Use este identificador para citar ou linkar para este item: http://ri.ufmt.br/handle/1/3668
Tipo documento: Dissertação
Título: Sensoriameno remoto com sensores de aeronaves remotamente pilotadas para aplicações de agricultura de precisão e gestão ambiental
Autor(es): Pessi, Dhonatan Diego
Orientador(a): Silva, Normandes Matos da
Membro da Banca: Silva, Normandes Matos da
Membro da Banca: Mioto, Camila Leonardo
Membro da Banca: José, Jefferson Vieira
Resumo : O objetivo dessa pesquisa foi analisar se a mensuração da altura de dossel de espécies invasoras (CHIS) por meio de imagens obtidas por aeronave remotamente pilotada (drone), era capaz de classificar com boa assertividade as áreas com presença de plantas invasoras diferenciando das demais áreas com vegetação remanescente do Cerrado. O texto foi dividido em dois capítulos, sendo que no capítulo primero destaca um primeiro teste do modelo CHIS+GPS/GLONASS comparando com outras duas técnicas comumente utilizadas na classificação de espécies invasoras: a classificação não supervisionada k-means e o índice de vegetação NGRDI. Foi realizada a produção dos modelos de elevação MDS e MDT a partir das imagens coletadas em campo com drone e posteriormente processadas no software PhotoScan. A produção do CHIS+ GPS/GLONASS foi a partir da subtração dos modelos MDS e MDT. A comparação entre os modelos se deu em duas áreas amostrais escolhidas de forma não aleatória. Alguns testes estatísticos não paramétricos foram utilizados, tais como: teste de acurácia, taxa de erro geral, especificidade, sensibilidade, correlação de Spearman e Cohen’s Kappa. No capítulo segundo, para aferir a precisão do modelo CHIS+ GPS/GLONASS foi gerado o modelo CHIS+RTK como variável observada. A comparação entre os modelos se deu nas mesmas duas áreas amostrais usadas no capítulo primeiro, pelas quais se fez comparação visual a partir de gráficos e testes estatísticos. Os testes estatísticos aplicados foram: coeficientes de correlação de Spearman (SCC), erro quadrático médio da raiz da altura de dossel (RMSEz), erro absoluto médio da altura de dossel (MAEz) e teste de Wilcoxon. Os resultados do capítulo primeiro demonstram que o modelo CHIS+ GPS/GLONASS obteve os melhores resultados na identificação de espécies invasoras quando comparado com os modelos k-means e NGRDI. Os testes de acurácia para o modelo CHIS+GPS/GLONASS na área amostral 1 e 2 foi de 0.973 e 0.9 respectivamente; k-means 0.209 e 0.6; NGRDI 0.795 e 0.518. Os resultados do capítulo segundo demonstram que o modelo CHIS+ GPS/GLONASS apresentou falhas na identificação de espécies invasoras quando comparado ao modelo CHIS+RTK, sendo menos preciso na classificação das alturas de dossel das espécies invasoras. O teste de correlação de Spearman para a área amostral 1 foi de 0.56 e 0.55 para a área amostral 2. O RMSEz para a área amostral 1 foi de 0.17 cm e 0.12 cm para o MAEz. Na área amostral 2 o RMSEz foi de 0.24 cm e 0.19 cm para o MAEz. O teste de Wilcoxon foi significativo para ambas as áreas amostrais. O modelo CHIS demonstrou ser uma técnica promissora na identificação de espécies invasoras comparado com outros modelos convencionais, além de que, sua precisão foi considerada boa, uma vez que a maior diferença de erros na altura foi de 0.24 cm, sendo possível de ser aplicado em pesquisas que não exijam grande precisão, como exemplo pesquisas que tenham como objeto de pesquisa vegetação de porte arbóreo, onde as pequenas diferenças de precisão não serão de grande impacto.
Resumo em lingua estrangeira: The objective of this research was to analyze whether the measurement of invasive species height (CHIS) through images captured by remotely piloted aircraft (drone) could classify with good assertiveness the areas with presence of invasive plants differenting from other areas with vegetation remnant of cerrado. The text was divided in two chapters, the first chapter highlights a first test of CHIS+GPS/GLONASS model, comparing to two other common techniques used in the classification of invasive species: the unsupervised classification k-means and vegetation index NGRDI. MDS and MDT elevation models were produced from the drone images collected in field and posteriorly then processed in PhotoScan software. The CHIS+GPS/GLONASS production was through the subtracting the MDS and MDT models. The comparison between the models occurred in two sample áreas. Some nonparametric statistical tests were used, such as: precision test, general error rate, specificity, sensitivity, Spearman correlation and Cohen's Kappa. In the second chapter, to measure the precision of CHIS+GPS/GLONASS model, the CHIS+RTK model was generated as the observed variable. The comparison between the models took place in the two sampled areas used in the first chapter, by which they were visually compared from graphs and statistical tests. The statistical tests used were: Spearman correlation coefficients (SCC), mean square root canopy height error (RMSEz), mean absolute canopy height error (MAEz) and Wilcoxon test. The results of the first chapter demonstrate that CHIS+GPS/GLONASS model has the best results in identifying invasive species when compared to the k-means and NGRDI models. Precision tests for the CHIS+GPS/GLONASS model in sample area 1 and 2 were 0.973 and 0.9, respectively; k-means 0.209 and 0.6; NGRDI 0.795 and 0.518. The results of the second chapter demonstrate that CHIS+GPS/GLONASS model presents faults in the identification of invasive species when compared to the CHIS+RTK model, being less accurate in the classification of invasive species selection heights. Spearman's correlation test for sample area 1 was 0.56 and 0.55 for sample area 2. RMSEz for sample area 1 was 0.17 cm and 0.12 cm for MAEz. A sample area 2 or RMSEz was 0.24 cm and 0.19 cm for the MAEz. The Wilcoxon test was significant for areas such as sample areas. The CHIS model proved to be a promising technique for identification of invasive species. It was exhibited with other accessory models, and its accuracy was considered good, since the largest difference in height errors was 0.24 cm and could be It is used in research that does not require great precision, as examples of research that has as object research, arboreal vegetation, where small differences in accuracy are not large.
Palavra-chave: Plantas invasoras
Gestão ambiental
Drone
Sensoriamento remoto
Palavra-chave em lingua estrangeira: Invasive plants
Environmental management
Drone
Remote sensing
CNPq: CNPQ::CIENCIAS AGRARIAS
Idioma: por
País: Brasil
Instituição: Universidade Federal de Mato Grosso
Sigla da instituição: UFMT CUR - Rondonopólis
Departamento: Instituto de Ciências Agrárias e Tecnológicas (ICAT) – Rondonópolis
Programa: Programa de Pós-Graduação em Gestão e Tecnologia Ambiental
Referência: PESSI, Dhonatan Diego. Sensoriameno remoto com sensores de aeronaves remotamente pilotadas para aplicações de agricultura de precisão e gestão ambiental. 2019. 120 f. Dissertação (Mestrado em Gestão e Tecnologia Ambiental) - Universidade Federal de Mato Grosso, Instituto de Ciências Agrárias e Tecnológicas, Rondonópolis, 2019.
Tipo de acesso: Acesso Aberto
URI: http://ri.ufmt.br/handle/1/3668
Data defesa documento: 13-Set-2019
Aparece na(s) coleção(ções):CUR - ICAT - PPGGTA - Dissertações de mestrado

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
DISS_2019_Dhonatan Diego Pessi.pdf5.9 MBAdobe PDFVer/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.