Publicação: Metodologia inovadora para determinação da densidade básica da madeira utilizando imagens multiespectrais e câmera mapir RGNIR
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::TECNOLOGIA E UTILIZACAO DE PRODUTOS FLORESTAIS::PROPRIEDADES FISICO-MECANICAS DA MADEIRA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Martins, George Deroco, Carvalho, Amélia Guimarães
Resumo
A densidade básica da madeira influencia diretamente o rendimento, os custos
operacionais e a qualidade do produto final, sendo um parâmetro essencial no setor
florestal. Contudo, os métodos tradicionais para sua determinação são demorados,
destrutivos e onerosos, o que demanda alternativas mais ágeis e econômicas. Este estudo
utilizou imagens multiespectrais obtidas com uma câmera Mapir Survey 3 (RGNIR) para
estimar a densidade básica da madeira de Eucalyptus grandis e Pinus oocarpa. Foram
analisadas 142 amostras, com imagens capturadas em quatro estágios de secagem:
saturada, em secagem natural, em umidade de equilíbrio e anidra. As imagens foram
processadas no software ENVI Classic para extração da reflectância; o Minitab 16 foi
utilizado para análise de correlação, e o software Weka 3.8.6 para o ajuste dos modelos
de aprendizado de máquina: Regressão Linear, Multilayer Perceptron (MLP), Random
Forest (RF) e Support Vector Machine para Regressão (SMOreg). A reflectância no plano
transversal, especialmente na faixa espectral do vermelho, apresentou maior correlação
com a densidade básica. O modelo Random Forest obteve os melhores resultados, com
coeficiente de correlação superior a 83% e 81%, e RMSE inferior a 11% e 12% para os
dados de treinamento e validação cruzada, respectivamente. Os modelos MLP, SMOreg
e Regressão Linear também apresentaram desempenho satisfatório, especialmente com
madeira saturada. Esta pesquisa evidencia a viabilidade de se estimar a densidade básica
da madeira por meio de imagens multiespectrais, oferecendo uma metodologia rápida,
não destrutiva, de baixo custo e de simples aplicação para o setor florestal.
Abstract
Basic wood density directly influences yield, operational costs, and final product quality,
making it an essential parameter in the forestry sector. However, traditional methods for
its determination are time-consuming, destructive, and costly, which highlights the need
for faster and more economical alternatives. This study used multispectral images
obtained with a Mapir Survey 3 (RGNIR) camera to estimate the basic wood density of
Eucalyptus grandis and Pinus oocarpa. A total of 142 samples were analyzed, with images
captured at four drying stages: saturated, naturally drying, equilibrium moisture content,
and oven-dry. The images were processed using ENVI Classic software to extract
reflectance; Minitab 16 was used for correlation analysis, and Weka 3.8.6 software was
used to fit machine learning models: Linear Regression, Multilayer Perceptron (MLP),
Random Forest (RF), and Support Vector Machine for Regression (SMOreg). Reflectance
in the cross-sectional plane, especially in the red spectral band, showed the strongest
correlation with basic density. The Random Forest model achieved the best results, with
correlation coefficients above 83% and 81%, and RMSE below 11% and 12% for the
training and cross-validation datasets, respectively. The MLP, SMOreg, and Linear
Regression models also performed satisfactorily, particularly with saturated wood. This
research demonstrates the feasibility of estimating basic wood density through
multispectral imagery, offering a rapid, non-destructive, low-cost, and easy-to-apply
methodology for the forestry sector.
Palavras-chave
Eucalyptus grandis, Pinus oocarpa, imagens multiespectrais, modelos de predição, inteligência artificial
Citação
CARDOSO, Fernanda de Souza. Metodologia inovadora para determinação da densidade básica da madeira utilizando imagens multiespectrais e câmera Mapir RGNIR. 2025. 25 f. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) – Universidade Federal de Uberlândia, Monte Carmelo, 2025. DOI http://doi.org/10.14393/ufu.di.2025.476.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto