Assessing airborne laser scanning and aerial photogrammetry for deep learning-based stand delineation

Este estudo demonstra que modelos de deep learning para delimitação de povoamentos florestais alcançam desempenho comparável utilizando modelos de altura do dossel derivados de fotogrametria aérea em vez de varredura a laser, indicando que a inclusão de modelos de terreno não melhora significativamente os resultados e que é possível criar grandes conjuntos de dados operacionais com dados temporalmente alinhados.

O essencial

Imagine que você é um chefe de cozinha responsável por organizar uma enorme floresta. Para gerenciar bem essa floresta (saber quando cortar árvores, quando plantar novas, etc.), você precisa dividi-la em "quartos" ou "salas" chamados manchas florestais. Cada sala tem árvores do mesmo tamanho, idade e espécie.

Antigamente, fazer esse trabalho era como tentar desenhar o mapa de uma cidade complexa usando apenas uma foto antiga e uma régua. Era feito à mão, demorava muito e dependia muito da "intuição" de cada pessoa, o que gerava erros e inconsistências.

Este artigo científico conta a história de como os pesquisadores tentaram ensinar um robô inteligente (uma Inteligência Artificial) a fazer esse trabalho de dividir a floresta, e testaram se ele consegue usar diferentes "óculos" para enxergar a cena.

Aqui está a explicação do que eles fizeram, usando analogias simples:

1. O Problema: Os Óculos Desalinhados

Para ensinar o robô, os cientistas precisavam de duas coisas principais:

• Uma foto colorida (para ver as cores das árvores).
• Um mapa de altura (para saber o tamanho das árvores).

O problema é que, na vida real, essas duas fotos muitas vezes são tiradas em dias diferentes. É como tentar montar um quebra-cabeça onde uma peça foi tirada em janeiro e a outra em março. Se as árvores cresceram ou foram cortadas nesse meio tempo, o robô fica confuso.

2. A Solução Proposta: Usar "Óculos" que Nascem Juntos

Os pesquisadores testaram se podiam usar uma nova tecnologia chamada Fotogrametria Digital (DAP).

• A Analogia: Imagine que o Laser (ALS) é como um scanner 3D super preciso, mas caro e que precisa de um dia específico para funcionar. Já a Fotogrametria (DAP) é como tirar uma foto de alta resolução e usar um software mágico para transformar a foto em um modelo 3D.
• A Vantagem: Como a DAP vem da mesma foto que as cores, ela está perfeitamente alinhada no tempo. Não há "atraso" entre a cor e a altura.
• A Dúvida: O problema é que a DAP pode "alisar" a superfície, como se alguém tivesse passado um ferro de passar roupa nas copas das árvores, escondendo pequenos buracos ou detalhes. Seria esse "ferro de passar" ruim para o robô?

3. O Experimento: O Robô com Três Tipos de Óculos

Eles treinaram o robô (um modelo de IA chamado U-Net) com três combinações diferentes de dados para ver qual funcionava melhor:

1. Óculos Clássicos: Foto + Scanner Laser (o padrão de ouro).
2. Óculos Novos: Foto + Modelo 3D feito da própria foto (DAP).
3. Óculos com Mapa de Terreno: Foto + Modelo 3D da foto + Um mapa mostrando as montanhas e vales (DTM).

4. O Resultado: O Robô é Mais Esperto do que Pensávamos!

Aqui está a parte mais interessante:

• O Robô não se importou com os óculos: O robô funcionou igualmente bem com os "óculos novos" (DAP) e com os "óculos clássicos" (Laser). Mesmo que a DAP "alisasse" um pouco as árvores, o robô conseguiu usar as cores e o contexto da imagem para compensar a falta de detalhes.
• O Mapa de Terreno não ajudou: Adicionar o mapa das montanhas (DTM) não melhorou o resultado.
  • Por que? A área de estudo era relativamente plana e as florestas já são muito organizadas. O robô já conseguia "adivinhar" o terreno apenas olhando para as árvores e a foto. Era como tentar ensinar alguém a andar em uma rua plana usando um mapa de montanhas: o mapa não ajudou, porque a rua era simples.

5. A Grande Revelação: O Robô é Mais Confiável que o Humano

Quando compararam o que o robô fez com o que um humano especialista desenhou, eles descobriram algo curioso:

• Os robôs (treinados com óculos diferentes) concordavam muito mais entre si do que concordavam com o humano.
• O que isso significa? Isso mostra que a divisão da floresta é, em parte, subjetiva. Dois humanos podem desenhar a linha de separação de uma sala de forma ligeiramente diferente e ambos estariam "certos". O robô aprendeu um padrão consistente, e a diferença entre ele e o humano não é necessariamente um erro do robô, mas sim a natureza subjetiva do trabalho.

6. Conclusão: O Futuro da Floresta

O estudo conclui que:

• Podemos usar dados mais fáceis de obter (como a DAP, que vem das fotos) para treinar robôs, sem precisar depender sempre do scanner laser caro e difícil de sincronizar.
• Isso permite criar grandes bases de dados para treinar essas IAs de forma mais rápida e barata.
• O robô ainda precisa de um "ajuste fino" (pós-processamento) para limpar pequenos erros e fazer as linhas das divisões ficarem mais bonitas, mas o trabalho pesado de dividir a floresta já pode ser feito pela máquina.

Em resumo: Os cientistas provaram que podemos usar "óculos" mais simples e alinhados no tempo para ensinar robôs a gerenciar florestas com a mesma precisão dos métodos antigos, tornando o processo mais rápido, barato e escalável.

Resumo técnico

Resumo Técnico: Avaliação de ALS e Fotogrametria Aérea para Delimitação de Povoamentos Florestais Baseada em Deep Learning

1. Problema e Contexto

A delimitação precisa de povoamentos florestais (unidades homogêneas de gestão) é fundamental para o inventário e gestão florestal, mas continua a ser um processo predominantemente manual e subjetivo. Embora métodos automatizados e de deep learning (aprendizado profundo) tenham mostrado potencial, existem desafios operacionais significativos:

• Desalinhamento Temporal: Estudos anteriores (ex: Sandum et al., 2025) utilizaram imagens aéreas e dados de Airborne Laser Scanning (ALS) coletados em anos diferentes. Isso cria inconsistências (ex: colheitas ou intervenções silviculturais presentes em uma fonte e não na outra), limitando a escalabilidade e a qualidade dos dados de treinamento.
• Substituição de Dados Estruturais: A Fotogrametria Aérea Digital (DAP) gera nuvens de pontos e Modelos de Altura do Dossel (CHM) a partir das mesmas imagens que fornecem dados espectrais, garantindo alinhamento temporal perfeito. No entanto, há a preocupação de que os CHMs derivados de DAP suavizem a superfície do dossel e percam detalhes de gaps (vazios) em comparação com o ALS, levantando a questão: os CHMs de DAP podem substituir eficazmente os de ALS no treinamento de modelos de deep learning?
• Influência do Terreno: A inclusão de Modelos Digitais de Terreno (DTM) foi sugerida para melhorar a precisão, especialmente em terrenos acidentados, mas sua eficácia em fluxos de trabalho automatizados de delimitação de povoamentos não havia sido testada na literatura publicada.

2. Metodologia

O estudo foi conduzido na região de Follo, Noruega, cobrindo seis municípios, utilizando dados coletados em 2021 para garantir alinhamento temporal.

• Dados de Entrada:
  • Referência: Mapas de povoamentos delineados por dois especialistas (30 e 40 anos de experiência), baseados em interpretação estereoscópica de imagens, ALS e mapas existentes. As classes foram agrupadas em 5 categorias (NF: não florestal; I-II: regeneração; III-IV: jovens/adultos em desbaste; V: maduro).
  • Variáveis Preditoras: Três combinações de dados foram testadas como entrada para o modelo:
    1. RGBI-ALS: Imagens multiespectrais (RGB + NIR) + CHM derivado de ALS.
    2. RGBI-DAP: Imagens multiespectrais + CHM derivado de Fotogrametria Aérea Digital (DAP).
    3. RGBI-DAP-DTM: Imagens multiespectrais + CHM de DAP + Modelo Digital de Terreno (DTM).
• Modelo e Treinamento:
  • Arquitetura: U-Net para segmentação semântica.
  • Função de Perda: Focal Tversky Loss (para lidar com desequilíbrio de classes e focar em exemplos difíceis).
  • Validação: Validação cruzada em nível de município (6-fold), onde cada município foi usado como conjunto de teste, garantindo independência espacial.
  • Otimização: Ajuste de hiperparâmetros utilizando o framework Optuna (busca baseada em estimador Parzen em árvore) para maximizar o Coeficiente de Correlação de Matthews (MCC) macro-médio.
• Métricas de Avaliação: Precisão Global (OA), MCC macro-médio, IoU, F1, Precisão do Usuário e do Produtor, além de análise visual de sobreposição entre modelos.

3. Contribuições Principais

• Validação da Substituição ALS por DAP: Demonstra que CHMs derivados de DAP, apesar de possuírem menos detalhe estrutural e suavizar gaps, produzem resultados de delimitação comparáveis aos de ALS quando combinados com imagens multiespectrais.
• Análise de Alinhamento Temporal: Fornece evidências empíricas de que o alinhamento temporal dos dados (usando DAP) é viável para criar grandes conjuntos de dados de treinamento sem as inconsistências causadas pela coleta assíncrona de dados.
• Avaliação de DTM: Testou sistematicamente a inclusão de DTM em um fluxo de trabalho de segmentação semântica de povoamentos, encontrando que, neste contexto específico, não houve melhoria de desempenho.
• Análise de Subjetividade: Quantificou a discrepância entre a concordância dos modelos e a concordância com os dados de referência, destacando a variabilidade inerente à delimitação humana.

4. Resultados

• Desempenho Geral: Todos os três modelos atingiram uma Precisão Global (OA) entre 0,90 e 0,91. O MCC macro-médio variou entre 0,60 e 0,62, indicando desempenho estável e robusto.
• Comparação ALS vs. DAP: Não houve diferença estatisticamente significativa no desempenho entre os modelos treinados com CHM de ALS e CHM de DAP. O modelo RGBI-DAP-DTM obteve métricas ligeiramente superiores em alguns indicadores, mas dentro da margem de erro.
• Impacto do DTM: A inclusão do DTM não melhorou o desempenho geral. Pelo contrário, os modelos com DTM tenderam a estagnar mais cedo durante o treinamento (parada antecipada/early stopping), sugerindo um aumento na complexidade do modelo sem ganho informativo suficiente para as condições do estudo (terreno relativamente plano).
• Concordância Inter-Modelo: Um achado crucial foi que a concordância entre as previsões dos diferentes modelos (ex: ALS vs. DAP) foi substancialmente maior (MCC ~0,84) do que a concordância de qualquer modelo com os dados de referência humana (MCC ~0,60). Isso indica que:
  1. Os modelos aprendem representações consistentes da estrutura florestal.
  2. A variabilidade nos dados de referência (delineação humana) é uma fonte significativa de "erro", refletindo a subjetividade inerente ao processo.
• Limitações Observadas: Os modelos tendem a super-segmentar (criar pequenos fragmentos abaixo da unidade mínima de mapeamento de 0,2 ha) e têm dificuldade em identificar estradas florestais e limites exatos em áreas de regeneração ou transições suaves.

5. Significância e Conclusões

• Viabilidade Operacional: O estudo confirma que é possível montar grandes conjuntos de dados de treinamento para deep learning utilizando projetos que integram dados de ALS e DAP alinhados temporalmente. Isso remove uma barreira crítica para a implementação em larga escala.
• Resiliência do Modelo: A arquitetura U-Net é resiliente a variações na qualidade dos dados de entrada (suavização do CHM de DAP), dependendo fortemente das informações espectrais e padrões espaciais contextuais das imagens ópticas.
• Relevância do DTM: Em paisagens com topografia suave e gestão florestal que mantém a homogeneidade dos povoamentos, o DTM pode não ser necessário. No entanto, o estudo sugere que sua utilidade pode aumentar em terrenos acidentados ou se o problema for reformulado como instance segmentation (separação de indivíduos adjacentes da mesma classe).
• Futuro: Para a implementação operacional, é necessário desenvolver estratégias de pós-processamento para suavizar fronteiras e eliminar fragmentos, bem como explorar abordagens de aprendizado semi-supervisionado para reduzir a dependência de anotações manuais extensas.

Em suma, o artigo valida a transição de dados de ALS para DAP em fluxos de trabalho de IA para florestas, prometendo maior escalabilidade e consistência temporal, desde que se reconheça e gerencie a subjetividade inerente aos dados de referência humana.