Predição de volume em florestas plantadas utilizando escaneamento com laser aerotransportado e aprendizagem de máquinas

• Ano de defesa: 2021
• Autor(a) principal: Ferreira, Flavio Carvalho
• Orientador(a): Carvalho, Luís Marcelo Tavares de
• Banca de defesa: Carvalho, Luís Marcelo Tavares de, Ferreira, Maria Zélia, Calegário, Natalino
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Florestal
• Departamento: Departamento de Ciências Florestais
• País: brasil
• Palavras-chave em Português: Escaneamento aéreo com laser; Manejo florestal; LiDAR; Inventário florestal; Aprendizagem de máquinas; Airborne laser scanning; Forest management; Forest inventory; Machine learning
• Área do conhecimento CNPq: Recursos Florestais e Engenharia Florestal
• Link de acesso: https://repositorio.ufla.br/handle/1/49056

O setor de florestas plantadas demanda cada vez mais informações em quantidade, qualidade e rapidez para basear as suas tomadas de decisão. Em função disso o presente trabalho compara a estimativa volumétrica obtida pelo inventário florestal utilizando o método convencional, baseado na média e desvio padrão das unidades amostradas, e um método que utiliza dados de escaneamento aéreo com laser (ALS – airborne laser scanning) dos talhões da floresta para gerar mapas com o volume de madeira. No inventário ALS, foram testados três diferentes métodos de modelagem: modelo linear ajustado pela minimização dos quadrados do erro (OLS – ordinary least squares), floresta aleatória (RF – Random Forest) e máquinas de vetor de suporte (SVM – support vector machine). Os modelos foram treinados e validados pelo método holdout por 200 vezes, avaliando no fim a média do coeficiente de determinação (R²) e da raiz do erro quadrático médio (RMSE). O modelo que obteve melhor resultado foi o modelo linear com R² de 53,74% e RMSE de 20,19 m³/ha. Quando comparado os métodos de inventário convencional e ALS, ambos tiveram erros de inventário baixos. Pode-se concluir que a utilização dos inventários ALS mostra-se promissora para setor florestal.