Levantamento TLS a nível de parcela

A aquisição de dados foi feita com um laser scanner terrestre de deslocamento de fase, o Faro Focus 3D X 330, que tem um alcance de 0,6 a 330 m, com um erro de ±2 milímetros, pode medir uma velocidade máxima de 976.000 pontos por segundo e fornece imagens de até 70 megapixels. Também inclui vários sensores, como o Sistema Global de Navegação por Satélite (GNSS), uma bússola, um sensor barométrico para medição de altitude e um compensador de eixo duplo (BUENO et al., 2016; FARO, 2019).

Há uma série de etapas que podem ser tomadas para aumentar a eficiência do tempo no campo. Por exemplo, é recomendável que os locais de varreduras sejam identificados e marcados antes do início da digitalização. Além

disso, as configurações do scanner podem aumentar significativamente o tempo e os recursos necessários, por exemplo, aumentar a resolução angular do scanner, aumenta exponencialmente o tempo de varredura. A decisão de capturar dados de retorno discretos ou de formas de onda completas, também pode afetar o tempo e os recursos necessários (WILKES et al., 2017).

As configurações do scanner também têm implicações para o hardware necessário, por exemplo, baterias externas adicionais e/ou armazenamento de dados. Recomenda-se que, baterias adicionais e armazenamento de dados sejam levados para o campo, de modo que a digitalização possa continuar, mesmo que uma bateria falhe ou o armazenamento a bordo do instrumento seja preenchido. Além disso, é importante que seja realizado um planejamento prévio quanto ao tempo de cada varredura, e ainda, qual o tempo necessário para o levantamento de cada parcela, pois se não houver tempo ou condição adversa para finalização de cada parcela, a mesma deverá ser reestabelecida e realizada desde a primeira varredura.

No processo de coleta de dados com o TLS foi localizado o ponto central da parcela, e partir disso, posicionou-se o equipamento, que foi montado em um tripé de levantamento (fabricante), de modo que, estivesse de forma segura e nivelado. Foram distribuídas esferas na área de abrangência da parcela, sendo firmemente colocados no chão, no intuito de evitar possíveis movimentos.

As esferas foram cobertas por papel de seda colorido (rosa, amarelo, azul claro, azul escuro, vermelho e prata), com o lado fosco para cima, no intuito de evitar qualquer tipo de interferência em relação à luminosidade. A coloração das esferas têm a finalidade de identificação específica no processo de registro.

O registro da nuvem de pontos é uma das etapas mais importantes do pré-processamento de dados TLS, tendo em vista, que erros associados podem inviabilizar a modelagem tridimensional da floresta, ocasionando divergências na modelagem de árvores individuais e por parcela, ou até mesmo, impossibilitando a utilização da nuvem de pontos. Portanto, a coloração das esferas foi uma etapa imprescindível na coleta de dados, visando otimizar e aumentar a confiabilidade do registro da nuvem de pontos.

Existe uma dificuldade em realizar o registro de nuvem de pontos em florestas com alta densidade de indivíduos, considerando que o software disponibilizado pelo fabricante não consegue localizar as esferas de forma automatizada, além do que, a grande diversidade encontrada no local, possibilita a ocorrência de erros nessa automatização.

Na Figura 13 é possível observar o exemplo de uma das parcelas inventariadas, o qual visualiza-se a dificuldade em aplicar o TLS em floresta nativa, dada a complexidade estrutural.

FIGURA 13 - NUVEM DE PONTOS BRUTA E COM PRÉ-PROCESSAMENTO PARA PARCELA REFERENTE À ÁREA DE ESTUDO

Em função da complexidade da floresta, o pré processamento foi realizado de forma semiautomatizada, onde cada esfera foi nomeada com uma cor. O alinhamento inicial no software deu-se pela especificação da nomenclatura, seguido de um refinamento e análise de erros permitidos durante o registro. Na figura 14 é possível visualizar o processo de coleta de dados com o TLS e a disposição das esferas coloridas durante a varredura.

FIGURA 14 - LEVANTAMENTO COM O LIDAR SCENE FARO 330X E REPRESENTAÇÃO DE ESFERAS COLORIDAS

.

FONTE: Elaborado pela autora

Como fonte de apoio, utilizou-se papel milimetrado, no qual foi realizado o desenho da posição das árvores a nível de escala, tanto no quesito de distância entre árvores vizinhas, quanto da variação do cap. A parcela foi fotografada com câmera comum, no intuito de esclarecer possíveis dúvidas, caso necessário.

De acordo com Wilkes et al. (2017), para obter um registro satisfatório, é necessário um mínimo de quatro alvos comuns entre varreduras, de modo que, é importante que eles não estejam ocluídos (ou vários locais de varredura). Nesse estudo, optou-se por utilizar seis esferas revestidas com cores.

Os dados foram coletados por meio de varredura múltipla (MS), de modo que, o scanner a laser foi colocado em diferentes locais, sendo no ponto central e nas extremidades da parcela. A abordagem de varredura única é a mais simples e rápida para aquisição de dados, porém, conforme Torresan et al. (2018), a oclusão de árvores, ramos e arbustos pode resultar na omissão de até 20% das árvores presentes na parcela, motivo pelo qual foi evitado nesse estudo, considerando a alta densidade de indivíduos do local.

Liang et al. (2016), consideram que, o efeito de oclusão aumenta em função da medida de alcance do scanner, dependendo principalmente da estrutura da floresta. Estudos mostraram que até 40% de todas as árvores na parcela da amostra não são detectáveis a partir do centro da parcela ao usar a abordagem de varredura única ( BROLLY e KIRALY, 2009; MURPHY et al., 2010; LOVELL et al., 2011; LIANG et al., 2012; ASTRUP et al., 2014).

Além disso, deve-se considerar que as condições meteorológicas (névoa, neblina ou chuva), que afeta não somente a transmissão do pulso do laser, como também, afeta as propriedades de espalhamento da superfície da folha. A digitalização só pode ser retomada quando as folhas estiverem secas e as condições abaixo do dossel estiverem claras. Dias com vento também não são ideais, pois mesmo árvores relativamente grandes podem balançar, apresentando problemas na nuvem de pontos (WILKES et al., 2017).