Classificação da cobertura do solo com base em imagens RGB e multiespectrais obtidas por VANT: estudo de caso para o bioma caatinga

• Ano de defesa: 2024
• Autor(a) principal: SILVA FILHO, Rivaildo da.
• Orientador(a): SILVA, Vicente de Paulo Rodrigues da.
• Banca de defesa: SILVA , Madson Tavares., SILVA, Viviane Farias., CAMPOS, João Hugo Baracuy da Cunha., SILVA, Emerson Mariano da.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM RECURSOS NATURAIS
• Departamento: Centro de Tecnologia e Recursos Naturais - CTRN
• País: Brasil
• Palavras-chave em Português: FTSS; Semiárido; Drone; Random Forest; Sensoriamento remoto; SDTFs; Semiarid; Remote Sensing
• Área do conhecimento CNPq: Engenharia e Gestão de Recursos Naturais
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/37683

A Caatinga Brasileira é um bioma que corresponde à uma das maiores Florestas Tropicais Sazonalmente Secas (FTSS) do mundo e o entendimento da cobertura do solo nesta área contribui para estudos voltados a preservação ambiental e a mitigação de impactos ambientais. Um dos desafios na classificação da cobertura do solo nessa área é a distinção entre os diferentes padrões vegetativos. Nesse contexto, surgem os Veículos Aéreos Não Tripulados (VANT9s) capazes de obter dados com alta resolução espacial e superar esta limitação. Esta pesquisa avalia a precisão da classificação da cobertura do solo através de dados obtidos a partir de VANT com câmera multiespectral embarcada. Duas abordagens utilizando o classificador Random Forest (RF) foram aplicadas, a primeira baseada nas bandas Red, Green, Nir e no NDVI obtidos da câmera multiespectral e a outra baseada nas bandas Red, Green, Blue e no NGRDI obtidos da câmera RGB nativa do VANT em voos realizados à 120 metros de altura com condição de céu claro e sol centrado, na Bacia do Riacho do Frango em Patos-PB. O período de coleta foi de 22/09/2023 à 22/10/2023, totalmente compreendido na estação seca. Os resultados das classificações foram avaliados com base em amostras de validação do modelo e indicam que a primeira abordagem apresentou o melhor desempenho com Acurácia Global média de 95,33% e Coeficiente kappa médio de 0,93. A varível mais importante, segundo índice MDG, foi o NDVI, o que mostra a importância do uso de índices de vegetação para realçar as características vegetativas. A partir dos resultados, conclui-se que o uso de VANT com a câmera Mapir Survey 3w embarcada é uma ferramenta eficiente para classificação da cobertura do solo na Caatinga, com alta capacidade de distinção dos padrões vegetativos, enquanto que a classificação para área em estudo feita com base apenas em dados RGB não fornece uma boa precisão.