a vantagem de não sofrerem influências das condições atmosféricas.
Abstract: Controlling Controlling the actual planting area is fundamental so that the pulp mills do not run out of wood. Therefore, the identification of planting failures (which can occur for several reasons) is fundamental so as not to count non-existent wood as a potential supply and to try to mitigate the causes of loss of productive area. It is possible to map planting failures through quickly and accurately remote sensing techniques. A limiting factor for optical sensors is cloud cover, which prevents mapping the Earths surface at various times of the year, especially in tropical regions. The SAR (Synthetic Aperture Radar) data can be used as an alternative in these monitoring, since it is not influenced by cloud cover. Accordling, the main goal of this work is to evaluate the potential of using images from the radar sensor on board of the Sentinel-1A satellite for the plantation detection of failures for eucalyptus producing areas in Conceição da Barra-ES. For this, twelve classification scenarios were tested that sought to distinguish the classes of planted forest and planting failure from the combination of the following variables image type (SLC and GRD), Lee filter filtering window (3x3 and 9x9) and polarization (VH, VV and RC). The classification validation was carried out based on the visual interpretation of a SPOT6 image of high spatial resolution. Where 2000 accuracy points were generated, which were used as a basis for comparing with the classified values in each scenario and obtaining the confusion matrices, global accuracy and Kappa number. Comparing the scenarios, it was found that the G9VH scenario, which used the VH polarization of the GRD image, applying the Lee filter with a 9x9 window, presented the best classification performance. Presenting a global accuracy of 91.4 and a Kappa number equal to 0.826, being conceptualized as an ??Excellent?? classification. Comparing the classification performed in the G9VH scenario of the Sentinel-1A with the mapping performed with the optical sensors NDVI, a 3.15 better performance of the optical sensor was observed. In general, the radar data showed satisfactory values of global accuracy and Kappa number and were able to distinguish very well between areas of planted forest and planting failures, in addition to having the advantage of not being influenced by atmospheric conditions.
URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_florestal/20222201710083
URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.
Curso: G005 - ENGENHARIA FLORESTAL (BACHARELADO)
Nome da editora: Universidade Federal de Lavras
Sigla da editora: UFLA
País da editora: Brasil
Gênero textual: Trabalho de Conclusão de Curso
Nome da língua do conteúdo: Português
Código da língua do conteúdo: por
Licença de acesso: Acesso aberto
Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras
URI da licença: repositorio.ufla.br
Termos da licença: Acesso aos termos da licença em repositorio.ufla.br
Detentores dos direitos autorais: Enzo Messias Custodio Niza e Universidade Federal de Lavras
Baixar arquivo