IDENTIFICAÇÃO DA ESPÉCIE INVASORA Hovenia dulcis (Thunb.) EM UMA UNIDADE DE CONSERVAÇÃO COM O USO DE AERONAVE REMOTAMENTE PILOTADA

Vol 1, 2022 - 154307
Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A presente pesquisa teve como objetivo utilizar imagens obtidas por aeronaves remotamente pilotadas (ARP) para identificar a espécie exótica invasora (EEI) Hovenia dulcis (Thunb.) em uma Unidade Conservação localizada no estado do Rio Grande do Sul. Os dados de campo foram obtidos em uma área amostral, onde foi coletada as coordenadas geográficas com Sistema de Posicionamento Global (GPS) das espécies invasoras H. dulcis. Para obtenção dos dados remotos foi utilizado um ARP com um sensor Red, Green e Blue (RGB) embarcado. Foi utilizado o software ArcMap® 10.8 para gerar a distribuição espacial das espécies geolocalizadas, por meio de fotointerpretação manual. Em sequência, para o processo de treinamento dos modelos, no ArcGis Pro® versão 2.8, foram definididas quatro classes de interesse, sendo: H. dulcis, espécie similar, sombra e demais espécies. O processo de classificação superviosionada envolveu uma abordagem de análise baseada em objeto – OBIA, e dois algoritmos de Aprendizado de Máquina (AM) para comparação (Random Forest – RF e Support Vector Machine – SVM). Para análise de desempenho, foram calculadas as métricas de acurácia global e índice de Kappa. Os resultados demonstram que o algoritmo RF foi superior ao SVM em classificar a H. dulcis, com acurácia de 89% e Indice kappa de 0,80. Dessa forma, as imagens RGB combinados com AM são altamente acuradas para identificar a EEI em relação as demais espécies que compõe o estrato florestal da área de estudo.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal de Santa Maria
  • 2 Universidade Federal dos Vales do Jequitinhonha e Mucuri
Eixo Temático
  • Conservação e Meio Ambiente
Palavras-chave
aprendizado de máquina
Invasão biológica
Sensoriamento remoto