Mapeamento de flora dunar através de veículos aéreos não tripulados (VANTs)

Abstract

Durante a última década houve um aumento do interesse no uso de pequenos veículos aéreos não tripulados (VANTs) como novas ferramentas para a deteção remota. A partir das imagens recolhidas com o auxílio destes equipamentos foi possível o cálculo de diversos índices espectrais consoante a fusão de distintas combinações entre as bandas de cor (e.g. NDVI, GNDVI, GRVI, NDRE, ...). A aplicação destes índices de vegetação e a combinação de bandas foram utilizados como suporte para a deteção de manchas de vegetação e exclusão das áreas de sombra. Este trabalho visou por testar o desempenho de algoritmos de classificação supervisionada por aprendizagem de máquina (e.g. SAM, RF, ML, MD, ...) para identificação da vegetação dunar. As áreas de estudo ficam localizadas no concelho de Viana do Castelo, nomeadamente, a Praia do Lumiar e a Praia do Rodanho. O algoritmo que obteve uma melhor precisão global foi o Maximum Likelihood que atingiu os 95,65% para a Praia do Lumiar e os 90,76% para a Praia do Rodanho. Este algoritmo foi capaz de distinguir com sucesso as manchas de Acacia longifolia das manchas de Pinus pinaster. Para trabalhos futuros seria recomendável a execução de voos de menor altitude, tendo em consideração o poder de processamento dos instrumentos a utilizar e a realização de voos em diferentes épocas do ano com o intuito de analisar a variabilidade sazonal da vegetação e do sistema dunar propriamente dito.

Over the past decade there has been an increased interest in the use of small unmanned aerial vehicles (UAVs) as new tools for remote sensing. From the images collected with the aid of these equipment it was possible to calculate several spectral indices depending on the fusion of different combinations between the colour bands (e.g. NDVI, GNDVI, GRVI, NDRE, ...). The application of these vegetation indices and the combination of bands were used as support for the detection of vegetation spots and exclusion of shade areas. This work aimed to test the performance of supervised machine learning classification algorithms (e.g., SAM, RF, ML, MD, ...) to identify dune vegetation. The study areas are in the municipality of Viana do Castelo, namely Lumiar Beach and Rodanho Beach. The algorithm that obtained a better overall accuracy was the Maximum Likelihood that reached the 95,65% for Lumiar Beach and the 90,76% for Rodanho Beach. This algorithm was able to successfully distinguish Acacia longifolia patches from Pinus pinaster patches. For future work it would be recommended to perform lower altitude flights, considering the processing power of the instruments to be used and the performance of flights at different times of the year to analyse seasonal variability in the vegetation and in the dune system.