Discriminação de espécies arbóreas nativas da Floresta Estacional Semidecidual e da exótica Eucalyptus urograndis W. Hill ex Maiden utilizando dados hiperespectrais

Abstract

RESUMO: A pressão produtiva para explorar e expandir o uso da terra, a exploração de recursos naturais e o crescimento urbano desordenado já subtraíram e fizeram desaparecer importantes ecossistemas naturais. Dentre as ações que visam à conservação in situe a recuperação dos remanescentes florestais estão as Áreas de preservação permanente (APP) e Reserva legal (RL), que possuem a função de restaurar a conectividade da paisagem, auxiliando na estabilidade dos ecossistemas e processos naturais. Por isso, o desenvolvimento de técnicas que auxiliem o monitoramento da vegetação nativa e exótica, comumente utilizadas em projetos de restauração dessas áreas, torna-se necessário. O sensoriamento remoto hiperespectral tem se demonstrado como ferramenta importante no mapeamento da flora em ambientes tropicais, reduzindo custos com trabalhos de campo, otimizando a avaliação de mudanças na biodiversidade de dosséis e, consequentemente, auxiliando a aplicação da legislação. Contudo, a alta diversidade florística e espectral de florestas tropicais torna a discriminação de espécies uma tarefa complexa e desafiadora. Assim, os objetivos deste trabalho foram caracterizar e discriminar nove espécies nativas da Floresta Estacional Semidecidual (FES), Bioma Mata Atlântica, e a espécie exótica Eucalyptus urograndis W. Hill ex Maiden, através de dados hiperespectrais de reflectância de folhas (400 a 2.450nm), obtidos em laboratório com o espectroradiômetro ASD FieldSpec®3 Jr; avaliar a possibilidade de utilização de imagens hiperespectrais, com alta resolução espacial, geradas pelo sensor aerotransportado AisaFENIX (SPECIM), para o mapeamento de áreas de vegetação, através da discriminação dos dosséis da FES e de área de cultivo de eucalipto, utilizando dados de reflectância de pixels do visível ao infravermelho médio (500 a 1.750nm); avaliar o conjunto de análises estatísticas PCA-QDA (análise de componentes principais e análise discriminante quadrática) na classificação dos dados.Em escala de folha, cada espécie nativa foi individualmente discriminada do eucalipto, gerando acurácias médias, na fase de validação, entre 94,77 e 100%. Após, todas as amostras de reflectância de folhas de espécies nativas foram reunidas em um só grupo e então discriminadas do grupo da exótica As acurácias médias da predição e validação foram 90,68 e 94,18%, respectivamente, sendo que as espécies que mais contribuíram para os erros de classificaçãoentre os dois grupos foram Aspidosperma polyneuron,Casearia gossypiosperma,Cedrela fissilis e Croton floribundus. Como esperado, a acurácia da classificação dos dosséis em escala de pixel foi menor, por englobar outros fatores além de folhas, variando entre 84,60% na fase de predição e 81,77% na fase de validação externa. Assim, conclui-se que o conjunto de análises estatísticas PCA-QDA foi eficiente na discriminação das espécies e que dados hiperespectrais de reflectância de folhas e pixels de alta resolução espacial são informações que apresentam grande potencial para a discriminação de espécies arbóreas, tanto nativas da FES, como exóticas. Ainda além, é possível afirmar que imagens hiperespectrais geradas pelo sensor AisaFENIX são ferramentas promissoras para o mapeamento da distribuição espacial de espécies florestais em ambientes tropicais, podendo auxiliar os estudos florísticos que embasam projetos de conservação da biodiversidade

ABSTRACT: Productive pressure to exploit and expand the land use, natural resources exploitation and disorderly urban growth have already subtracted and eroded important natural ecosystems. Among the actions that aim the conservation in situand the recovery of forest remnants are the Permanent preservation areas (APP) and Legal reserve (RL), which have the functions of restoring the landscape connectivity, aiding the ecosystems and natural processes stability. Therefore, the development of techniques that assist the monitoring of native and exotic species, commonly used in restoration projects of these areas, becomes necessary. Hyperspectral remote sensing has proved to be a very important tool in mapping the flora in tropical environments, reducing fieldwork costs, monitoring changes in canopy biodiversity and, consequently, helping the law enforcement. However, the high floristic and spectral diversity of tropical environments makes species discrimination with remote sensing data a complex and challenging task.Thus, the objectives of this research were to characterize and discriminate nine native species of the Tropical Seasonal Semi-deciduous Forest (FES), Brazilian Atlantic Forest Biome, and the exotic species Eucalyptusurograndis W. Hill ex Maiden, through leaf reflectance hyperspectral data (400 to 2,450nm), obtained in laboratory with the spectroradiometer ASD FieldSpec®3 Jr; evaluate the possibility of using hyperspectral images with high spatial resolution generated by the airborne sensor AisaFENIX (SPECIM), for the mapping of vegetation areas, by discriminating FES and eucalyptus cultivation area canopies using reflectance data of pixels from visible to medium infrared (500 to 1,750nm); evaluate the set of statistical analyzes PCA-QDA (principal component analysis and quadratic discriminant analysis) in the data classification. At leaf scale, each native species was individually discriminated from eucalyptus, yielding average classification accuracy, in the validation phase, between 94.77 e 100%. Afterwards, all leaf reflectance samples of native species were reunited into a single group and then discriminated from the exotic group. The prediction and validation average accuracy were 90.68 and 94.18%, respectively, and the species that most contributed to the misclassifications were Aspidosperma polyneuron, Casearia gossypiosperma, Cedrela fissilis and Croton floribundus. As expected, the accuracy of the canopy classification on pixel scale was lower, since it included other factors besides leaves, ranging from 84.60% in the prediction phase to 81.77% in the external validation phase. Therefore, it was concluded that the set of statistical analysis PCA-QDA was efficient in discriminating tree species and that reflectance hyperspectral data of leaves and pixels with high spatial resolution are information that presents great potential for forest species discrimination, both native to FES, as exotic. Furthermore, it is possible to affirm that hyperspectral images generated by the sensor AisaFENIX are promising tools for mapping the spatial distribution of plant species in tropical environments, and may help the floristic studies that support biodiversity conservation projects