● Foram construídos dois modelos de regressão linear múltipla para diferentes tipos de uso e cobertura da terra em áreas de Caatinga e pastagem para o semiárido pernambucano com resultados satisfatórios para um método indireto e de tal amplitude; ● Os modelos de estimativa de biomassa, com coeficientes de determinação de 0,73 e 0,85, construídos no presente estudo, são vantajosos em sua utilização por se tratarem de um método não destrutivo e que pode ser utilizado em áreas de caatinga;
● Uma base de dados de campo e espectrais para a Caatinga foi construído, e será alimentado no decorrer dos anos com dados de coletas futuras dos mesmos municípios e de outros nos quais serão implementadas mais parcelas no estado de Pernambuco.
REFERÊNCIAS
ACCIOLY, L. C. O.; SILVA, E. A.; JUNIOR, E. A. C.; ALVES, E. A.; PEREIRA, A. G. S.; SILVA, R. S.; RAMOS, R. R. D.; SILVA, R. R. Mapeamento do Uso e Cobertura das Terras do Semiárido Pernambucano (escala 1:100.000). Rio de Janeiro: [s.n.], 2017. AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, Boston, v.19 (6), p.716–723, 1974.
ALVES JUNIOR, F. T. Biomassa e volumetria de uma área de caatinga. Tese (Doutorado em Ciências Florestais) – Universidade Federal Rural de Pernambuco. Recife, p. 123. 2010.
ALVES, J. J. A.; ARAÚJO, M. A.; NASCIMENTO, S. S. Degradação da caatinga: uma investigação ecogeográfica. Caminhos de Geografia , v. 9 (27), p. 143 – 155, 2008. ANDRADE-LIMA, D. Plantas das caatingas. Rio de Janeiro: Academia Brasileira de Ciências, 1989.
ANGELIS, C. F. Princípios de Sensoriamento Remoto. Instituto Nacional de
Pesquisas Espaciais, Divisão de satélites e Sistemas Ambientais – INPE-DAS, 2011. ARAÚJO, L. S.; SANTOS, J. R.; KEIL, M.; LACRUZ, M. S. P.; KRAMER, J. C. M. Razão entre bandas do SIR-C/ X SAR para estimativa de biomassa em áreas de contato floresta e cerrado. In: X SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, São Paulo, Brasil. 2001.
BANNARI, A. et al. A review of vegetation index. Remote Sensing Reviews, New York, v. 13, p. 95-120, 1995.
BARBOSA, K. M. N. Monitoramento espacial de biomassa e carbono orgânico da vegetação herbácea de várzea na Amazônia Central. Curitiba: Universidade Federal do Paraná, Tese de Doutorado, p. 131. 2006.
BARET, F.; GUYOT, G.; MAJOR, D. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation. In: International Geoscience and Remote Sensing Symposiun (IGARSS’89). Canadian Symposium on Remote Sensing, 12., Vancouver, 1989. Remote Sensing: an economic tool for the nineties. Piscataway: IEEE, 1989. v. 1, p. 1355-1358.
BENDIG, J. et al. Estimating biomass of barley using crop surface models (CSMs) derived from UAV-based RGB imaging. Remote Sensing, v. 6, n. 11, p. 10395-10412, 2014.
BERRA, E. F.; BRANDELERO, C.; PEREIRA, R. S.; SEBEM, E.; GOERGEN, L. C. G.; BENEDETTI, A. C. P. B.; LIPPERT, D. B. Estimativa do volume total de madeira em espécies de eucalipto a partir de imagens de satélite Landsat. Ciência Florestal, v. 22, n. 4, p. 853-864, 2012.
BARRETO, T. N. A.; SILVA, J. A. A.; FERREIRA, R. L. C.; ALMEIDA, C. C. S. Ajuste de modelos matemáticos à biomassa seca dos compartimentos de plantas lenhosas em área de caatinga. Scientia Forestalis, Piracicaba, v. 46, n. 118, p. 285-295, jun. 2018. BRANDÃO, Z. N.; BEZERRA, M. V. C.; FREIRE, E. C.; SILVA, B. B. Agricultura de precisão para gerenciamento do algodão. In: AZEVÊDO, D. M. P.; BELTRÃO, N. E. M. O agronegócio do algodão no Brasil. Brasília: Embrapa Informação Tecnológica, v. 2, cap. 20, p 1309. 2008.
BRASIL. MINISTÉRIO DO MEIO AMBIENTE. Biomassa para energia no Nordeste: atualidade e perspectivas. Ministério do Meio Ambiente, Programa das Nações Unidas para o Desenvolvimento. Brasília, DF: MMA, 2018.
BREUSCH, T. S.; PAGAN, A. R. A simple test for heteroscedasticity and random coefficient variation. Econometrica, v. 47, p. 1287-1294, 1979.
BROWN, S. Estimating biomass and biomass change of tropical forests: a primer. Roma: FAO - Food and Agriculture Organization of the United Nations, 1997. v. 1p. 55 CÂNDIDO, A. K. A. A.; ENCINA, C. C. C.; SCHLICHTING, A. F.; HAUPENTAL, M. R.; FILHO, A. C. P.; JÚNIOR, J. M.; SILVA, N. M. Modelo digital de superfície gerado a partir de imagens de VANT. In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 5., Anais... Campo Grande, MS: Embrapa Informática Agropecuária/ INPE, 2014. CERQUEIRA, D. B. Levantamento do estoque de carbono na vegetação com base em Geotecnologias. Feira de Santana: Universidade estadual de Feira de Santana, 2007.
CHAVES, I. B.; LOPES, V. L.; FFOLLIOTT, P. F.; PAES-SILVA, A. P. Uma
classificação morfo-estrutural para descrição e avaliação da biomassa da vegetação da caatinga. Revista Caatinga, v. 21, n. 2, p. 204-213, 2008.
CHAVES, A. A.; SCALEA, R. A. L.; COLTURATO, A. B.; KAWABATA, C. L. O.; FURTADO, E. L.; BRANCO, K. R. L. J. C. Uso de VANTs e processamento digital de imagens para a quantificação de áreas de solo e de vegetação. In: SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, 2015, João Pessoa. Anais... São José dos Campos: INPE, p. 5642-5649, 2015.
CHANG, K.-W., SHEN, Y., LO, J. C. Predicting Rice Yield Using Canopy Reflectance Measured at Booting Stage. Agronomy Journal, v.97, p. 872. 2005.
COELHO, A. M. Agricultura de precisão: manejo da variabilidade espacial e temporal dos solos e culturas. Sete Lagoas: Embrapa Milho e Sorgo, p. 60, 2005. COSTA, T. C. C.; OLIVEIRA, M. A. J.; ACCIOLY, L. J. O.; SILVA, F. H. B. B. Análise da degradação da caatinga no núcleo de desertificação do Seridó (RN/ PB). Revista Brasileira de Engenharia Agrícola e Ambiental, v. 13, p. 961-974, 2009.
CUNHA, R. M. Estimativa da perda de biomassa em área de manejo florestal sustentável na Amazônia com uso combinado de LIDAR e câmera RGB a bordo de aeronave remotamente pilotada. Dissertação de mestrado em ciências naturais – Universidade Federal do Acre, Rio Branco, 2018.
DERRYBERRY, D.; AHO, K.; EDWARDS, J.; PETERSON, T. Model Selection and Regression t-Statistics, The American Statistician, v. 72:4, p. 379-381, 2018.
EISENBEISS, H. UAV Photogrammetry. Doctor of sciences, University of Technology Dresden, Germany. 2009.
EMBRAPA. Agricultura de precisão: resultados de um novo olhar. Brasília, DF. 2014.Disponível:http://ainfo.cnptia.embrapa.br/digital/bitstream/item/113993/1/Agricultur a-de-precisao-2014.pdf
EPIHANIO, J. C. N.; GLERIANI, J. N.; FORMAGGIO, A. R.; RUDORFF, B. F. T. Índices de vegetação no sensoriamento remoto da cultura do feijão. Pesquisa Agropecuária Brasileira, Brasília, v. 31, n. 6, p. 445 – 454, junho, 1996.
FARIA, R. B.; COSTA, M. E. A inserção dos veículos aéreos não tripuláveis (drones) como tecnologia de Monitoramento no combate ao dano ambiental. Revista Ordem Pública e Defesa social, v. 8, p. 81, 2015.
FERREIRA, A. G.; MELLO, N. G. S. Principais sistemas atmosféricos atuantes sobre a região Nordeste do Brasil e a influência dos oceanos Pacífico e Atlântico no clima da região. Revista Brasileira de Climatologia, v. 1, n. 1, p. 15–28, 2005.
FIGUEIREDO, E. O; D’OLIVEIRA, M. V. N.; LOCKS, C. J.; PAPA, D. A. Estimativa do volume de madeira em pátios de estocagem de toras por meio de câmeras RGB instaladas em Aeronaves Remotamente Pilotadas (ARP). Rio Branco, AC: Série Embrapa Acre, Boletim de Pesquisa e Desenvolvimento, 55, 2016.
FLORENZANO, T.G. Imagens de satélite para estudos ambientais. São Paulo, Oficina de Textos, 2002.
FILHO, R. S. Reconstrução de séries temporais de NDVI para uma área de
caatinga. Universidade Federal de Campina Grande, Centro de Tecnologia e Recursos Naturais / Campina Grande, Dissertação (Mestrado em Engenharia Civil e Ambiental), f. 96. 2019.
FISHER, R .; WILSON, S. K , SIN, T. M.; LEE, A. C.; LANGLOIS, T.J. A função simples para full-subconjuntos de regressão múltipla em ecologia com R . Ecology and
Evolution, v. 8, p. 6104 – 6113, 2018.
GAMON, J; SURFUS, J. Avaliação do conteúdo e atividade do pigmento da folha com um refletômetro. New Phytologist, v. 143, p. 105-117. 1999.
GATRELL, J. D.; JENSEN, R. R (eds). Planning and socioeconomic applications, geotechnologies and the environment. Springer Science, 2009.
GILLESPIE, A. R.; KAHLE, A. B.; WALKER, R. E. Color enhancement of highly correlated images. II Channel ratio and “chromaticity” transformation techniques. Remote Sensing of Environment, v. 22 , pp. 343 – 365, 1987.
GITELSON, A. A.; VIÑA, A.; ARKEBAUER, T.J.; RUNDQUIST, D.C.; KEYDAN, G.; LEAVITT, B. Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters, v. 30, p. 1248. 2003.
GITELSON, A.; GRITS, U.; STARK, R.; RUNDQUIST, D.; KAUFMAN, Y. J. Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, v.80, p. 76-87. 2002.
GIULIETTI, A. M.; BOCAGE NETA, A. L.; CASTRO, A. A. J. F.; GAMARRAROJAS, C. F. L.; SAMPAIO, E. V. S. B.; VIRGÍNIO, J. F.; QUEIROZ, L. P.; FIGUEIREDO, M. A.; RODAL, M. de J. N.; BARBOSA, M. R.V.; HARLEY, R. M. Diagnóstico da vegetação do Bioma Caatinga. Biodiversidade da Caatinga: áreas e ações prioritárias para a conservação. Brasília, DF: Ministério do Meio Ambiente; Recife, PE: Universidade Federal de Pernambuco, p. 382. 2003.
GÜNLÜ, A.; ERCANLI, I.; BASKENT, E. Z.; ÇAKIR, G. Estimating aboveground
biomass using Landsat TM imagery: A case study of Anatolian Crimean pine forests in Turkey. Annals of Forest Research, v. 57(2), p. 289-298. 2014.
HARKEL, J. T.; BARTHOLOMEUS, H.; KOOISTRA, L. Biomass and crop height estimation of different crops using UAV-based lidar. Remote sensing, v. 12(1), p. 17, 2020.
HIGUCHI, N.; SANTOS, J.; RIBEIRO, R. J.; MINETTE, L.; BIOT, T. Biomassa da parte área da vegetação da floresta tropical úmida de terra firme da Amazônia brasileira. Acta Amazônica, Manaus, v. 28, n. 2, p. 153-166. 1998.
HUNT JR, E. R. et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status. Precision Agriculture, v. 6, n. 4, p. 359- 378, 2005.
HUNT JR, E. R.; DAUGHTRY, C. S. T.; EITEL, U. H.; LONG, D. S. Remote sensing leaf chlorophyll content using a visible band index. Agronomy Journal, v. 21, p.103- 112. 2011.
KOPPE, W.; GNYP, M. L.; HÜTT, C.; YAO Y.; MIAO, Y.; CHEN, X.; BARETH, G. Rice monitoring with multi-temporal and dual-polarimetric TerraSAR-X data. International Journal of Applied Earth Observation and Geoinformation, v. 21, p. 568-576. 2013. KIILL, L. H. P.; DRUMOND, M. A.; LIMA, P. C. F.; ALBUQUERQUE, S. G.; OLIVEIRA, V. R. Como manejar a caatinga? (ABC da Agricultura Familiar: Preservação e uso da Caatinga, 2). Brasília, DF: Embrapa Informação Tecnológica, p. 19, 2004.
IPPOLITI, G. A.; EPIPHANIO, J. C. N.; SHIMABUKURO, Y. E. Utilização de
Sensoriamento remoto na previsão de área a ser plantada com culturas de verão em três municípios do Estado de São Paulo. In: SIMPÓSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 9., 1998, Santos. Anais eletrônicos... São José dos Campos: INPE, p. 25-37, 1998.
JANNOURA, R. et al. Monitoring of crop biomass using true colour aerial photographs taken from a remote controlled hexacopter. Biosystems Engineering, v. 129, p. 341- 351, 2015.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres, São José dos Campos, São Paulo, Brasil: Parêntese, Ed. 2, 2009.
JENSEN, J.R.; EPIPHANIO, J.C.N. et. al. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos, SP : Parêntese, ed. 2, 2011.
JIANG, J. et. al. Using digital cameras on an unmanned aerial vehicle to derive optimum color vegetation indices for leaf nitrogen concentration monitoring in winter wheat. Remote sensing, v. 11 (22), p. 2667, 2019.
JUNIOR, C. L.; ACCIOLY, L. J. O.; GIONGO, V.; LIMA, R. L. F. A.; SAMPAIO, E. V. S. B.; MENEZES, R. S. C. Etimativa de biomassa lenhosa da caatinga com uso de
equações alométricas e índice de vegetação. Scientia Forestalis, v. 42, n. 102, p. 289- 298. 2014.
JÚNIOR, L. R. A.; CORTES, J. B. R.; FERREIRA, M. E.; SILVA, J. R. Validação de ortomosaicos e Modelos Digitais de Superfície utilizando fotografias obtidas com câmera digital não métrica acoplada a um VANT. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2015, João Pessoa. Anais... São José dos Campos: INPE, p. 2157-2164, 2015.
LEAL, I. R.; TABARELLI M.; SILVA, J. M. C. Ecologia e Conservação da Caatinga. 3 ed. Recife: Ed. Universitária da UFPE, p. 822, 2008.
LE MAIRE, G.; FRANÇOIS, C.; SOUDANI, K.; BERVEILLER, D.; PONTAILLER, J.-Y.; BRÉDA, N.; GENET, H.; DAVI, H.; DUFRÊNE, E. Calibration and validation of
hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content, leaf mass per area, leaf area index and leaf canopy biomass. Remote Sensing of Environment, v. 112, 3846–3864. 2008.
LIMA JUNIOR, C.; ACCIOLY, L. J. O.; GIONGO, V.; LIMA, L. R. F. A.; SAMPAIO, E. V. S. B.; MENEZES, R. S. C. Estimativa de biomassa lenhosa da caatinga com uso de equações alométricas e índice de vegetação. Scientia Forestalis, v. 42, n. 102, p. 289–298, 2014.
LIMANA, C.C. O sensoriamento remoto como ferramenta didática na educação profissional e tecnológica. Dissertação de mestrado. Santa Maria, Rio Grande do Sul. 2014.
LIRA, D. R. et al. Mapeamento e quantificação da cobertura vegetal do Agreste Central de Pernambuco utilizando o NDVI. Revista Brasileira de Geografia Física, Recife, v. 3, p. 157-162, 2010.
LOUHAICHI, M.; BORMAN, M. M.; JOHNSON, D.E. Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International, v. 16, p. 65-70. 2001.
MATOS, F. D. A.; KIRCHNER, F. F. Estimativa de biomassa da floresta ombrófila densa de terra firme na Amazônia central com o satélite Ikonos II. Floresta, Curitiba, PR, v. 38, n. 1, jan./mar. 2008.
MELO, C. A. A. Modelo para estimativa de biomassa de vegetação em áreas de manguezais por técnicas de sensoriamento remoto. Dissertação de Mestrado. 2017.
MEUNIER, I. M. J. Análises de sustentabilidade de planos de manejo florestal em Pernambuco. Tese de doutorado, Universidade Federal Rural de Pernambuco - RECIFE, p. 135. 2014.
MINUCIO, L. F. Problemas técnicos mais comuns em drones – O guia definitivo. Futuriste, 2019. Disponível em:
<HTTP://FUTURISTE.COM.BR/BLOG/PROBLEMAS-TECNICOS-DRONES/>. Acesso em: dez de janeiro de 2019.
MMA (MINISTÉRIO DO MEIO AMBIENTE). Mapas de cobertura vegetal dos biomas brasileiros. Brasília: MMA. 2007.
MOREIRA, M. A. Fundamentos de sensoriamento remoto e metodologias de aplicação. Universidade Federal de Viçosa, Ed. 2, 2003.
MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. Universidade Federal de Viçosa, Ed. 3, p. 315, 2007.
MOTOHKA, T., NASAHARA, K.N., OGUMA, H., TSUCHIDA, S. Applicability of Green- Red Vegetation Index for Remote Sensing of Vegetation Phenology. Remote Sensing, p. 2369–2387. 2010
MUNARETTO, L. VANT e drones: a aeronáutica ao alcance de todos. São José dos Campos: Edição Independente, 2015.
NASCIMENTO, D. M. E. Estimativa do estoque de biomassa arbustivo arbórea por sensoriamento remoto em áreas de caatinga em Pernambuco. Dissertação de mestrado. Recife, p. 74. 2015.
NEBIKER, S.; ANNENA, A.; SCHERRERB, M.; OESCHC, D. A light-weight
multispectral sensor for micro UAV- Opportunities for very high resolution airborne remote sensing. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. 37, p. 1193- 1200, 2008.
NGUYEN, T.; JONES, S.; BERELOV, M. S.; HAYWOOD, A.; HISLOP, S. Landsat time- series for estimating forest aboveground biomass and its dynamics across space and time: A review. Remote sensing, v. 12, p. 98, 2020.
NOVO, M. F. L.; PONZONI, J. Introdução ao sensoriamento remoto. 2001.
OLDELAND, J.; GROßE-STOLTENBERG, A.; NAFTAL, L.; STROHBACH, B. J. The Potential of UAV Derived Image Features for Discriminating Savannah Tree Species. Os papéis do sensoriamento na manutenção da natureza. 2017. PACHECO, A. P.; FREIRE, N. C. F.; BORGES, U. N. Uma contribuição do
sensoriamento remoto para detecção de áreas degradadas na Caatinga Brasileira. Boletim Goiano de Geografia, v. 26, n. 1, p. 49-68, 2006.
PÁDUA, L.; VANKO, J.; HRUSKA, J.; ADÃO, T.; SOUSA, J. J.; PERES, E.; MORAIS, R. UAS, sensors, and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, v. 38, p. 2349–2391, 2017. PRECISION MAPPER. Visual NDVI. Disponível em:
<https://www.precisionmapper.com/algorithms/normalized-green-red-difference-index>. Acesso em 20 de dezembro de 2018.
PONZONI, F.J. Sensoriamento remoto no estudo da vegetação. São José dos campos, SP: A. Silva Vieira. Ed 2. 2009.
R CORE TEAM. R: a language and environment for statstical computing. Vienna, Austria:R Foundation for Statistical Computing, 2013. Disponível em: <https://www.r- project.org/>.
REEVES, R.G. Manual of remote sensing. American Society of Photogrammetry. Falls Church, Virginia. 1975.
ROBERTS, D.; ROTH, K.; PERROY, R. Hyperspectral Vegetation Indices, in:
Thenkabail, P.S., Huete, A. (Eds.), Hyperspectral Remote Sensing of Vegetation. CRC Press, Boca Raton, FL, US, pp. 309–328. 2011.
RODAL, M. J. N., SAMPAIO, E. V. S. B., FIGUEIREDO, M. A. Manual sobre métodos de estudo florístico e fitossociológico: ecossistema caatinga. Brasília: Sociedade Botânica do Brasil - SBB. 2013.
ROSENDO, J. S. R. Índices de vegetação e monitoramento do uso do solo e cobertura vegetal na bacia do Rio Araguari – MG – utilizando dados do sensor MODIS. Dissertação (Mestrado em Geografia) – Universidade Federal de Uberlândia, Uberlândia. 130 p. 2005.
ROSENDO, J. S.; ROSA, R. Exemplo de aplicação do Produto MOD13Q1 disponibilizado pelo sensor MODIS/Terra. In: SIMPÓSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... Goiânia: INPE, 2005. p. 3285-3292.
SILVA, R. R.; SANTIAGO, M. T. B.; CANDEIAS, A. L. B.; GURGEL, J. F.; SALES, A. T.; MENEZES, R. S. C. Mapping of regional land-use/land-cover distribution according to soil types in the semiarid region of Pernambuco State, Brazil. Revista GEAMA, 2018. SILVA, R. M.; INOCENCIO, L. C.; REIS, B. S.; SOARES, G.; KIRSTEN, E. Fotos digitais obtidas com o uso de VANT para o mapeamento de áreas verdes do Campus da Unisinos em São Leopoldo: análise da exatidão posicional, utilizando o software GEOPEC. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2015, João Pessoa. Anais... São José dos Campos: INPE, p. 6281-6289, 2015.
SAMPAIO, E. V. S. B. Caracterização do bioma Caatinga. In: GARIGLIO, M. A.;
SAMPAIO, E. V. S. B.; CESTARO, L. A.; KAGEIAMA, P. Y. (Eds.)... Uso sustentável e conservação dos recursos florestais da Caatinga. 2. ed. Brasília: Serviço florestal brasileiro, 2010. p. 27–85.
SAMPAIO, E. V. S. B. Uso sustentável e conservação dos recursos florestais da Caatinga. In: GARIGLIO et al. [Orgs]. Brasília: Serviço Florestal Brasileiro, 2010. SANQUETTA, C. R. Métodos de determinação de biomassa florestal. In:
SANQUETTA, C. R. et al. (Eds.). As florestas e o carbono. Curitiba: [s.n.], 2002, p. 119- 140.
SEGURA, M.; KANNINEN, M. Allometric models for tree volume and total aboveground biomass in a Tropial Humid Forest in Costa Rica. Biotropica, Washington, US, v. 37. n. 1, p. 2-8, 2005.
SHANAHAN, J. F.; SCHEPERS, J. S.; FRANCIS, D. D.; VARVEL, G. E.; WILHELM, W. W.; TRINGE, J. S.; SCHLEMMER, M. R.; MAJOR, D. J. Use of remote sensing imagery to estimate corn yield. Agronomy Journal, v. 93, p. 583-589, 2001.
SHAPIRO, S. S.; WILK, M. B. An analysis of variance test for normality (complete sample). Biometrika, Great Britain, v. 52, n. 3, p. 591-611, 1965.
SILVA, E. T. J. B. Veículos aéreos não tripulados: panorama atual e perspectivas para o monitoramento de atividades ilícitas na Amazônia. In: Simpósio Brasileiro de Sensoriamento Remoto. Foz do Iguaçu: INPE, 2013. p. 9324-9331. Disponível em: <http://www.dsr.inpe.br/sbsr2013/files/p1457.pdf>. Acesso em: 11 de dezembro de 2018.
SILVA, G. C.; SAMPAIO, E. V. S. B. Biomassas de partes aéreas em plantas da caatinga. Revista Árvore, v. 32, n. 3, p. 567-575, 2008.
SILVEIRA, P.; KOEHLER, H. S.; SANQUETTA, C. R.; ARCE, J. E. O estado da arte na estimativa de biomassa e carbono em formações florestais. Revista Floresta, v. 38, n. 1, p. 185–206, 2008.
SOUSA, H. L. Sensoriamento remoto com VANTs: uma nova possibilidade para a aquisição de geoinformação. Revista Brasileira de Geomática, v. 5, n. 3, p. 326- 342, 2017.
SOUSA JUNIOR, J. G. A.; DEMATTE, J. A. M.; GENU, A. M. Comportamento espectral dos solos na paisagem a partir de dados coletados por sensores terrestre e
orbital. Revista Brasileira de Ciências do Solo, Viçosa , v. 32, n. 2, p. 727- 738, Apr. 2008 .
SOUZA, M. J. N. A problemática ambiental: cenários para o Bioma Caatinga no Nordeste do Brasil. In: SILVA, J. B.; LIMA, L. C.; DANTAS, E. W. C. (Org.). Panorama da geografia brasileira. São Paulo: Annablume, v. 2, p. 119-133, 2006.
STAR, J.; ESTES, J. Geographic Information Systems: An introduction. Englewood Cliffs, New Jersey: Prentice-Hall, 1990.
SUITS, G. H. Manual of remote sensing. Falls Church, Virginia: American Society of Photogrammetry, 1983.
TABARELLI, M.; VICENTE, A. Conhecimento sobre plantas lenhosas da Caatinga: lacunas geográficas e ecológicas. In: SILVA, J. M. C.; TABARELLI, M.; FONSECA, M. T.; LINS, L. V. (Eds.). . Biodiversidade da Caatinga: áreas e ações prioritárias para a conservação. Brasília, DF: Ministério do Meio Ambiente, 2004. p. 101–111.
TIESSEN, H.; FELLER, C.; SAMPAIO, E. V. S. B.; GARIN, B. Carbon sequestration and turnover in semiarid savannas and dry forest. Climatic Change, v. 40, n. 1, p. 105– 117, 1998.
TOTH, C.; JÓŹKÓW, G. Remote sensing platforms and sensors: a survey. Journal of Photogrammetry and Remote Sensing, v. 115, p. 22–36, 2016.
TUCKER, C. J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, v. 8, p. 127–150, 1979.
VELLOSO, A. L.; SAMPAIO, E. V. S. B.; PAREYN, F. G. C. Ecorregiões propostas para o bioma Caatinga. Recife: Associação Plantas do Nordeste; The Nature Conservancy do Brasil. 2002.
VIANA, H.; LOPES, D.; ARANHA, J. Predição de biomassa arbustiva lenhosa empregando dados do inventário e o índice de diferença normalizada extraído em imagens landsat5 TM. Millenium, n. 37, nov. 2009.
VIEIRA, G.; SANQUETTA, C. R.; KLÜPPEL, M. L. W.; BARBEIRO, L. S. S. Teores de carbono em espécies vegetais da caatinga e do cerrado. Ciências Agrárias e
Ambientais, v.7, p.145-155. 2005.
VICARI, M. B.; PINTO, D. G.; FONTANA, D. C.; DALMAGO, G. A.; FOCHESATTO, E. Avaliação de resposta de índices de vegetação aos parâmetros biofísicos da canola. XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, v. 1. 2015.
WATTS, A. C. et al. Small unmanned aircraft systems for low-altitude aerial surveys. The Journal of Wildlife Management, v. 74, n. 7, p. 1614-1619, 2010.
WIEGAND, C. L., RICHARDSON, A. J., ESCOBAR, D. E. GERBEMANN, A. H.
Vegetation indices in crop assessments. Remote Sensing Environment, v.35, p. 105- 119,1991.
WHITEHEAD, K.; HUGENHOLTZ, C. H. Remote sensing of the environment with small unmanned aircraft systems (UASs), part 1: a review of progress and challenges.
Journal of Unmanned Vehicle Systems, v. 2, p. 86–102, 2014.
WIJESINGHA, J.; ASTOR, T.; SCHULZE-BRÜNINGHOFF, D.; WENGERT, M.;
WACHENDORF, M. Predicting forage quality of grasslands using UAV-borne imaging spectroscopy. Remote Sensing, v. 12, p. 126, 2020.
ZHENG, H.; LI, W.; JIANG, J.; LIU, Y.; CHENG, T.; TIAN, Y.; ZHU, Y.; CAO, W.;
ZHANG, YU.; YAO, X. A. Comparative assessment of different modeling algorithms for estimating leaf nitrogen content in winter wheat using multispectral images from an unmanned aerial vehicle. emote Sensing, v. 10, p. 2026, 2018.
ZUCON, A. R. S.; HAWKES, B.; LEMOS, C. C. Z.; BATISTUZZO, G. Z. B.;
HAKAMADA, R. E.; PONTES, G. R.; FREITAS, T. U.; BAZANI, J. H.; ALVARES, C. A.; ARTHUR JUNIOR, J. C.; GONÇALVES, J. L. M. Use of Unmanned aerial vehicle images as a tool to evaluate stand uniformity in clonal Eucalyptus plantations. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2015, João Pessoa. Anais... São José dos Campos: INPE, p. 4636-4642, 2015.
APÊNDICE A – DADOS DE BIOMASSA COLETADA EM CAMPO E MÉDIA DAS BANDAS DO ESPECTRO RGB MUNICÍPIO VEGETAÇÃO BIOMASSA COLETADA EM CAMPO (kg/ha-1) PERÍODO MÉDIA DA BANDA VERMELHA MÉDIA DA BANDA VERDE MÉDIA DA BANDA AZUL
Ibimirim Aberta 4,29 SECO 56,64 61,78 50,56
Ibimirim Pastagem 2,97 SECO 50,15 52,60 46,01
Ibimirim Densa 29,62 SECO 44,81 46,87 43,11
Sertânia Densa 11,89 SECO 29,74 56,09 24,36
Sertânia Aberta 2,34 SECO 45,17 51,32 49,13
Sertânia Pastagem 6,99 SECO 48,71 51,31 44,35
Arcoverde Densa 42,12 CHUVOSO 84,09 88,31 75,87
Arcoverde Aberta 5,55 CHUVOSO 108,07 112,38 97,03
Arcoverde Pastagem 6,54 CHUVOSO 114,64 130,39 63,94
Arcoverde Pastagem 3,92 CHUVOSO 142,63 164,65 96,37
Arcoverde Pastagem 1,76 CHUVOSO 101,76 97,43 94,11
Sertânia Aberta 2,34 SECO 183,25 174,70 160,64
Sertânia Densa 11,89 SECO 189,22 185,40 181,23
Sertânia Pastagem 6,99 SECO 176,72 175,91 173,84
São Bento Densa 18,70 SECO 145,34 152,52 134,51
São Bento Aberta 7,24 SECO 185,67 186,29 180,27
São Bento Pastagem 3,67 SECO 197,65 196,93 190,75
Araripina Pastagem 2,99 CHUVOSO 119,28 135,22 91,96
Araripina Aberta 0,13 CHUVOSO 132,65 140,09 109,46
Arcoverde Pastagem 1,01 CHUVOSO 161,36 169,98 126,77
Arcoverde Densa 39,26 CHUVOSO 104,96 146,34 94,96
Caruaru Pastagem 2,77 CHUVOSO 108,27 126,24 101,26
Caruaru Densa 20,17 CHUVOSO 82,46 122,35 69,27
São Bento Pastagem 3,31 CHUVOSO 112,58 142,82 95,24
São Bento Aberta 4,63 CHUVOSO 109,96 168,18 99,35
São Bento Densa 18,40 CHUVOSO 92,77 152,41 96,11
Sertânia Aberta 0,94 CHUVOSO 130,65 149,38 108,81
Sertânia Densa 12,95 CHUVOSO 97,16 141,53 91,29
Sertânia Pastagem 4,36 CHUVOSO 125,02 158,75 91,70
Petrolina Aberta 36,24 SECO 134,69 121,76 112,90
Petrolina Densa 41,39 SECO 156,42 147,51 143,16
Petrolina Pastagem 0,49 SECO 158,15 143,49 127,92
Petrolina Pastagem 0,56 SECO 146,31 139,81 135,27
Salgueiro Densa 26,99 CHUVOSO 153,03 145,59 134,37
Salgueiro Aberta 11,29 CHUVOSO 120,97 111,69 96,91
Serra Talhada Aberta 13,81 CHUVOSO 118,91 117,68 108,10
Serra Talhada Densa 24,58 CHUVOSO 106,72 113,43 82,24
Serra Talhada Pastagem 2,13 CHUVOSO 138,30 130,08 122,44
Arcoverde Aberta 17,86 CHUVOSO 134,90 134,22 125,63
Arcoverde Pastagem 0,39 CHUVOSO 121,34 120,44 120,30
Arcoverde Densa 39,40 CHUVOSO 134,97 152,21 121,09
ANEXOA– DJI PHANTOM 4 PRO - ESPECIFICAÇÕES
AIRCRAFT
Weight (Battery & Propellers
Included) 1375 g
Diagonal Size (Propellers
Excluded) 350 mm
Max Ascent Speed S-mode: 6 m/s P-mode: 5 m/s Max Descent Speed S-mode: 4 m/s P-mode: 3 m/s
Max Speed
S-mode: 45 mph (72 kph) A-mode: 36 mph (58 kph) P-mode: 31 mph (50 kph)
Max Tilt Angle
S-mode: 42° A-mode: 35° P-mode: 25° Max Angular Speed S-mode: 250°/s
A-mode: 150°/s Max Service Ceiling Above
Sea Level 19685 feet (6000 m)
Max Wind Speed Resistance 10 m/s
Max Flight Time Approx. 30 minutes Operating Temperature
Range 32° to 104°F (0° to 40°C)
Satellite Positioning Systems GPS/GLONASS
Hover Accuracy Range
Vertical:
±0.1 m (with Vision Positioning) ±0.5 m (with GPS Positioning) Horizontal:
±0.3 m (with Vision Positioning) ±1.5 m (with GPS Positioning)
VISIONSYSTEM
Vision System
Forward Vision System Backward Vision System Downward Vision System
Velocity Range ≤31 mph (50 kph) at 6.6 ft (2 m) above ground Altitude Range 0 - 33 feet (0 - 10 m)
Operating Range 0 - 33 feet (0 - 10 m) Obstacle Sensory Range 2 - 98 feet (0.7 - 30 m)
FOV
Forward: 60°(Horizontal), ±27°(Vertical) Backward: 60°(Horizontal), ±27°(Vertical) Downward: 70°(Front and Rear), 50°(Left and Right)
Measuring Frequency
Forward: 10 Hz Backward: 10 Hz Downward: 20 Hz
Operating Environment Surface with clear pattern and adequate lighting (lux>15)
CAMERA
Sensor 1’’ CMOS
Effective pixels: 20M
Lens FOV 84° 8.8 mm/24 mm (35 mm format
equivalent) f/2.8 - f/11 auto focus at 1 m - ∞
ISO Range Video: 100 - 3200 (Auto) 100 - 6400 (Manual) Photo: 100 - 3200 (Auto) 100- 12800 (Manual) Mechanical Shutter Speed 8 - 1/2000 s
Electronic Shutter Speed 8 - 1/8000 s
4:3 Aspect Ratio: 4864 × 3648 16:9 Aspect Ratio: 5472 × 3078
PIV Image Size
4096×2160(4096×2160 24/25/30/48/50p) 3840×2160(3840×2160 24/25/30/48/50/60p) 2720×1530(2720×1530 24/25/30/48/50/60p) 1920×1080(1920×1080 24/25/30/48/50/60/120p) 1280×720(1280×720 24/25/30/48/50/60/120p)
Still Photography Modes
Single Shot
Burst Shooting: 3/5/7/10/14 frames Auto Exposure Bracketing (AEB): 3/5 bracketed frames at 0.7 EV Bias Interval: 2/3/5/7/10/15/20/30/60 s
Video Recording Modes
H.265 C4K:4096×2160 24/25/30p @100Mbps 4K:3840×2160 24/25/30p @100Mbps 2.7K:2720×1530 24/25/30p @65Mbps 2.7K:2720×1530 48/50/60p @80Mbps FHD:1920×1080 24/25/30p @50Mbps FHD:1920×1080 48/50/60p @65Mbps FHD:1920×1080 120p @100Mbps HD:1280×720 24/25/30p @25Mbps HD:1280×720 48/50/60p @35Mbps HD:1280×720 120p @60Mbps H.264 C4K:4096×2160 24/25/30/48/50/60p @100Mbps 4K:3840×2160 24/25/30/48/50/60p @100Mbps