Dissertação/Tese CLASSIFICAÇÃO DE ESTÁGIOS SUCESSIONAIS EM FLORESTA ESTACIONAL SEMIDECIDUAL USANDO AERONAVE REMOTAMENTE PILOTADA - PPGCF

A classificação da vegetação é uma etapa fundamental em processos de intervenção em área de Mata Atlântica, condicionada a identificação dos estágios da vegetação inicial, médio e avançado. Assim, o objetivo deste trabalho consistiu em propor um método de classificação de estágios sucessionais da vegetação em inicial, médio e avançado dos fragmentos de floresta estacional semidecidual de três municípios (São João Evangelista, Sabinópolis e Conceição do Mato Dentro) do estado de Minas Gerais utilizando atributos de imagens aéreas obtidas com RPAs. Nas últimas décadas, as imagens obtidas por Aeronave Remotamente Pilotada (RPA), vêm apresentando grande potencial em diversas áreas do conhecimento, dentre elas o setor florestal. As RPAs surgiram como alternativa às imagens obtidas por satélite e aerofotogrametria tripulada, devido a flexibilidade quando ao transporte, manuseio, planejamento, execução de voos e ao refinamento da resolução espacial das imagens. Foram adotadas duas abordagens: a primeira consistiu em utilizar atributos espectrais e texturais de imagens aéreas multiespectrais (bandas red, green, rededge e nir), juntamente com atributos espectrais, estruturais e texturais de imagens RGB (bandas, red, green e blue). Uma segunda abordagem apenas com dados RGB foi realizada, ou seja, as bandas espectrais, atributos texturais e estruturais dos dados RGB. Em seguida, aplicou-se a análise de agrupamento pela técnica k-means (distância euclidiana e método Gap Statistic), com o intuito de agrupar atributos semelhantes e desta forma discriminar e classificar os estágios sucessionais da vegetação. Os resultados indicam que a inclusão de atributos multiespectrais juntamente com atributos RGB melhora a classificação dos fragmentos florestais. Entretanto, é importante ressaltar que apenas com a utilização de atributos extraídos de imagens RGB foi possível obter uma distinção e classificação promissora dos diferentes estágios sucessionais da floresta estacional semidecidual.

The classification of vegetation is a fundamental step in intervention processes in the Atlantic Forest region, as it relies on the identification of initial, intermediate, and advanced vegetation stages. Therefore, the objective of this study was to propose a method for classifying vegetation succession stages (initial, intermediate, and advanced) in fragments of semideciduous seasonal forests in three municipalities (São João Evangelista, Sabinópolis and Conceição do Mato Dentro) in the state of Minas Gerais, Brazil, using attributes from aerial images obtained with RPAs. In recent decades, images obtained by Remotely Piloted Aircraft (RPA) have shown great potential in various fields of knowledge, including the forestry sector. RPAs have emerged as an alternative to satellite and crewed aerial photography images due to their flexibility in transportation, handling, flight planning and execution, as well as improved spatial resolution of the images. The use of aerial images obtained with RPAs for the classification of vegetation succession stages plays a prominent role in the scientific community, as researchers often describe and characterize fragmented areas through forest inventories (floristic aspects, soil-climatic conditions, among others). Two approaches were adopted: the first consisted of using spectral, textural, and structural attributes extracted from multispectral aerial images (red, green, red-edge, and near-infrared bands), along with spectral, structural, and textural attributes from RGB images (red, green, and blue bands). A second approach using only RGB data was performed, i.e., the spectral bands, textural attributes, and structural attributes of the RGB data. Then, clustering analysis was applied using the k-means technique (Euclidean distance and Gap Statistic method) to group similar attributes and thus discriminate and classify vegetation succession stages. The results indicate that the inclusion of multispectral attributes together with RGB attributes improves the classification of forest fragments. However, it is important to note that only by using attributes extracted from RGB images was it possible to achieve a promising distinction and classification of different succession stages in the semideciduous seasonal forest.