02530naa a2200289 a 450000100080000000500110000800800410001902400560006010000240011624501440014026000090028452016440029365000100193765000120194765000220195965000130198165300140199465300080200865300200201665300120203665300200204870000230206870000220209170000250211370000260213877300760216421499102022-12-19       2021    bl uuuu     u00u1 u    #d7 ahttps://doi.org/10.29150/2237-2202.2021.2519682DOI1 aNISHIWAKI, A. A. M.  aComparação de métodos de detecção de indivíduos vegetais da Caatinga a partir de dados LiDAR aerotransportado.h[electronic resource]  c2021  aPor realizar levantamentos de dados de forma rápida e eficiente, o sistema de varredura a laser tem sido bastante aplicado para diversas finalidades. Na aplicação florestal, muitos estudos utilizam dados de LiDAR para estimar dados de inventários florestais. O presente estudo visa estimar o número de árvores e suas respectivas alturas totais, usando diferentes algoritmos com o intuito de comparar a eficiência dos mesmos. Em campo, foram contabilizados indivíduos com DAP ? 3 cm. Os dados LiDAR foram obtidos na plataforma do Projeto Pernambuco Tridimensional ? PE3D e processados em software R. A detecção de indivíduos foi feita a partir das nuvens de pontos e do CHM, ambas por meio da aplicação do Filtro Local Máximo com janela de tamanho variável baseada na relação entre o diâmetro da copa e a altura total do indivíduo. Na geração do CHM, foram utilizados dois diferentes algoritmos (point-to-raster e pitfree), em diferentes resoluções (0,5 e 1 em point-to-raster e 0,5 em pitfree) e suavizações com um filtro de mediana aplicado nos CHMs criados pelo algoritmo point-to-raster, totalizando seis tipos diferentes de CHM. O uso de nuvens de baixa densidade de pontos para detecção de indivíduos demonstrou-se inferior comparado ao uso de CHM, mesmo em relação ao CHM com poços. O método de suavização com resolução de 0,5 m apresentou melhor resposta na identificação das árvores dentre os métodos analisados, contrastando com a técnica usada para remover os poços (pitfree), que revelou baixa precisão, no entanto, obteve resultados significativos na estimativa de altura das árvores  aTrees  aÁrvore  aÁrvore Florestal  aCaatinga  aAlgoritmo  aCHM  aNuvem de pontos  aPitfree  aPoint-to-raster1 aMOURA, M. S. B. de1 aGALVÍNCIO, J. D.1 aSANTOS, C. V. B. dos1 aCARVALHO, H. F. de S.  tJournal of Hyperspectral Remote Sensinggv. 11, n. 5, p. 302-309, 2021.