Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Rodrigues, Ana Paula Dechen
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/
Resumo: As áreas úmidas tropicais contribuem para a manutenção de diferentes serviços ecossistêmicos. As turfeiras de baixa altitude são ecossistemas de áreas úmidas compostas por Organossolos sob Florestas Paludosas. A dificuldade de caminhamento e os padrões homogêneos de dossel florestal observados em imagens de satélite e fotografias aéreas dificultam o seu mapeamento. Por esse motivo, a real extensão dos Organossolos é omitida por estarem mapeados em associação a Gleissolos. O objetivo geral deste trabalho foi explorar o potencial de métricas LiDAR para identificar padrões estruturais de Floresta Paludosa associados a Organossolos, que os diferenciem de Gleissolos na porção sul da Planície Costeira do Estado de São Paulo. Para isso, foram delimitadas 14 parcelas em uma área de vegetação conservada com Organossolos de espessuras diferentes e Gleissolo. A partir disso, foram extraídas métricas derivadas da Nuvem de Pontos LiDAR relativas à estrutura do dossel e mensurada a sua importância com o algoritmo Random Forest. Posteriormente, foi gerado um modelo de classificação supervisionada com uso do mesmo algoritmo. Por fim, a Análise de Redundância (RDA) correlacionou as métricas LiDAR com os macronutrientes e pH do solo. Os resultados indicam que o LiDAR acoplado a RPAS é uma ferramenta promissora para identificar Organossolos, frequentemente mapeados em associação aos Gleissolos. A estrutura da floresta se distingue entre solos minerais e orgânicos, principalmente em relação à cobertura do dossel. Além disso, as métricas LiDAR estão associadas principalmente com o tempo de permanência do lençol freático e pH.
id USP_c73929cfcbd01d0ddda79fc13c361e35
oai_identifier_str oai:teses.usp.br:tde-08052025-163610
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine LearningDiscrimination of Histosols and Gleysols under forest in the Fluvial Plain of the lower Ribeira de Iguape river (SP) using LiDAR (Light Detection and Ranging) and a machine learning algorithmLowland peatlandsMétricas estruturaisRandom forestRandom forestRemote sensingSensoriamento remotoStructural metricsTurfeiras de baixa altitudeAs áreas úmidas tropicais contribuem para a manutenção de diferentes serviços ecossistêmicos. As turfeiras de baixa altitude são ecossistemas de áreas úmidas compostas por Organossolos sob Florestas Paludosas. A dificuldade de caminhamento e os padrões homogêneos de dossel florestal observados em imagens de satélite e fotografias aéreas dificultam o seu mapeamento. Por esse motivo, a real extensão dos Organossolos é omitida por estarem mapeados em associação a Gleissolos. O objetivo geral deste trabalho foi explorar o potencial de métricas LiDAR para identificar padrões estruturais de Floresta Paludosa associados a Organossolos, que os diferenciem de Gleissolos na porção sul da Planície Costeira do Estado de São Paulo. Para isso, foram delimitadas 14 parcelas em uma área de vegetação conservada com Organossolos de espessuras diferentes e Gleissolo. A partir disso, foram extraídas métricas derivadas da Nuvem de Pontos LiDAR relativas à estrutura do dossel e mensurada a sua importância com o algoritmo Random Forest. Posteriormente, foi gerado um modelo de classificação supervisionada com uso do mesmo algoritmo. Por fim, a Análise de Redundância (RDA) correlacionou as métricas LiDAR com os macronutrientes e pH do solo. Os resultados indicam que o LiDAR acoplado a RPAS é uma ferramenta promissora para identificar Organossolos, frequentemente mapeados em associação aos Gleissolos. A estrutura da floresta se distingue entre solos minerais e orgânicos, principalmente em relação à cobertura do dossel. Além disso, as métricas LiDAR estão associadas principalmente com o tempo de permanência do lençol freático e pH.Tropical wetlands contribute to the maintenance of various ecosystem services. Low-altitude peatlands are wetland ecosystems composed of Histosols beneath Swamp Forests. The difficulty of traversing these areas and the homogeneous forest canopy patterns observed in satellite images and aerial photographs complicate their mapping. For this reason, the true extent of Histosols is often omitted as they are mapped in association with Gleysols. The general objective of this study was to explore the potential of LiDAR metrics to identify structural patterns of Swamp Forest associated with Histosols that differentiate them from Gleysols in the southern portion of the Coastal Plain of São Paulo State. For this purpose, 14 plots were delimited in an area of conserved vegetation with Histosols of different thicknesses and Gleysols. LiDAR Point Cloud metrics related to canopy structure were extracted and their importance was measured using the Random Forest algorithm. Subsequently, a supervised classification model was generated using the same algorithm. Finally, Redundancy Analysis (RDA) correlated LiDAR metrics with soil macronutrients and pH. The results indicate that LiDAR coupled with RPAS is a promising tool for identifying Histosols, frequently mapped in association with Gleysols. The forest structure differs between mineral and organic soils, mainly in relation to canopy cover. Additionally, LiDAR metrics are primarily associated with water table residence time and pH.Biblioteca Digitais de Teses e Dissertações da USPTorrado, Pablo VidalRodrigues, Ana Paula Dechen2025-02-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-05-09T20:39:02Zoai:teses.usp.br:tde-08052025-163610Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-05-09T20:39:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
Discrimination of Histosols and Gleysols under forest in the Fluvial Plain of the lower Ribeira de Iguape river (SP) using LiDAR (Light Detection and Ranging) and a machine learning algorithm
title Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
spellingShingle Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
Rodrigues, Ana Paula Dechen
Lowland peatlands
Métricas estruturais
Random forest
Random forest
Remote sensing
Sensoriamento remoto
Structural metrics
Turfeiras de baixa altitude
title_short Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
title_full Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
title_fullStr Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
title_full_unstemmed Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
title_sort Discriminação entre Organossolos e Gleissolos sob floresta na planície fluvial do baixo rio Ribeira de Iguape (SP) por meio de LiDAR (Light Detection and Ranging) e uso de algoritmo de Machine Learning
author Rodrigues, Ana Paula Dechen
author_facet Rodrigues, Ana Paula Dechen
author_role author
dc.contributor.none.fl_str_mv Torrado, Pablo Vidal
dc.contributor.author.fl_str_mv Rodrigues, Ana Paula Dechen
dc.subject.por.fl_str_mv Lowland peatlands
Métricas estruturais
Random forest
Random forest
Remote sensing
Sensoriamento remoto
Structural metrics
Turfeiras de baixa altitude
topic Lowland peatlands
Métricas estruturais
Random forest
Random forest
Remote sensing
Sensoriamento remoto
Structural metrics
Turfeiras de baixa altitude
description As áreas úmidas tropicais contribuem para a manutenção de diferentes serviços ecossistêmicos. As turfeiras de baixa altitude são ecossistemas de áreas úmidas compostas por Organossolos sob Florestas Paludosas. A dificuldade de caminhamento e os padrões homogêneos de dossel florestal observados em imagens de satélite e fotografias aéreas dificultam o seu mapeamento. Por esse motivo, a real extensão dos Organossolos é omitida por estarem mapeados em associação a Gleissolos. O objetivo geral deste trabalho foi explorar o potencial de métricas LiDAR para identificar padrões estruturais de Floresta Paludosa associados a Organossolos, que os diferenciem de Gleissolos na porção sul da Planície Costeira do Estado de São Paulo. Para isso, foram delimitadas 14 parcelas em uma área de vegetação conservada com Organossolos de espessuras diferentes e Gleissolo. A partir disso, foram extraídas métricas derivadas da Nuvem de Pontos LiDAR relativas à estrutura do dossel e mensurada a sua importância com o algoritmo Random Forest. Posteriormente, foi gerado um modelo de classificação supervisionada com uso do mesmo algoritmo. Por fim, a Análise de Redundância (RDA) correlacionou as métricas LiDAR com os macronutrientes e pH do solo. Os resultados indicam que o LiDAR acoplado a RPAS é uma ferramenta promissora para identificar Organossolos, frequentemente mapeados em associação aos Gleissolos. A estrutura da floresta se distingue entre solos minerais e orgânicos, principalmente em relação à cobertura do dossel. Além disso, as métricas LiDAR estão associadas principalmente com o tempo de permanência do lençol freático e pH.
publishDate 2025
dc.date.none.fl_str_mv 2025-02-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/
url https://www.teses.usp.br/teses/disponiveis/11/11140/tde-08052025-163610/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1844786330391805952