Uma estratégia computacional para a segmentação automática de árvores individuais de mangue a partir de dados de varredura tridimensional a laser

Authors

  • Gisele Goulart Tavares da Silva
  • Leonardo Goliatt da Fonseca
  • Filipe Chaves

DOI:

https://doi.org/10.34019/2179-3700.2019.v19.29895

Keywords:

Segmentação, Manguezal, Escaneamento tridimensional, LiDAR

Abstract

Os manguezais são as florestas com maior potencial de armazenamento de carbono e estão entre os ecossistemas mais ameaçados pelas atividades antropogênicas. Pesquisas recentes destacam a necessidade de preservação desse bioma, e as tecnologias de escaneamento a laser podem auxiliar nessa tarefa, permitindo a coleta de dados de parâmetros estruturais da floresta com rapidez e precisão. A facilidade de aquisição de dados traz a necessidade de tratar as nuvens de pontos adquiridos, tornando necessário o desenvolvimento de algoritmos para a extração de parâmetros biofísicos. Este artigo apresenta uma estratégia computacional para a segmentação de raiz, tronco e copa de árvores de manguezal. Os resultados mostram que a estratégia proposta permite a segmentação das árvores, mas seu desempenho depende da qualidade da nuvem de pontos escaneados e da estrutura dos indivíduos.

Downloads

Download data is not yet available.

References

ALMEIDA, P. M. M. Utilização de imagens de satélite para análise multi-temporal do manguezal de Guaratiba-RJ. 91 p. Monografia (Bacharelado) – Departamento de Oceanografia, Universidade do Estado do Rio de Janeiro, 2007.
CHAVE, Jerome et al. Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia, Nova Iorque, v. 145, n. 1, p. 87–99, 2005.
DONATO, Daniel C. et al.Mangroves among the most carbon-rich forests in the tropics. Nature geoscience, Nova Iorque, v. 4, n. 5, p. 293–297, 2011.
FELICIANO, Emanuelle A.; WDOWINSKI, Shimon; POTTS, Matthew D. Assessing Mangrove Above-Ground Biomass and Structure using Terrestrial Laser Scanning: A Case Study in the Everglades National Park. Wetlands, Nova Iorque, v. 34, n. 5, p. 955–968, 2014.
GHOSH, S. et al.A Review of Threats and Vulnerabilities to Mangrove Habitats: With Special Emphasis on East Coast of India. Journal of earth science & climatic change, v. 6, n. 4 , 2015. Disponível em: http://dx.doi.org/10.4172/2157-7617.1000270.Acessoem 10 de dezembro de 2018.
GIRI, C. et al. Status and distribution of mangrove forests of the world using earth observation satellite data. Global ecology and biogeography: a journal of macroecology, Hoboken, v. 20, n. 1, p. 154–159, 2010.
GLENDINNING, R. H.; SCOTT, D. W. Multivariate Density Estimation, Theory, Practice and Visualization. The Statistician: journal of the Institute of Statisticians, Londres, v. 43, n. 1, p. 218, 1994.
HEENKENDA, Mudithaet al. Mangrove Species Identification: Comparing WorldView-2 with Aerial Photographs. Remote Sensing, Basel, v. 6, n. 7, p. 6064–6088, 2014.
HEUMANN, Benjamin W. An Object-Based Classification of Mangroves Using a Hybrid Decision Tree-Support Vector Machine Approach. Remote Sensing, Basel, v. 3, n. 11, p. 2440–2460, 2011.
LADEIRA, Ana Carolina et al. Método computacional para segmentação automática do dossel de árvores de mangue a partir de dados de perfilamento tridimensional a laser. In: ENCONTRO NACIONAL DE MODELAGEM COMPUTACIONAL, 2018,[S.l: s.n.], 2018.
OWERS, Christopher J.; ROGERS, Kerrylee; WOODROFFE, Colin D. Terrestrial laser scanning to quantify above-ground biomass of structurally complex coastal wetland vegetation. Estuarine, coastal and shelf science,Amsterdã, v. 204,p. 164–176, 2018.
POLIDORO, Beth A. et al. The loss of species: mangrove extinction risk and geographic areas of global concern. PloSone, v. 5, n. 4, p. e10095, 2010.
TAHVANAINEN, Timo; FORSS, Eero. Individual tree models for the crown biomass distribution of Scots pine, Norway spruce and birch in Finland. Forest ecology and management, Amsterdã, v. 255, n. 3, p. 455–467, 2008.
TAVARES, Gisele G. et al.Métodos computacionais para aproximação do diâmetro à altura do peito de árvores de regiões de mangue via escaneamento tridimensional a laser. Revista Interdisciplinar de Pesquisa em Engenharia, Brasília, v. 2, p. 138-155, 2016.
THOMAS, Nathan et al.Distribution and drivers of global mangrove forest change, 1996–2010. PloS one, v. 12, n. 6, p. e0179302, 2017.
TRAUTENMÜLLER, Jonathan William. Quantificação e distribuição do estoque de biomassa acima do solo em floresta estacional decidual. Dissertação de Mestrado - Programa de Pós-Graduação em Agronomia - Agricultura e Ambiente, Universidade Federal de Santa Maria, 2015.
WANG, Di et al. Reconstructing Stem Cross Section Shapes From Terrestrial Laser Scanning. IEEE Geoscience and Remote Sensing Letters, 2017.
WANNASIRI, Wasineeet al. Extraction of Mangrove Biophysical Parameters Using Airborne LiDAR. Remote Sensing, Basel, v. 5, n. 4, p. 1787–1808, 2013.
WULDER, Michael A. et al. Lidar sampling for large-area forest characterization: A review. Remote sensing of environment, v. 121, p. 196–209, 2012.

Published

2020-03-06

How to Cite

da Silva, G. G. T., da Fonseca, L. G., & Chaves, F. (2020). Uma estratégia computacional para a segmentação automática de árvores individuais de mangue a partir de dados de varredura tridimensional a laser. Principia: Caminhos Da Iniciação Científica, 19(1), 11. https://doi.org/10.34019/2179-3700.2019.v19.29895

Issue

Section

Artigos originais - Engenharias e Ciência da Computação