Discriminação de espécies arbóreas nativas da Floresta Estacional Semidecidual utilizando dados hiperespectrais

Abstract

RESUMO: A vegetação natural é considerada um dos mais importantesindicadores das condições ambientais de uma região. Suas relações com o meio físico e outros componentes biológicos contribuem para o equilíbrio ecossistêmico e sua mensuração, em termos quantitativos e qualitativos, é indispensável para quaisquer projetos de planejamento do uso do solo e conservação da natureza. O sensoriamento remoto vem sendo largamente aplicado no monitoramento da cobertura vegetal, principalmente, em relação à distribuição espacial e comportamento fisiológico. A vegetação é um importante elemento dos ecossistemas, assim, seus estudos ganham ênfase, sobretudo, por buscarem conhecimentos acerca de suas variações,padrões de distribuição, ciclos temporais, modificações fisiológicas e morfológicas. Para compreender os aspectos da reflectância da vegetação e os desafios envolvidos em sua classificação, há a necessidade de entender o processo de interação entre a Radiação Eletromagnética (REM) e os diversos tipos de coberturas vegetais. Neste sentido, este trabalho teve como objetivo discriminar de sete a nove espécies arbóreas nativas da Floresta Estacional Semidecidual (FES), localizada na Estação Ecológica do Caiuá (EEC), município de Diamante do Norte - PR, Brasil, por meio de dados hiperespectrais de reflectância de folhas,obtidos comespectrorradiômetro portátil ASD FieldSpec®3 Jr (450 a 2.450 nm), acopladoao acessório Plant Probe e também por meio de imagens geradas pelo sensor hiperespectral aerotransportado AisaFENIX-SPECIM (453nm a 2.396nm) (escala de pixel). Para tanto, foram coletadas 794 amostras foliares de sete espécies e 2.511 curvas de reflectância de pixels de nove espécies (às sete espécies anteriores foram acrescidas duas), que tiveram suas localizações georreferenciadas por meio de GPS (precisão ? 0,5m). Para a discriminação das espécies,dois métodos estatísticosforam empregados: análise de componentes principais (PCA) seguida de análise discriminantequadrática (QDA) e análise discriminante linear (LDA) após seleção de variáveis utilizando o procedimento STEPDISC (SAS). A discriminação das espécies em escala de folha apresentou precisão global de 85,35% e 100%, utilizando o primeiro e o segundométodo, respectivamente.Para a classificação em escala de pixel, a porcentagem de discriminação global foi de 34,25 e 62,35, para o primeiro e segundo método, respectivamente.Apesar da menor acurácia na discriminação em escala de pixel, considera-se o resultado satisfatório, visto que o processo mais simples da interação da REM com a folha sofre distorções por potenciais encontros com uma infinidade de folhas, adicional vegetativo e componentes não vegetativos do ambiente (solo, matéria orgânica, umidade atmosférica, etc.). Portanto, conclui-se que é possível utilizar dados hiperespectrais na discriminação de espécies arbóreas nativas da FES em escala de folha e pixel, sendo o método STEPDISC-LDA mais preciso, quando comparado ao PCA-QDA

ABSTRACT: The natural vegetation is considered one of the most important indicators of the environmental conditions of a region. Its relationships with the physical environment and other biological components contributes to the ecosystem balance and its measurement, in qualitative and quantitative terms, is essential for planning projects about the land use and nature conservation. The remote sensing has been widely applied in the monitoring of vegetation cover, mainly in relation to spatial distribution and physiological behavior. Being the vegetation an important element of the ecosystems, their studies gain emphasis above all to seek knowledge about their variations, distribution patterns, temporal cycles, physiological and morphological changes. To comprehend the aspects of vegetation reflectance and the challenges involved in their classification, there is a need to understand the process of interaction between electromagnetic radiation (EMR) and the various types of vegetation cover. In this respect, the objective of this work was to discriminate seven to nine native tree species of the Seasonal Semideciduous Forest (SSF) located at the Caiuá Ecological Station, Diamante do Norte - PR, Brazil, through hyperspectral reflectance data of leaves, obtained with a portable spectroradiometer FieldSpec®3 Jr ASD (450 to 2450 nm) coupled to the Plant Probe accessory and also through images generated by the airborne hyperspectral sensor AisaFENIX-SPECIM (453 nm to 2,396 nm) (pixel scale). For this, 794 leaf samples of seven species were collected and, 2,511 pixels reflectance data from nine species (the seven previous ones added two) that had their locations georeferenced by means of GPS (precision ? 0.5m). Two statistical methods were used to discriminate the species: pincipal component analysis (PCA) followed by quadratic discriminate analysis (QDA) and linear discriminant analysis (LDA) after variable selection using the STEPDISC (SAS) procedure. The discrimination of leaf scale showed global accuracy of 85.35% and 100%, using the first and second method, respectively. For pixel-scale classification, the overall discrimination percentage was 34.23 and 62.35 for PCA-QDA and STEPDISC-LDA, respectively. In spite of the less accuracy in the discrimination in pixel scale, the result is considered satisfactory, since the simpler process of the interaction between EMR and leaf is distorted by potential encounters with an infinity of leaves, additional vegetative and non-vegetative components of the ambient (soil, organic matter, atmospheric humid, etc.) among others. Therefore, it is concluded that it is possible to use hyperspectral data in the discrimination of native tree species of SSF in leaf and pixel scale, and the STEPDISC-LDA method is more precise when compared to PCA-QDA