Detecção de estradas florestais usando dados LiDAR

Página do item simplificado
dc.contributor.advisor-co1Almeida, André Quintão de
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0002-5063-1762
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/5929672339693607
dc.contributor.advisor1Fiedler, Nilton César
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-3895-661X
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8699171075880935
dc.contributor.authorBrisson, Estefany Vaz
dc.contributor.authorIDhttps://orcid.org/0009-0002-2570-7435
dc.contributor.authorLatteshttp://lattes.cnpq.br/4251068388633494
dc.contributor.referee1Lucas, Fernanda Moura Fonseca
dc.contributor.referee1IDhttps://orcid.org/0000-0002-3181-2568
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7275203342714463
dc.contributor.referee2Ramalho, Antônio Henrique Cordeiro
dc.contributor.referee2IDhttps://orcid.org/0000-0002-0037-5422
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7064955262943008
dc.contributor.referee3Sampietro, Jean Alberto
dc.contributor.referee3IDhttps://orcid.org/0000-0001-6555-7166
dc.contributor.referee3Lattes http://lattes.cnpq.br/2015018876517184
dc.date.accessioned2025-09-29T21:52:09Z
dc.date.available2025-09-29T21:52:09Z
dc.date.issued2025-07-30
dc.description.abstractKnowledge of forest road networks is essential for sustainable forest management, including silvicultural operations, harvesting, transportation, and firefighting. Mapping roads in dense forest areas using costly field methods or low-spatial-resolution sensing can be inaccurate, especially on narrow roads or under canopy cover. Light Detection and Ranging (LiDAR) technology has a high penetration capacity in difficult-to-access forest environments with dense vegetation, thus presenting itself as a promising technology to support forest road detection. Therefore, the objective of this study was to detect different types of forest roads in commercial pine plantations using data from airborne LiDAR sensors. The research was structured in two sections: in the first section, an accurate and representative Digital Terrain Model for dense forests was developed based on LiDAR sensor data; in the second section, a classification of covered and uncovered roads was conducted using the automatic image classification method Random Forest in the areas of interest. The area comprises approximately 800 ha of forest aged 7 to 16 years and approximately 4,143 km of roads located in northern Spain. Image segmentation techniques and the Random Forest automatic classifier were used to map the covered and uncovered forest roads. The input variables for the classification were based on height and intensity values generated by the LiDAR point cloud. The classification process achieved an overall accuracy of 97%, resulting in LiDAR-identified forest roads for 86% of the reference roads (field survey). The height variable stood out in the identification of Exposed Roads (ER), and the combination of height and intensity variables stood out in the identification of Covered Roads (CR). The quality metrics composed of completeness, correctness, and quality individually obtained values for ER (74%, 76%, and 60%) and for CR (86%, 66%, and 60%). Although the highest integrity (completeness) was observed for covered roads, the lowest errors were observed in identifying exposed roads. However, due to the road's length being 1,903 km longer than that of the covered road, the error distribution was disproportionate. The proposed method can provide accurate road mapping to support forest management, although improvements are needed in identifying roads below the canopy, which can be improved by adding more detailed site features
dc.description.resumoO conhecimento das redes de estradas florestais é essencial para o manejo florestal sustentável, incluindo operações silviculturais, colheita, transporte e combate a incêndios. Mapear estradas em áreas florestais densas utilizando métodos de campo onerosos ou através de sensoriamento de baixa resolução espacial pode apresentar imprecisão, principalmente em estradas estreitas ou sob dossel. A tecnologia Light Detection and Ranging (LiDAR) apresenta uma alta capacidade de penetração em ambientes florestais de difícil acesso e com vegetação densa. Apresentando-se, portanto, como uma promissora tecnologia de apoio à detecção de estradas florestais. Diante disso, objetivou-se com o presente estudo, detectar diferentes tipos de estradas florestais em plantios comerciais de Pinus com a utilização de dados de sensores LiDAR aerotransportados. A pesquisa foi estruturada em duas seções: na primeira seção um Modelo Digital de Terreno acurado e representativo para florestas densas foi desenvolvido com base em dados do sensor LiDAR; na segunda seção, uma classificação de estradas cobertas e não cobertas pelo método de classificação automático de imagens Random Forest foi conduzido nas áreas de interesse. A área tem aproximadamente 800 ha de floresta com 7 e 16 anos de idade e aproximadamente 4.143 km de estradas localizadas no norte da Espanha. Técnicas de segmentação de imagens e o classificador automático Random Forest foi utilizado para mapear as estradas cobertas e não cobertas por floresta. As variáveis de entrada na classificação foram baseadas nos valores de altura e intensidade gerados pela nuvem de pontos LiDAR. O processo de classificação teve uma precisão geral de 97%, obtendo estradas florestais identificadas pelo LiDAR de 86% das estradas de referência (levantamento em campo). A variável altura se destacou na identificação de Estrada Exposta (EE) e a combinação das variáveis altura e intensidade se destacou na identificação de Estrada Coberta (EC). As métricas de qualidade compostas por completude, correção e qualidade, de maneira individual, obtiveram os valores para EE (74%, 76% e 60%) e para EC (86%, 66% e 60%). Apesar da maior integridade (completude) ser em estradas cobertas, os menores erros foram na identificação de estradas expostas, mas devido à extensão de 1.903 km a mais que na estrada coberta, gerou-se uma desproporção na distribuição dos erros. O método proposto pode fornecer um mapeamento preciso de estradas para apoiar o gerenciamento florestal, mesmo sendo necessário melhorias na identificação de estradas abaixo do dossel, que podem ser aperfeiçoadas com a adição de características mais detalhadas do local
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/20411
dc.languagepor
dc.language.isopt
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Ciências Florestais
dc.publisher.departmentCentro de Ciências Agrárias e Engenharias
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Ciências Florestais
dc.rightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by-sa/4.0/
dc.subjectSensoriamento remoto
dc.subjectEstradas florestais
dc.subjectSegmentação de imagem
dc.subjectLiDAR
dc.subjectRemote sensing
dc.subjectForest roads
dc.subjectImage segmentation
dc.subject.cnpqRecursos Florestais e Engenharia Florestal
dc.titleDetecção de estradas florestais usando dados LiDAR
dc.title.alternativeForest road detection using LIDAR data
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
EstefanyVazBrisson-2025-dissertacao.pdf
Tamanho:
1.47 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado em Ciências Florestais