DISCRIMINAÇÃO E CLASSIFICAÇÃO DE Pinus sp. EM REGENERAÇÃO NATURAL COM IMAGENS MULTIESPECTRAIS DE UAS

Autores

DOI:

https://doi.org/10.5380/biofix.v11i1.105508

Resumo

O gênero Pinus responde por parcela significativa das plantações florestais no mundo, mas sua expansão fora das áreas de plantio
ameaça a biodiversidade em unidades de conservação, e o monitoramento convencional desses focos é oneroso e de baixa
cobertura espacial. Estudos de mapeamento por UAS costumam avaliar apenas o resultado da classificação, sem relacioná-lo à
separabilidade espectral entre as classes. Partiu-se da hipótese de que a resposta espectral de Pinus e de folhosas difere nas
bandas de um sensor multiespectral embarcado em UAS de modo suficiente para sustentar a classificação automatizada. O
objetivo foi caracterizar a assinatura espectral dos dois grupos e classificar Pinus sp. em área de regeneração natural na Fazenda
Experimental do Canguiri, Pinhais, Paraná (11,14 ha), com imagens do drone DJI Mavic 3M. Foram extraídas 465 amostras de
Pinus e 415 de folhosas por banda, além de 1.354 amostras para classificação por Random Forest em cinco classes. As folhosas
apresentaram valores digitais superiores no visível e o Pinus predominou no infravermelho próximo; a borda do vermelho
apresentou médias coincidentes. A distância de Jeffries-Matusita indicou que nenhuma banda, isoladamente, separa os grupos.
A classificação alcançou acurácia global de 92,8%, Kappa de 0,892 e F-score de 0,856 para Pinus sp., que ocupou 1,187 ha (10,66%
da área). O estudo mostra que o desempenho decorre da combinação multivariada de variáveis, e não do contraste em bandas
isoladas, contribuindo com uma medida formal de separabilidade pouco explorada nesse tipo de aplicação e com evidências
sobre o papel do NDRE sob baixa separabilidade espectral.

Biografia do Autor

Caio Cesar Moraes Brandelik, Universidade Federal do Paraná

Possui graduação em Engenharia Florestal pela Universidade Federal do Paraná (2011). Mestrado Profissional em Perícias Ambientais pela Universidade Federal de Santa Catarina. Atualmente atual como Engenheiro Florestal no Instituto do Meio Ambiente de Santa Catarina (IMA SC), desenvolvendo atividades voltadas ao Licenciamento Ambiental e Fiscalização Ambiental.

Daniel Zambiazzi Miller, Universidade Federal do Paraná

Graduação em Engenharia Florestal pela Universidade Federal do Paraná (2015).Mestre em Engenharia Florestal, Área de Concentração em Conservação da Natureza pela Universidade Federal do Paraná (2021). Doutorando em Engenharia Florestal, Área de Concentração em Conservação da Natureza pela Universidade Federal do Paraná.

Faiman Orlando da Silva, Universidade Federal do Paraná

Engenheiro Florestal, atualmente mestrando em Engenharia Florestal, com ênfase em Conservação da Natureza, na Universidade Federal do Paraná (UFPR), onde também realiza especialização em Prevenção e Combate aos Incêndios Florestais. Atuou na Área de Proteção Ambiental de Maputo, desenvolvendo atividades nas áreas de monitoramento ambiental, educação ambiental e engajamento comunitário.

Lénia Francisco Matsinhe, Universidade Federal do Paraná

Possui graduação em Ciência de Informação Geográfica pela Universidade Eduardo Mondlane (2022) . Atualmente é Técnica de GIS da Área de Protecção Ambiental de Maputo. Tem experiência na área de Geociências , com ênfase em Geografia Física.

Ana Paula Dalla Corte, Universidade Federal do Paraná

Engenharia Florestal, tem mestrado e doutorado pela Universidade Federal do Paraná (2010). É professor da Universidade Federal do Paraná (UFPR), lotada no Departamento de Ciências Florestais (DECIF) no nível Associado IV, ministrando disciplinas para a graduação e pós-graduação Stricto Sensu no Programa de Pós-graduação em Engenharia Florestal (UFPR). Pesquisadora de produtividade em pesquisa do CNPq desde 2015. Foi professor visitante da Universidade da Flórida entre 2019/2020 através do programa CAPES/Print. Possui pós-doutorado em Engenharia Florestal na Universidade da Flórida, Estados Unidos, vinculada ao projeto CMS4D: A Multi-Scale Data Fusion Prototype System for the next Generation of Carbon Dynamics Monitoring from Space: A Case Study in the Brazilian Cerrado Fire and Fuel in a Biodiversity Hotspot. Coordena o grupo de pesquisa ForestEyes (https://gpforesteyes.github.io/). Coordena o curso de especialização em Manejo Florestal de Precisão (UFPR). Atua em projetos de pesquisas relacionados aos seguintes tópicos: Escaneamento a laser (Lidar) aéreo, terrestre e UAV (ALS/TLS/UAV). Fotogrametria, sensoriamento remoto e análise espacial aplicados aos inventários florestais. Técnicas de amostragem para Inventário Florestal. Quantificação de biomassa florestal. Possui 17 livros publicados e 22 capitulo de livro. Possui mais de 300 artigos científicos publicados em revistas indexadas nacionais e internacionais. Participou de mais de 100 trabalhos técnicos na área de meio ambiente e engenharia florestal. Foi uma das fundadoras da Rede Mulher Florestal, foi fundadora e é a atual vice-presidente da Associação Brasileira de Mensuração Florestal e atua em grupos técnicos no Brasil e exterior. Membro do Forest Carbon Working Group (WG) da VERRA desde 2024. É revisora de diversas revistas científicas indexadas internacionais.

Referências

ABDOLLAHNEJAD, A.; PANAGIOTIDIS, D. Tree species classification and health status assessment for a mixed broadleaf-conifer forest with UAS multispectral imaging. Remote Sensing, v.12, n.22, p.3722, 2020. https://doi.org/10.3390/rs12223722

AL-SHAMMARI, D. et al. Assessment of red-edge based vegetation indices for crop yield prediction at the field scale across large regions in Australia. European Journal of Agronomy, v.164, p.127479, 2025. https://doi.org/10.1016/j.eja.2024.127479

ALVARES, C.A. et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v.22, n.6, p.711-728, 2013. https://doi.org/10.1127/0941-2948/2013/0507

APOSTOL, B. et al. Species discrimination and individual tree detection for predicting main dendrometric characteristics in mixed temperate forests by use of airborne laser scanning and ultra-high-resolution imagery. Science of The Total Environment, v.698, p.134074, 2020. https://doi.org/10.1016/j.scitotenv.2019.134074

ATAÍDE, M.V.R. et al. Monitoring invasive exotic grass species in ecological restoration areas of the Brazilian savanna using UAV images. Remote Sensing Applications: Society and Environment, v.36, p.101328, 2024. https://doi.org/10.1016/j.rsase.2024.101328

ATHERTON, J. et al. Spatial variation of leaf optical properties in a boreal forest is influenced by species and light environment. Frontiers in Plant Science, v.8, p.309, 2017. https://doi.org/10.3389/fpls.2017.00309

BRAVO-VARGAS, V. et al. Do people care about pine invasions? Visitor perceptions and willingness to pay for pine control in a protected area. Journal of Environmental Management, v.229, p.57-66, 2019. https://doi.org/10.1016/j.jenvman.2018.07.018

COLE, B. et al. Spectral monitoring of moorland plant phenology to identify a temporal window for hyperspectral remote sensing of peatland. ISPRS Journal of Photogrammetry and Remote Sensing, v.90, p.49-58, 2014. https://doi.org/10.1016/j.isprsjprs.2014.01.010

DAMIANI, M.L.; BRANCATELLI, G.I.E.; ZALBA, S.M. Detection of potential plant invaders and prevention priorities for a nature reserve in the Southern Pampas, Argentina. Journal for Nature Conservation, v.87, p.127006, 2025. https://doi.org/10.1016/j.jnc.2025.127006

DI GENNARO, S.F. et al. Spectral comparison of UAV-based hyper and multispectral cameras for precision viticulture. Remote Sensing, v.14, n.3, p.449, 2022. https://doi.org/10.3390/rs14030449

EITEL, J.U. et al. Broadband, red-edge information from satellites improves early stress detection in a New Mexico conifer woodland. Remote Sensing of Environment, v.115, n.12, p.3640-3646, 2011. https://doi.org/10.1016/j.rse.2011.09.002

FERREIRA, G.A. et al. Solution for diagnostics of biological invasion in terrestrial ecosystems: how can deep learning help biodiversity conservation? Journal for Nature Conservation, v.89, 2026. https://doi.org/10.1016/j.jnc.2025.127066

FIGUEIREDO, A.L.C.B. et al. Baseline data and recommendations to decrease the introduction and spread of invasive non-native species in federal and state protected areas in Brazil. Biological Invasions, v.26, p.4283-4299, 2024. https://doi.org/10.1007/s10530-024-03446-8

GONÇALVES, V.P.; RIBEIRO, E.A.W.; IMAI, N.N. Mapping areas invaded by Pinus sp. from Geographic Object-Based Image Analysis (GEOBIA) applied on RPAS (drone) color images. Remote Sensing, v.14, n.12, p.2805, 2022. https://doi.org/10.3390/rs14122805

IBÁ. Relatório IBÁ 2025: ano base 2024. Brasília: Indústria Brasileira de Árvores, 2025.

IBGE. Manual técnico da vegetação brasileira. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística, 1992.

LEAL-MEDINA, C. et al. Post-fire Pinus radiata invasion in a threatened biodiversity hotspot forest: a multi-scale remote sensing assessment. Forest Ecology and Management, v.561, p.121861, 2024. https://doi.org/10.1016/j.foreco.2024.121861

LUAN, Q. et al. Estimating canopy chlorophyll in slash pine using multitemporal vegetation indices from uncrewed aerial vehicles (UAVs). Precision Agriculture, v.25, n.2, p.1086-1105, 2024. https://doi.org/10.1007/s11119-023-10106-9

MOURA, M.M. et al. Towards Amazon forest restoration: automatic detection of species from UAV imagery. Remote Sensing, v.13, n.13, p.2627, 2021. https://doi.org/10.3390/rs13132627

MUSUNGU, K. et al. Using UAV multispectral photography to discriminate plant species in a seep wetland of the Fynbos Biome. Wetlands Ecology and Management, v.32, n.2, p.207-227, 2024. https://doi.org/10.1007/s11273-023-09971-y

NEUWIRTHOVÁ, E.; LHOTÁKOVÁ, Z.; ALBRECHTOVÁ, J. The effect DI GENNARO, S.F. et al. Spectral comparison of UAV-based hyper and multispectral cameras for precision viticulture. Remote Sensing, v.14, n.3, p.449, 2022. https://doi.org/10.3390/rs14030449

EITEL, J.U. et al. Broadband, red-edge information from satellites improves early stress detection in a New Mexico conifer woodland. Remote Sensing of Environment, v.115, n.12, p.3640-3646, 2011. https://doi.org/10.1016/j.rse.2011.09.002

FERREIRA, G.A. et al. Solution for diagnostics of biological invasion in terrestrial ecosystems: how can deep learning help biodiversity conservation? Journal for Nature Conservation, v.89, 2026. https://doi.org/10.1016/j.jnc.2025.127066

FIGUEIREDO, A.L.C.B. et al. Baseline data and recommendations to decrease the introduction and spread of invasive non-native species in federal and state protected areas in Brazil. Biological Invasions, v.26, p.4283-4299, 2024. https://doi.org/10.1007/s10530-024-03446-8

GONÇALVES, V.P.; RIBEIRO, E.A.W.; IMAI, N.N. Mapping areas invaded by Pinus sp. from Geographic Object-Based Image Analysis (GEOBIA) applied on RPAS (drone) color images. Remote Sensing, v.14, n.12, p.2805, 2022. https://doi.org/10.3390/rs14122805

IBÁ. Relatório IBÁ 2025: ano base 2024. Brasília: Indústria Brasileira de Árvores, 2025.

IBGE. Manual técnico da vegetação brasileira. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística, 1992.

LEAL-MEDINA, C. et al. Post-fire Pinus radiata invasion in a threatened biodiversity hotspot forest: a multi-scale remote sensing assessment. Forest Ecology and Management, v.561, p.121861, 2024. https://doi.org/10.1016/j.foreco.2024.121861

LUAN, Q. et al. Estimating canopy chlorophyll in slash pine using multitemporal vegetation indices from uncrewed aerial vehicles (UAVs). Precision Agriculture, v.25, n.2, p.1086-1105, 2024. https://doi.org/10.1007/s11119-023-10106-9

MOURA, M.M. et al. Towards Amazon forest restoration: automatic detection of species from UAV imagery. Remote Sensing, v.13, n.13, p.2627, 2021. https://doi.org/10.3390/rs13132627

MUSUNGU, K. et al. Using UAV multispectral photography to discriminate plant species in a seep wetland of the Fynbos Biome. Wetlands Ecology and Management, v.32, n.2, p.207-227, 2024. https://doi.org/10.1007/s11273-023-09971-y

NEUWIRTHOVÁ, E.; LHOTÁKOVÁ, Z.; ALBRECHTOVÁ, J. The effect DI GENNARO, S.F. et al. Spectral comparison of UAV-based hyper and multispectral cameras for precision viticulture. Remote Sensing, v.14, n.3, p.449, 2022. https://doi.org/10.3390/rs14030449

EITEL, J.U. et al. Broadband, red-edge information from satellites improves early stress detection in a New Mexico conifer woodland. Remote Sensing of Environment, v.115, n.12, p.3640-3646, 2011. https://doi.org/10.1016/j.rse.2011.09.002

FERREIRA, G.A. et al. Solution for diagnostics of biological invasion in terrestrial ecosystems: how can deep learning help biodiversity conservation? Journal for Nature Conservation, v.89, 2026. https://doi.org/10.1016/j.jnc.2025.127066

FIGUEIREDO, A.L.C.B. et al. Baseline data and recommendations to decrease the introduction and spread of invasive non-native species in federal and state protected areas in Brazil. Biological Invasions, v.26, p.4283-4299, 2024. https://doi.org/10.1007/s10530-024-03446-8

GONÇALVES, V.P.; RIBEIRO, E.A.W.; IMAI, N.N. Mapping areas invaded by Pinus sp. from Geographic Object-Based Image Analysis (GEOBIA) applied on RPAS (drone) color images. Remote Sensing, v.14, n.12, p.2805, 2022. https://doi.org/10.3390/rs14122805

IBÁ. Relatório IBÁ 2025: ano base 2024. Brasília: Indústria Brasileira de Árvores, 2025.

IBGE. Manual técnico da vegetação brasileira. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística, 1992.

LEAL-MEDINA, C. et al. Post-fire Pinus radiata invasion in a threatened biodiversity hotspot forest: a multi-scale remote sensing assessment. Forest Ecology and Management, v.561, p.121861, 2024. https://doi.org/10.1016/j.foreco.2024.121861

LUAN, Q. et al. Estimating canopy chlorophyll in slash pine using multitemporal vegetation indices from uncrewed aerial vehicles (UAVs). Precision Agriculture, v.25, n.2, p.1086-1105, 2024. https://doi.org/10.1007/s11119-023-10106-9

MOURA, M.M. et al. Towards Amazon forest restoration: automatic detection of species from UAV imagery. Remote Sensing, v.13, n.13, p.2627, 2021. https://doi.org/10.3390/rs13132627

MUSUNGU, K. et al. Using UAV multispectral photography to discriminate plant species in a seep wetland of the Fynbos Biome. Wetlands Ecology and Management, v.32, n.2, p.207-227, 2024. https://doi.org/10.1007/s11273-023-09971-y

NEUWIRTHOVÁ, E.; LHOTÁKOVÁ, Z.; ALBRECHTOVÁ, J. The effect of leaf stacking on leaf reflectance and vegetation indices measured by contact probe during the season. Sensors, v.17, n.6, p.1202, 2017. https://doi.org/10.3390/s17061202

PARANÁ. Decreto nº 7.854, de 6 de novembro de 2024. Diário Oficial do Estado do Paraná, n.11783, Curitiba, 2024.

RAUTIAINEN, M. et al. Spectral properties of coniferous forests: a review of in situ and laboratory measurements. Remote Sensing, v.10, n.2, p.207, 2018. https://doi.org/10.3390/rs10020207

SHIBAYAMA, M. et al. Detecting phenophases of subarctic shrub canopies by using automated reflectance measurements. Remote Sensing of Environment, v.67, n.2, p.160-180, 1999. https://doi.org/10.1016/S0034-4257(98)00082-0

SIMEPAR – SISTEMA DE TECNOLOGIA E MONITORAMENTO AMBIENTAL DO PARANÁ. Gráficos da Estação [Pinhais]. [Curitiba]: SIMEPAR, 2025. Disponível em: https://www.simepar.org/simepar/dados_estacoes/. Acesso em: 30/07/2026

VARNAGIRYTĖ-KABAŠINSKIENĖ, I.; SURVILA, G. Evaluation of aboveground biomass, carbon, and nutrient allocation in Pinus sylvestris stands following deep soil ploughing. Journal of Forestry Research, v.36, n.1, p.73, 2025. https://doi.org/10.1007/s11676-025-01874-3

XU, K.; YE, H. Light scattering in stacked mesophyll cells results in similarity characteristic of solar spectral reflectance and transmittance of natural leaves. Scientific Reports, v.13, p.4694, 2023. https://doi.org/10.1038/s41598-023-31718-1

XU, Z. et al. Tree species classification using UAS-based digital aerial photogrammetry point clouds and multispectral imageries in subtropical natural forests. International Journal of Applied Earth Observation and Geoinformation, v.92, p.102173, 2020. https://doi.org/10.1016/j.jag.2020.102173

Downloads

Publicado

2026-07-31

Como Citar

Campos Modesto Pereira, J. L., Moraes Brandelik, C. C., Zambiazzi Miller, D., Orlando da Silva, F., Francisco Matsinhe, L., & Dalla Corte, A. P. (2026). DISCRIMINAÇÃO E CLASSIFICAÇÃO DE Pinus sp. EM REGENERAÇÃO NATURAL COM IMAGENS MULTIESPECTRAIS DE UAS. Biofix Scientific Journal, 11(1), 73–80. https://doi.org/10.5380/biofix.v11i1.105508

Edição

v. 11 n. 1 (2026)

Seção

Artigos

Licença

Copyright (c) 2026 Jordan Luis Campos Modesto Pereira, Caio Cesar Moraes Brandelik, Daniel Zambiazzi Miller, Faiman Orlando da Silva, Lénia Francisco Matsinhe, Ana Paula Dalla Corte

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

  1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution (CC  Atribuição 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.

Authors who publish in this journal agree to the following terms:
  1. Authors maintain the copyright and grant the journal the right of first publication, with the work simultaneously licensed under the Creative Commons Attribution License (CC Attribution 4.0) that allows the sharing of work with acknowledgment of authorship and initial publication in this journal.
  2. Authors are authorized to take additional contracts separately, for non-exclusive distribution of the version of the work published in this journal (eg publish in institutional repository or as a book chapter), with acknowledgment of authorship and initial publication in this journal.
  3. Authors are allowed and encouraged to publish and distribute their work online (eg in institutional repositories or on their personal page) at any point before or during the editorial process, as this can generate productive changes as well as increase the impact and citation of the published work.