Cálculo do Índice de Shannon por Meio de Dados Remotamente Situados

Apresentação

O conhecimento da biodiversidade é uma tarefa complexa e essencial para a conservação dos ecossistemas. Com o avanço das tecnologias de Sensoriamento Remoto, especialmente o uso de imagens orbitais de ultra alta resolução espacial, tem-se obtido um detalhamento sem precedentes das características da superfície terrestre. Esses avanços possibilitam a identificação de espécies, avaliação de habitats e monitoramento das mudanças no meio ambiente com uma precisão cada vez maior. Além das imagens de alta resolução espacial, a informação tridimensional (3D) das paisagens e a segmentação tridimensional se mostram ferramentas poderosas na análise da biodiversidade. A integração dessas tecnologias proporciona uma visão mais abrangente e detalhada dos ecossistemas, permitindo uma gestão ambiental mais eficaz e estratégias de conservação mais informadas. 

As imagens orbitais de ultra alta resolução espacial são capturadas por satélites equipados com sensores capazes de captar detalhes finos da superfície terrestre. Essas imagens oferecem uma resolução espacial que pode chegar a centímetros, possibilitando a identificação precisa de diferentes elementos naturais e artificiais presentes no terreno. Combinadas com informações tridimensionais, obtidas a partir de técnicas como a fotogrametria e o LIDAR (Light Detection and Ranging), é possível construir modelos digitais do terreno que revelam a topografia e a estrutura vertical da vegetação e outras formas de relevo.

Nesse contexto, a segmentação tridimensional é o processo de dividir uma imagem 3D em segmentos significativos, que podem representar diferentes tipos de vegetação, corpos d'água, construções, entre outros elementos. Essa técnica permite uma análise mais detalhada e contextualizada dos componentes dos ecossistemas, facilitando a identificação de espécies e a avaliação da saúde dos habitats. A combinação de imagens de alta resolução, dados tridimensionais e segmentação 3D tem o potencial de revolucionar a maneira como estudamos e preservamos a biodiversidade, oferecendo insights que antes eram inacessíveis com métodos tradicionais.

Problema

Determinar a biodiversidade com precisão e eficiência em grandes áreas geográficas é um desafio significativo na conservação ambiental. 

Estado da Arte 

O uso de imagens orbitais de ultra alta resolução espacial na determinação da biodiversidade tem se tornado cada vez mais relevante nos últimos anos. Sensores como os presentes nos satélites WorldView-3 e WorldView-4, que oferecem resoluções espaciais de até 31 centímetros, permitem uma visualização detalhada da superfície terrestre. A combinação dessas imagens com dados de Lidar, que fornecem informações sobre a estrutura vertical da vegetação, possibilita a criação de modelos tridimensionais precisos do terreno e da vegetação. 

Uma das aplicações mais promissoras dessa tecnologia é na identificação de espécies vegetais. Através da análise espectral em imagens de alta resolução espacial, é possível distinguir diferentes espécies com base em suas assinaturas espectrais únicas. Estudos têm demonstrado que a integração de dados espectrais e tridimensionais melhora significativamente a acurácia na identificação de espécies, permitindo uma avaliação mais precisa da biodiversidade vegetal.

Além da identificação de espécies, a informação tridimensional e a segmentação tridimensional têm sido utilizadas para mapear habitats e avaliar a saúde dos ecossistemas. A segmentação tridimensional, em particular, permite uma análise detalhada da estrutura dos habitats, identificando diferentes tipos de cobertura vegetal, corpos d'água e outros elementos do ecossistema. Essa abordagem tem se mostrado eficaz na identificação de áreas críticas para a conservação e no monitoramento de mudanças ao longo do tempo.

A aplicação conjunta dessas tecnologias também tem sido ampliada para o estudo de ecossistemas marinhos. Satélites equipados com sensores de alta resolução espacial estão sendo utilizados para mapear recifes de corais, avaliar a saúde dos corais e monitorar as mudanças nesses ecossistemas sensíveis. A combinação de imagens ópticas de alta resolução com dados de sonar e Lidar subaquático permite uma visualização detalhada das estruturas dos recifes e da distribuição das espécies marinhas.

Apesar dos avanços significativos, ainda existem desafios a serem superados. A interpretação dos dados de alta resolução espacial requer técnicas avançadas de processamento de imagem e análise de dados. Algoritmos de aprendizado de máquina, como redes neurais convolucionais (CNNs) e aprendizado profundo, têm sido empregados para melhorar a precisão da segmentação e classificação das imagens. No entanto, a necessidade de grandes volumes de dados de treinamento e o custo elevado das tecnologias de sensoriamento remoto ainda são obstáculos para a ampla aplicação dessas técnicas.  

Em estudo realizado no Parque Municipal de Lages empregando-se imagens capturadas por sensores embarcados em veículos aéreos não tripulados e nuvens de pontos tridimensionais realizou-se a determinação indireta do índice de Shanon. Extraindo-se índices vegetativos e métricas da segmentação foi possível determinar o índice de Shanon com acurácia superior a 90%. 

Perspectivas para Trabalhos Futuros 

As perspectivas para futuros trabalhos na determinação da biodiversidade utilizando imagens orbitais de ultra alta resolução espacial são promissoras. O desenvolvimento contínuo de tecnologias de sensoriamento remoto, combinado com avanços em inteligência artificial e aprendizado de máquina, promete melhorar ainda mais a precisão e eficiência dessas técnicas. A integração de diferentes fontes de dados, como imagens hiperespectrais, dados de Lidar e informações climáticas, pode fornecer uma visão ainda mais abrangente e detalhada dos ecossistemas. 

Outra área de grande potencial é a aplicação dessas tecnologias em tempo real para o monitoramento ambiental. Com o desenvolvimento de satélites menores e mais acessíveis, como os CubeSats, será possível obter dados de alta resolução espacial de forma mais frequente e a um custo reduzido. Isso permitirá um monitoramento mais dinâmico e responsivo das mudanças ambientais, facilitando a detecção precoce de ameaças à biodiversidade e a implementação rápida de medidas de conservação.

Por fim, a colaboração interdisciplinar será fundamental para o avanço nessa área. A combinação de conhecimentos em Biologia, Ecologia, Sensoriamento Remoto, ciência de dados e engenharia pode gerar soluções inovadoras e eficazes para a conservação da biodiversidade. A educação e capacitação de novos profissionais em técnicas de Sensoriamento Remoto e análise de dados serão essenciais para enfrentar os desafios futuros e garantir a preservação dos ecossistemas para as gerações futuras.

Estudo de caso 

Para avaliar a biodiversidade de uma área de Floresta Ombrófila Mista localizada no Parque Municipal de Lages, optou-se pela determinação do índice de Shannon para o dossel superior. No local estavam implantadas 13 parcelas de inventário florestal (20 x 20 m). 

Foram adquiridas imagens aéreas obtidas por aeronave remotamente pilotada (RAP) equipada com sensor RGB. As imagens foram tomadas a uma altura de 120 metros e com recobrimento longitudinal e lateral de 80% e 60% respectivamente. A figura abaixo ilustra a distribuição das parcelas de inventário no local de estudo. 

Foram obtidas a ortoimagem digital com resolução espacial de 4 cm e o modelo digital de superfície (DSM) com resolução espacial de 10 cm. Para a ortoimagem foi gerada a matriz de co ocorrências e ao final foi criado um dataset contendo todos os dados mencionados.

Procedeu-se então uma segmentação multiescala e calcularam-se os parâmetros dos segmentos. Os parâmetros extraídos foram processados com o algoritmo Cluster Simple EM (expectation maximizations). A escolha deste algoritmo se deu por não ter a necessidade de definir o número de classes (de espécies), uma vez que é exatamente este a informação pretendida. A partir do número de espécies (do Dossel Superior) foi possível calcular o índice de Shannon.

Os Índices de Shannon apresentaram valores bastante próximos aos obtidos com os do inventário tradicional, com valores coerentes. As diferenças na quantidade de espécies de acordo com a metodologia podem ser creditadas ao fato de que na metodologia automática tenha se considerado as características das imagens que utilizaram somente as bandas do espectro visível. 

* Marcos Benedito Schimalski é pesquisador e professor associado no Departamento de Engenharia Florestal da Universidade do Estado de Santa Catarina