Imagens hiperespectrais para identificação precisa de espécies arbóreas e obtenção do índice de área foliar no monitoramento ecológico de manguezais.

Os manguezais estão entre as barreiras ecológicas mais importantes em ambientes costeiros, e sua saúde afeta diretamente a estabilidade da linha costeira, a biodiversidade e o armazenamento de carbono. Para entender a condição dos ecossistemas de mangue, dois indicadores são especialmente importantes: distribuição de espécies arbóreas e índice de área foliar (IAF). Nos últimos anos, monitoramento ecológico hiperespectral de manguezais tornou-se uma abordagem cada vez mais eficaz para capturar ambos os tipos de informação com alta precisão e eficiência.

Em um estudo realizado no Reserva Natural Nacional de Manguezais do Estuário de Zhangjiang, A imagem hiperespectral baseada em UAV foi usada para dar suporte. Identificação precisa de espécies arbóreas com uma câmera hiperespectral. e Obtenção do índice de área foliar utilizando imagens hiperespectrais. Os resultados mostraram que o sensoriamento remoto hiperespectral pode distinguir com precisão as espécies dominantes de mangue e fornecer estimativas confiáveis do IAF (Índice de Área Foliar) para avaliação ecológica, planejamento de restauração e monitoramento da vegetação em ambientes intertidais complexos.

---

Por que o monitoramento ecológico hiperespectral de manguezais é importante

Os manguezais frequentemente abrigam múltiplas espécies que crescem em padrões fragmentados e sobrepostos. Ao mesmo tempo, a investigação de campo em zonas úmidas costeiras é geralmente limitada pelas marés, terrenos lodosos e baixa acessibilidade. Isso torna os levantamentos tradicionais de vegetação lentos, trabalhosos e difíceis de serem ampliados.

A necessidade de uma identificação precisa das espécies de árvores

Para a gestão de manguezais, informações em nível de espécie são essenciais. Diferentes espécies possuem diferentes funções ecológicas, respostas de crescimento e valores de restauração. O mapeamento preciso da distribuição das espécies ajuda pesquisadores e gestores de reservas a compreender a estrutura do habitat e a tomar melhores decisões de conservação.

É por isso Identificação precisa de espécies arbóreas com uma câmera hiperespectral. É uma aplicação muito importante. Comparada aos métodos de imagem convencionais, a imagem hiperespectral consegue capturar diferenças espectrais sutis entre espécies visualmente semelhantes. Isso a torna particularmente valiosa em ambientes de mangue mistos, onde a classificação precisa é difícil de alcançar apenas com imagens RGB ou multiespectrais padrão.

A importância da obtenção do índice de área foliar

Obtenção do índice de área foliar com uma câmera hiperespectral é outro componente fundamental do monitoramento ecológico. O IAF (Índice de Área Foliar) reflete a densidade da cobertura vegetal, o estado de crescimento da vegetação e a capacidade fotossintética. É amplamente utilizado para avaliar a produtividade do ecossistema, a saúde da vegetação e o desempenho da restauração.

Os métodos tradicionais de medição do IAF (Índice de Área Foliar) costumam ser demorados e inadequados para o monitoramento em larga escala de áreas úmidas. Em contrapartida, recuperação do índice de área foliar hiperespectral Oferece uma maneira mais rápida e escalável de estimar parâmetros da cobertura vegetal em grandes áreas, mantendo alta precisão.

---

Vantagens das câmeras hiperespectrais para o monitoramento de manguezais

O estudo demonstra como a imagem hiperespectral pode dar suporte a ambos identificação precisa de espécies de árvores e recuperação do índice de área foliar em ecossistemas costeiros complexos.

Alta sensibilidade espectral para diferenciação de espécies

Uma câmera hiperespectral pode registrar informações detalhadas de refletância em uma faixa espectral contínua, possibilitando a detecção de pequenas diferenças na refletância de folhas e copas entre espécies. Essa capacidade é especialmente importante para identificação de espécies arbóreas com base em câmeras hiperespectrais, onde a classificação depende de variações espectrais sutis, porém estáveis.

Na reserva do estuário de Zhangjiang, espécies de mangue dominantes, como Kandelia obovata, Aegiceras corniculatum, e Marina Avicennia ocorrem em uma distribuição em mosaico complexa. Suas diferenças espectrais podem ser capturadas de forma eficaz por meio de imagens hiperespectrais, permitindo uma classificação mais precisa do que as abordagens de levantamento tradicionais.

Alta resolução espacial para análise da estrutura da copa das árvores

Além da riqueza espectral, a imagem hiperespectral obtida por drones também oferece alto nível de detalhamento espacial. A uma altitude de voo de 100 metros, as imagens alcançaram resolução espacial em nível centimétrico, permitindo a observação nítida da estrutura da copa das árvores, da textura da vegetação e dos limites da mesma.

Isso é particularmente importante para monitoramento ecológico hiperespectral de manguezais, pois a classificação de espécies e a obtenção do LAI (Índice de Área Foliar) se beneficiam de informações estruturais detalhadas ao nível da copa e do dossel.

Dados confiáveis para aplicações ecológicas

A aquisição de imagens estáveis é fundamental para qualquer fluxo de trabalho de monitoramento ecológico. Dados hiperespectrais de alta qualidade melhoram a confiabilidade da análise espectral, da extração de características, dos modelos de classificação e da inversão de parâmetros da vegetação. Neste caso, o fluxo de trabalho de imagens hiperespectrais forneceu uma base de dados sólida para ambos. reconhecimento fino de espécies por câmera hiperespectral e Obtenção do índice de área foliar utilizando imagens hiperespectrais.

---

Aquisição e pré-processamento de dados para monitoramento ecológico hiperespectral de manguezais

Um fluxo de trabalho robusto começa com um planejamento e pré-processamento adequados da aquisição de dados. Em zonas úmidas costeiras, o momento e as condições ambientais podem afetar significativamente a qualidade dos dados de sensoriamento remoto.

Planejamento de voo e projeto de levantamento com drones

O levantamento aéreo foi realizado em Dezembro de 2024 durante a maré baixa, reduzindo a influência da maré na aquisição de imagens. A área de estudo foi dividida em seis seções para melhorar a eficiência do levantamento e a consistência dos dados. Os parâmetros de voo do VANT foram definidos para garantir ampla cobertura e detalhes espaciais precisos.

O sistema de imagem hiperespectral utilizado neste estudo foi Ramoton RT-FS60. Durante a coleta de dados, a plataforma alcançou uma resolução espacial de aproximadamente [inserir valor aqui]. 4,71 cm sob uma altitude de voo de 100 m, com uma velocidade de voo de 5 m/s e um ângulo de linha de voo principal de 87°.

Correção radiométrica e geração de imagens

Os dados hiperespectrais brutos foram processados em ENVI 5.3 Para correção radiométrica, foi realizada a redução da influência de efeitos atmosféricos, condições de iluminação e variação do ângulo solar. Em seguida, foram concluídos o registro geométrico e a mosaico de faixas para gerar uma imagem hiperespectral completa da reserva de mangue.

Extração de área de mangue

Para isolar a vegetação de mangue de superfícies não desejadas, os pesquisadores aplicaram um Método de limiar NDVI usando uma variedade de 0,53 a 1,00. Esse processo mascarou corpos d'água, pântanos salinos e superfícies artificiais. O resultado foi então refinado por meio de interpretação manual, garantindo a extração precisa da área de mangue para análises subsequentes.

Esse fluxo de trabalho de pré-processamento foi essencial para melhorar o desempenho de identificação de espécies de árvores por câmera hiperespectral e recuperação do índice de área foliar hiperespectral.

---

Identificação precisa de espécies arbóreas com uma câmera hiperespectral

Após o pré-processamento, a pesquisa se concentrou em Identificação precisa de espécies arbóreas com uma câmera hiperespectral., que é um dos principais objetivos do estudo.

Segmentação Multiescala e Construção de Características

As imagens hiperespectrais processadas foram analisadas usando um método de segmentação multiescala orientado a objetos. A escala de segmentação ideal foi determinada como sendo 25, com uma escala de fusão de 80, reduzindo efetivamente o risco de sobresegmentação ou subsegmentação.

Um total de 323 recursos foram construídos a partir dos dados, incluindo:

• Características originais da banda espectral
• Índices de vegetação
• Características da textura
• Características de forma
• Características de altura derivadas de LiDAR
• Características de intensidade derivadas de LiDAR

Esse conjunto de características de alta dimensão forneceu uma base sólida para identificação precisa de espécies arbóreas com base em câmeras hiperespectrais em manguezais mistos.

Seleção de Características e Classificação por Aprendizado Profundo

Após a análise de correlação removida 273 recursos altamente redundantes, As variáveis restantes foram analisadas utilizando:

• RF-RFE
• XGBoost
• LightGBM

A intersecção dos resultados selecionados gerou um Conjunto de características ideal de 14 dimensões, incluindo variáveis sensíveis relacionadas ao espectro, à estrutura e à cobertura vegetal.

Essas características foram então inseridas no Swin-UperNet Modelo de aprendizado profundo para classificar as espécies dominantes de mangue. Esse fluxo de trabalho permitiu uma discriminação precisa entre elas. Kandelia obovata, Aegiceras corniculatum, e Marina Avicennia, demonstrando o valor prático de reconhecimento fino de espécies por câmera hiperespectral em aplicações ecológicas.

Resultados da Identificação de Espécies Arbóreas

A precisão geral da classificação atingiu 91.18%, com um Coeficiente Kappa de 0,85, indicando uma forte concordância entre as previsões do modelo e as condições de campo.

A precisão do produtor para cada espécie foi:

• Aegiceras corniculatum: 92.08%
• Marina Avicennia: 91.38%
• Kandelia obovata: 90.66%

Esses resultados confirmam que Identificação precisa de espécies arbóreas com uma câmera hiperespectral. Pode fornecer mapas de espécies precisos e acionáveis para o monitoramento de ecossistemas de mangue.

---

Recuperação do Índice de Área Foliar usando Imagens Hiperespectrais

Com base nos resultados da classificação das espécies, a próxima etapa foi Obtenção do índice de área foliar utilizando imagens hiperespectrais, que é outro foco central deste estudo.

Estratégia de recuperação do LAI específica para cada espécie

Em vez de aplicar um único modelo a toda a vegetação de mangue, os pesquisadores selecionaram características sensíveis separadamente para cada espécie. Essa estratégia específica para cada espécie melhorou a precisão do modelo. recuperação do índice de área foliar por câmera hiperespectral, porque a estrutura da copa e a resposta espectral variam entre as diferentes espécies de mangue.

Desenvolvimento e comparação de modelos

As características selecionadas foram incorporadas em três algoritmos de estimativa de LAI (Índice de Área Foliar):

• SVR
• PLSR
• BPNN

Ao combinar diferentes métodos de seleção de características com esses algoritmos, a equipe de pesquisa construiu nove modelos híbridos cruzados e compararam seu desempenho de recuperação.

Os modelos ideais foram identificados da seguinte forma:

• RF-RFE + SVR para Kandelia obovata
• RF-RFE + SVR para Marina Avicennia
• XGBoost + BPNN para Aegiceras corniculatum

Essa abordagem melhorou significativamente a situação. recuperação do índice de área foliar hiperespectral desempenho ao nível da espécie.

Resultados da Recuperação do LAI

Os valores de LAI obtidos foram altamente consistentes com as medições de campo.

Os intervalos estimados de LAI foram:

• Kandelia obovata: 0,897–3,001, média 1,416
• Aegiceras corniculatum: 0,934–1,919, média 1,355
• Marina Avicennia: 0,913–2,221, média 1,443

Dentre os modelos, o resultado para Marina Avicennia foi especialmente forte:

• R² = 0,87
• MAE = 0,02
• RMSE = 0,04

Para Kandelia obovata, o modelo alcançou:

• R² = 0,81
• MAE = 0,09
• RMSE = 0,05

Esses resultados demonstram que Obtenção do índice de área foliar com uma câmera hiperespectral Pode produzir informações confiáveis e precisas sobre a cobertura vegetal para análises ecológicas e monitoramento da restauração.

---

Valor ecológico do monitoramento ecológico hiperespectral de manguezais

A importância deste estudo vai além da precisão técnica. Ele também mostra como monitoramento ecológico hiperespectral de manguezais Pode apoiar a gestão prática dos ecossistemas e a tomada de decisões científicas.

Revelando padrões espaciais nas condições dos manguezais

O estudo revelou uma clara tendência espacial no LAI (Índice de Área Foliar) dos manguezais em toda a reserva, mostrando um padrão de diminuindo de norte a sul, depois aumentando e diminuindo novamente.. Essas informações espaciais fornecem dados valiosos sobre a condição da vegetação, a variação do habitat e a função ecológica.

Aprimorando a interpretação ecológica com recursos de múltiplas fontes.

Outra descoberta importante foi a contribuição combinada de características de altura e características de intensidade para estimativa de LAI. Isso confirma que a integração de informações espectrais com características estruturais pode melhorar o desempenho de recuperação do índice de área foliar hiperespectral e melhorar a interpretação da dinâmica do dossel dos manguezais.

Apoio à Conservação e Restauração

Ao combinar Identificação precisa de espécies arbóreas com uma câmera hiperespectral. e Obtenção do índice de área foliar utilizando imagens hiperespectrais, Pesquisadores e gestores de conservação podem obter informações mais precisas sobre:

• planejamento de conservação de manguezais
• Avaliação da eficácia da restauração
• Monitoramento da saúde da vegetação
• Gestão de recursos de zonas úmidas
• Observação de ecossistemas a longo prazo

Isso torna o sensoriamento remoto hiperespectral uma ferramenta extremamente valiosa para a proteção ecológica costeira.

---

Informações sobre o produto para monitoramento aéreo da vegetação

Para aplicações de monitoramento aéreo da vegetação, o sistema utilizado neste estudo foi Ramoton RT-FS60. Suas principais especificações incluem:

• Faixa espectral: 400–1000 nm
• Resolução espectral: 2,5 nm
• Bandas espectrais: 1200
• Pixels espaciais: 1920

Essas características técnicas tornam a imagem hiperespectral altamente adequada para:

• Identificação precisa de espécies de árvores
• recuperação do índice de área foliar
• monitoramento ecológico de manguezais
• Análise da vegetação de zonas úmidas
• Levantamentos de recursos florestais
• avaliação do crescimento das culturas

---

Conclusão

Este estudo na Reserva Natural Nacional de Manguezais do Estuário de Zhangjiang demonstra que o sensoriamento remoto hiperespectral é altamente eficaz para Identificação precisa de espécies arbóreas com uma câmera hiperespectral., Obtenção do índice de área foliar com uma câmera hiperespectral, e monitoramento ecológico hiperespectral de manguezais.

Com uma precisão geral de classificação de espécies de 91.18% e erro de recuperação do LAI tão baixo quanto 0.04, O fluxo de trabalho demonstra o grande potencial da imagem hiperespectral por drones em ecossistemas costeiros complexos. Ele fornece suporte de dados preciso e eficiente para a conservação, restauração e gestão de manguezais, além de oferecer amplo potencial de aplicação em silvicultura, zonas úmidas e monitoramento da vegetação.