Avaliao do uso da tecnologia LiDAR para predio da homogeneidade de um povoamento de Eucalyptus sp, baseado na extrao de arvores individuais Carlos

Alberto Silva 1 Carine Kaluberg1 Andrew Hudak 2 Robert Liebermann 2 Samuel de Pdua Chaves e Carvalho3 Luiz Carlos Estraviz Rodriguez 1
Universidade de So Paulo - USP/ESALQ Caixa Postal 96 - 13416-000 - Piracicaba - SP, Brasil carlos_engflorestal@yahoo.com.br carine_klauberg@hotmail.com lcer@usp.br 2 Rocky Mountain Research Station RMRS US Forest Service Post office box- 83843 - Moscow - Idaho, USA ahudak@fs.fed.us rjl@mail.ru 3 Especialista em Inventrio Florestal Fibria Celulose S/A Caixa posta 28. Capo Bonito/SP samuel.carvalho@fibria.com.br Abstract. In this work we evaluated the performance of LiDAR data for the prediction of forest homogeneity in Eucalyptus sp plantation, as applied to individual tree processing. We established 17 field plots to document; tree density and height were measured in all plots. For individual tree processing for LiDAR, we used the CanopyMaxima tool that is part of the FUSION software. Forest homogeneity was evaluated by tree height classification: dominant, codominant and dominant. The results show that LiDAR has a good accuracy of tree density detection (97,9%); however, for prediction forest homogeneity, further development of this methodology is needed to improve the accuracy. Palavras-chave: Forest homogeneity, Remote Sensing, Eucalyptus sp.
1

1. Introduo O sensoriamento remoto via LiDAR tem se mostrado nos ltimos anos uma eficiente ferramenta aplicada ao inventrio florestal (Hudak et al., 2012, Maltamo et al., 2004, Nasset, E. 2004b). Uma das principais abordagens utilizando essa tecnologia, o inventrio florestal baseado em nvel de indivduos. Alguns trabalhos publicados por Hyypp et al., (2001), Persson et al., (2002), Brandtberg et al., (2003), Popescu et al., (2003) and Popescu e Wynne, (2004) reportam o potencial dessa tecnologia para deteco e extrao de parmetros florestais baseado em nveis de rvores individuais. Neste trabalho, obvetivou-se avaliar o uso da tecnologia LiDAR para predio da homogeneidade de um povoamento de Eucalyptus sp, baseado na extrao de rvores individuais. A hiptese foi de que o LiDAR baseado na extrao de rvores individuais, apresenta alta acurcia para predio da homogeneidade florestal, quando comparado ao inventrio convencional. 2. Metodologia de Trabalho 2.1 rea de estudo O presente estudo foi realizado no municpio So Luiz do Paraitinga, no estado de So Paulo. O clima da regio, segundo Koppen do tipo Cwa, clima temperado hmido com inverno seco e vero quente (Cepagri, 2012). As temperaturas mdias do ar oscilam entre 16.4C no ms mais frio (julho) e 23.2C em fevereiro, com umidade relativa mdia do ar em torno de 76%. A paisagem composta por um relevo que de estende do suave ondulado ao forte ondulado ou montanhoso, podendo atingir declividade entre 3 a 45 %. Segundo Macedo (2009), os solos desta regio so predominantemente do tipo Latossolo Vermelho-Amarelo.

A rea de estudo apresenta aproximadamente 84 ha, e est ocupada por um povoamento de Eucalyptus sp com 6 anos de idade, de propriedade da empresa Fibria Celulose S/A. O plantio foi realizado em um espaamento de 3x2 m, buscando atingir uma ocupao de rea por planta de aproximadamente 6 m e 1667 plantas por hectare.

Figure 1. Localizao da rea de estudo. Municpio de So Luiz do Paraitinga, SP 2.2 Coleta e processamento de dados de campo Para o inventrio de homogeneidade florestal, foram dispostas aleatoriamente 17 parcelas circulares de 400 m (raio de 11.283792 m) sendo que para cada parcela foram feitas medies coletando a densidade de indivduos por parcela e a altura total (H) de todas as rvores presentes nas parcelas utilizando clinmetro digital. Foram tambm coletadas as coordenadas geogrficas X e Y do centro das parcelas, com receptores geodsicos, modelo Trimble ProXRT garantindo preciso em escala centimtrica em torno de 10 cm no psprocessamento. O sistema de projeo utilizado foi o UTM SIRGAS 2000. 2.3 Coleta e processamento de dados LiDAR Os dados foram adquiridos atravs de um sistema a Laser Aerotransportado Riegl LMS Q680I, embarcado em uma aeronave do modelo Piper Seneca II. Os dados referentes ao vo esto apresentados na tabela abaixo. Tabela 1. Atributos inerentes aos dados de vo, equipamento a laser e resoluo espacial a serem utilizadas na coleta dos dados LiDAR. Atributos Valores Densidade de pulso laser 10 m Resoluo espacial 0.2m Bandas RGB Resoluo espectral 12bits Velocidade 148km.h-1 Altura de vo 792m ngulo de varredura 60 Preciso 0.5m (1.0 sigma) Largura da faixa de cobertura 915m Frequncia de varredura 200Hz Cmera Z/l DMC IMU/GPS Applainix 510

Para o processamento dos dados LiDAR foi utilizado o software FUSION verso 3.01, desenvolvido pelo Servio Florestal Norte Americano. O FUSION um software gratuito e disponvel para download na pagina do USDA Forest Service. As estapas do processamento podem ser vista na Figura 3, logo abaixo:

Figure 2. Etapas do processamento da nuvem de pontos LiDAR. O DTM, DSM e CHM foram criados com resoluo de 1 x 1m . Como observado na figura 2, para a deteco e extrao das rvores individuais foi utilizado ferramenta CanopyMaxima pertencente ao softwere FUSION. Um dos algoritmos mais utilizados para localizao das rvores individuais no CHM o filtro de mximos locais (LM). Esse algoritmo tem sido reportado por Popescu et al., (2002) e Popescu e Wynn (2004), e implementado no softwre TreeVAW (Kini and Popescu, 2004). Recentemente, McGaughey (2012) tambm programou esse algoritmo no software FUSION, atravs da ferramenta CanopyMaxima. Para este estudo, aplicou-se CanopyMaxima, com um filtro de janela fixa de 1m x 1m. 2.3 Avalio da homogeneidade florestal Para avaliao da homogeneidade florestal, foram levadas em considerao apenas as alturas dos indivduos. Para isso, arbitrariamente baseado nos dados de inventrio coletado em campo, foi elaborada uma classificao baseada em altura, na qual categoriza os indivduos em: dominantes, codominantes e dominados, como seguem na Tabela 1. Tabela 2. Metodologia para a classificao dos indivduos perante a posio sociologica. Classes Posio em altura Intervalo em altura I Dominante II Codominante s*2 III Dominadas s*2 Obs.: corresponde a mdia e s ao desvio padro Aps a obteno dos valores em altura para cada classe estabelecida na tabela acima, esta foi aplicada aos resultados observados em campo e preditos via LiDAR, para obteno da porcentagem de indivduos referente sua posio em altura. Para comparao dos resultados obtidos em nvel de parcela e de indivduos, esses foram sumarizados em grficos e tabelas utilizando estatstica descritiva. 3. Resultados e Discusso 3.1 Densidade e altura dos indivduos A densidade de indivduos observada pelo inventrio convencional aplicado as 17 parcelas em campo, foi de aproximadamente 1093 indivduos, com uma media de 66

indivduos por parcela. Convertendo esse resultado para hectare, observamos um total de 1650 ind. ha -1. Os resultados de densidade de indivduos obtidos em todas as parcelas inventarias pelo LiDAR foram de 1077, com uma media de 63 indivduos por parcela, e um total de 1575 ind. ha -1. Calculando a diferena em porcentagem dos valores em densidade de indivduos observados e preditos, foi encontrada uma diferena de apenas 1.43% negativa (98,57 de preciso). Em sua maioria, houve pequena tendncia para subestimao do numero de indivduos por parcela obtidos via LiDAR (Figura 2A). Com relao aos resultados para altura dos indivduos em nvel de parcela, tanto a curvas de altura mxima quanto a de altura mdia preditas pelo LiDAR(Figura 2B e C ), apesar de apresentarem uma leve superestimao, demostraram semelhantes comportamentos quanto comparadas aos valores observados em campo. No entanto, quando avaliando as curvas de altura mnima (Figura 2D), observamos que os resultados obtidos via LiDAR no apresentaram comportamento semelhante quando comparados aos dados observados em campo, atingindo o mximo da diferenas em altura de aproximadamente 17 m para P7 e P1.

A)

B)

C)

D)

Figure 2. Desempenho do LiDAR para deteco da densidade de indivduos arbreos (A), altura mxima (B), mdia (C) e mnima (D), nas parcelas inventariadas baseado na extrao de rvores individuais. 3.3 Classificao quanto a posio em altura Para toda a rea amostral, a altura mdia observada em campo foi de aproximadamente 28 m, altura mxima de aproximadamente de 31 m, altura mnima aproximadamente de 2 metros e o desvio padro de aproximamente 4 m. Aplicando os valores de altura mdia e desvio padro, foram estabelecidas as alturas para cada classe (I, II e III) referente a sua posio em altura. (Tabela 3). Tabela 3. Posio sociologica referente ao inventario de altura Classes Posio em altura Altura (m) I Dominante I 28 II Codominante 28 II20 III Dominadas III 20

3.4 Avaliao da homogeneidade florestal qunato a posio em altura dos indivduos Os resultados preditos via LiDAR e observados em campo com relao posio em altura, apresentam comportamentos diferenciados. Em campo, 7% dos indivduos foram classificados como pertencentes classe I (dominantes), 80% pertencentes classe II (codominantes) e 13% pertencentes classe III (dominados). Para os indivduos preditos via LiDAR, 54% desses foram classificados como pertencentes classe I (dominantes), 43% pertencentes classe II (codominantes) e 3% pertencentes classe III (dominados). Uma anlise exploratria mais detalhada em nvel de parcela pode ser visualizada na Tabela 4. Tabela 4. Resultado da posio em altura referente - Obervado & predito via LiDAR Posio em altura - LiDAR Posio em altura observada Parcelas I II III I II III NTP NTP N % N % N % N % N % N % P1 37 63 22 37 0 0 59 0 0 60 85 11 15 71 P2 62 89 7 10 1 1 70 15 23 48 74 2 3 65 P3 52 75 17 25 0 0 69 2 3 60 100 0 0 60 P4 5 8 53 88 2 3 60 2 3 57 89 5 8 64 P5 50 85 9 15 0 0 59 6 10 52 88 5 8 59 P6 52 87 6 10 2 3 60 3 5 52 81 6 9 64 P7 48 84 8 14 1 2 57 0 0 57 92 2 3 62 P8 15 21 55 77 1 1 71 0 0 58 89 7 11 65 P25 6 9 61 87 3 4 70 0 0 60 87 9 13 69 P26 0 0 62 94 4 6 66 0 0 45 65 24 35 69 P27 22 35 30 48 10 16 62 20 32 28 44 15 24 63 P28 41 68 9 15 10 17 60 11 18 34 56 16 26 61 P29 3 5 57 95 0 0 60 2 3 54 82 12 18 66 P30 61 94 4 6 0 0 65 5 8 54 84 8 13 64 P31 43 75 14 25 0 0 57 8 12 53 80 8 12 66 P32 49 80 12 20 0 0 61 0 0 51 78 6 9 65 P33 32 45 38 54 1 1 71 0 0 57 95 3 5 60 NTPS 578 464 35 1077 74 880 139 1093
NTP: Numero total de indivduos por parcela; NTPS: nmero total de indivduos por posio em altura.

De forma generalizada, observamos que os resultados preditos via LiDAR supestimaram os indivduos pertencente classe dominante, e subestimaram os indivduos pertencentes classe dominada, quando comparados aos resultados observados em campo. Teoricamente, existe diversos fatores que podem vir a influenciar os resultados para deteco e extrao de parametros em nvel de rvores individuais utilizando a tecnologia LiDAR. Alguns deles podem ser inerentes aos dados de vo, como a densidade de pulso laser utilizada; ao tipo de processamento da nuvem de pontos LiDAR, como o tipo de algoritmo aplicado para deteco e extrao dos indivduos; e aos parmetros inerentes ao alvo em estudo, como por exemplo, a intensidade de copa presente na floresta. Neste estudo em questo, uma possvel explicao para a baixa acurcia do LiDAR quanto deteco da homogeneidade florestal, pode ser em funo da alta densidade de copa. Uma vez que o alvo em estudo, como neste caso a floresta equinea com alta densidade de copa, os pontos laser apresentam dificuldade para atingir de forma eficiente os extratos intermedirios e inferiores da floresta, uma vez que so em sua maioria interceptados pela

copas das rvores no dossel da floresta. Alm do mais, quando criado o modelo digital de altura (CHM), devido alta densidade, os picos referentes s copas no ficam to evidenciados, quando comparados a uma floresta com baixa densidade de copa (Figura 3), o que pode vir a influenciar no desempenho do algoritmo LM, uma vez que este utiliza os picos para identificao e extrao dos indivduos na floresta.

Figura 3. Representao real do Modelo digital de altura (CHM). A) CHM da floresta de Eucalyptus sp (P5 desse estudo), caracaterizado por alta densidade de copa. B) CHM de uma floresta de confera, sudoeste dos Estados Unidos da Amrica, caracterizado como uma floresta de baixa densidade de copa. Como observado na figura acima, no CHM para a floresta de eucalipto de alta densidade de copa, no h uma clara distino dos indivduos na parcela, tornando esta um macio homogneo. J ao contrrio ocorre em uma floresta com baixa densidade de copa, onde os indivduos podem ser facilmente visualizados pelo forte contraste monocromtico entre as corres branca e preta. Para deteco e extrao de rvores pelo filtro LM, certamente esse ter uma melhor desempenho em florestas de baixa densidade de copa, como foi o caso exemplificado na figura 3B.
A) B)

C)

Figura 4. Visualizado em 3D processamento LiDAR. A) Nuvem de pontos LiDAR, B) Deteco de arvores individuais na nuvem de pontos, C) rvores individuais modeladas. Na figura 5 esto ilustrados os resultados para classificao dos indivduos quanto s classes de altura estabelecidas na metodologia desse trabalho.

Parcela 1

Parcela 2

Parcela 3

Parcela 4

Parcela 5

Parcela 6

Parcela 7

Parcela 8

Parcela 25

Parcela 26

Parcela 27

Parcela 28

Parcela 29

Parcela 30

Parcela 31

Parcela 32

Parcela 33 Dominante Codominante Dominada Figura 5. Visualizao em 3D dos indivduos classificados em altura pelo processamento LiDAR. Colorao vermelha: rvores dominante, Verde: rvores codominantes e azul: Dominadas

4. Concluses Os resultados apresentados at o momento demonstram o grande potencial do LiDAR para a anlise de homogeneidade de rvores individuais em povoamentos clonais de eucaliptos. Agradecimentos Fibria Celulose S/A pela cesso dos dados aerotransportados LiDAR e dados de inventrio para a realizao desse estudo. A FAPESP pela bolsa concedida e ao Rocky Mountain Research Station RMRS/ US Forest Service em Moscow/Idaho-USA pelo apoio no processamento dos dados. Referncias Bibliogrficas
Cepagri. Disponvel em:< http://www.cpa.unicamp.br/outras-informacoes/clima_muni_562.html > Acesso em: 30 out.2012. Brandtberg, T.; Warner, T.A; Landenberger, R.E; McGraw, J.B. Detection and analysis of individual leaf-off tree crowns in small footprint, high sampling density Lidar data from eastern deciduous forest in North America, Remote Sensing of Environment, 85: 29030, 2003. Hudak, A.T.; Strand, E.K.; Vierling, L.A.; Byrne, J. C.; Eitel, J. U. H.; Martinuzzi, S.; Falkowski, M. J. Quantifying aboveground forest carbon pools and fluxes from repeat LiDAR surveys. Remote Sensing of Environment, 123, 2540, 2012 Hyypp, J.; Kelle, O.; Lehikoinen, M.; Inkinen, M.. A segmentation-based method to retrieve stem volume estimates from 3-D tree height models produced by laser scanners, IEEE. Transactions on Geoscience and Remote Sensing, 39: 969975, 2001. Macedo, R. C. Estimativa volumtrica de povoamento clonal de Eucalyptus sp. atravs de laserscanner aerotranportado. 2009. 143 f. Dissertao (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais INPE. So Jos dos Campos: 2009 Maltamo, M.; Eerikainen, K.; Packalen, P.; Hyyppa, J. Estimation of stem volume using laser scanning-based canopy height metrics. Forestry. 79: 217-229, 2006. Nasset, E. Accuracy of forest inventory using airborne laser-scanning: evaluating the first Nordic full-scale operational project. Scandinavian Journal of Forest Research. 19: 554-557, 2004b. Persson, .; Holmgren, J.; Sderman, U. Detecting and measuring individual trees using an airborne laser scanner. Photogrammetric Engineering & Remote Sensing , 68: 925932, 2002. Popescu, S. C.; Wynne, R. H.; Nelson, R. F. Estimating plot-level tree heights with lidar: local filtering with a canopy-height based variable window size. Computers and Electronics in Agriculture 37, no. 1-3: 71-95, 2002. Popescu, S. C.; Wynne, R. H.; Nelson, R. F. Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass. Canadian Journal of Remote Sensing, 29, no. 5: 564577, 2003. Popescu, S.C.; Wynne, R.H. Seeing the trees in the forest: Using lidar and multispectral data fusion with local filtering and variable window size for estimating tree height, Photogrammetric Engineering & Remote Sensing , 70: 589604, 2004.