variações de mdts gerados a partir de dados lidar: estudo

Variaccedilotildees de MDTs gerados a partir de dados LiDAR Estudo comparativo entre

diferentes classificadores

Carlos Alberto Silva1

Veraldo Liesenberg2

Carine Klauberg1

Andrew Hudak3

Robert Liebermann3

Luiz Carlos Estraviz Rodrigues1

1 Universidade de Satildeo Paulo - USPESALQ

Caixa Postal 96 - 13416-000 - Piracicaba - SP Brasil

carlos_engflorestalyahoocombr

carine_klauberghotmailcom

lceruspbr 2 Freiberg University of Mining and Technology - TUBAF

Bernhard-von-Cotta-Str 2 - 09599 ndash Freiberg (Sachsen) Germany

veraldogmailcom 3 Rocky Mountain Research Station- USDA Forest Service

1221 South Main Street ndash 83843 Moscow - Idaho USA

ahudakfsfedus

rjlmailru

Abstract Automatic cloud point classification of airborne LiDAR (Light Detection and Ranging) data into

ground and non-ground points is an important step for both ecological and forest management analysis We

evaluated three freeware filtering algorithms for ground classification Our study area is located in western

Washington State (USA) The area contains different land use classes ranging from bare soil to shrubland log

forest and dense forest We compare the different ground classification results each other and faced it with a

topographic map The high point density of the LiDAR dataset (gt4 pointsm2) brought us good classification

results based on RSME CV and MAE Elevation profiles encompassing different land use types did not show

significant contribution of vegetation Since the forest is managed less contribution were found from the

understory stratum and the ground floor level However some outliers were found in abrupt topographic

changes requiring therefore manual edition Further investigation should take into account the relief changes at

different land use types and evaluate the impact of the topography on the extraction of individual trees

Palavras-chave ALS LiDAR remote sensing MDT MDE forest management ground classification

1 Introduccedilatildeo

O LiDAR (Light Detection and Ranging) eacute um sistema ativo que nos uacuteltimos anos tem

sido umas das priacutencipais tecnologias do sensoriamento remoto aplicadas na representaccedilatildeo de

superfiacutecies (Hodgson et al 2004 Hudak et al 2009 Pacheco et al 2011) O princiacutepio de

funcionamento desta tecnologia consiste na emissatildeo de um pulso laser que apoacutes interagir com

um objeto na superfiacutecie terrestre retorna para o sensor em um dado intervalo de tempo A

diferenccedila de tempo entre a emissatildeo e recepccedilatildeo permite reproduzir feiccedilotildees da superfiacutecie do

terreno e das estruturas verticais presentes na superfiacutecie terrestre (NOAA 2008)

O modelo digital de terreno (MDT do inglecircs Digital terrain model (DTM)) eacute uma

representaccedilatildeo da superfiacutecie livre de objetos ou seja solo nu Dentre as suas principais

aplicaccedilotildees nas geociecircncias destacam-se a delimitaccedilatildeo de bacias hidrograacuteficas e extraccedilatildeo de

hidrografia anaacutelises geoloacutegicas determinaccedilatildeo do comprimento e inclinaccedilatildeo de rampa na

modelagem do potencial erosivo dos solos planejamento de estradas terraplenagem e entre

outros usos (Reutebuch et al 2005) A geraccedilatildeo automaacutetica de MDTs tecircm sido foco de

inuacutemeros estudos utilizando a tecnologia LiDAR (Tinkham et al 2011) No entanto o

Anais XVI Simpoacutesio Brasileiro de Sensoriamento Remoto - SBSR Foz do Iguaccedilu PR Brasil 13 a 18 de abril de 2013 INPE

6113

principal desafio a ser atingido para uma fiel representaccedilatildeo do terreno corresponde a uma

eficiente filtragem da nuvem de pontos correspondentes ao solo nu No entanto a distinccedilatildeo

entre o solo e as demais feiccedilotildees eacute um enorme desafio dependendo das caraceriacutesticas naturais

da aacuterea (Meng et al 2010) Alguns dos principais meacutetodos de filtragem da nuvem de pontos

referente ao solo nu podem serem encontrados em Briese et al 2001 Kraus e Pfeifer 1998

2001 Evans e Hudak 2007 e Tinkham et al 2011

Diante desta temaacutetica o principal objetivo deste trabalho foi o de comparar a geraccedilatildeo de

MDTs provenientes de diferentes filtros de classificaccedilatildeo do solo de acesso livre Aleacutem da

comparaccedilatildeo entre si procedeu-se uma comparaccedilatildeo dos resultados com cartas topograacuteficas

2 Descriccedilatildeo da aacuterea de estudo

O presente trabalho foi realizado com dados LiDAR disponibilizados no portal do Remote

Sensing Applications Center (RSAC) pertencente ao Serviccedilo Florestal Americano (US Forest

Service) A aacuterea em estudo (Figura 1) citado por McGaughey (2012) e Andersen et al (2005)

estaacute localizada em Capitol State Forest no oeste do estado de Washington (EUA) A floresta eacute

composta por espeacutecies de coniacuteferas incluindo douglas-fir (Pseudotsuga menziessi) hemlock

ocidental (Tsuga heterophylla) cedro-vermelho ocidental (Thuja plicata) incluindo tambeacutem

espeacutecies de madeira resistentes tais como amieiro (Alnus rubra) e plaacutetano (Acer

macrophyllum) A aacuterea de estudo eacute um ambiente aonde pesquisas silviculturais satildeo

desenvolvidas tais como a investigaccedilatildeo dos efeitos causados por diferentes tipos e manejo de

colheita florestal Na aacuterea encontram-se solo exposto campos arbustivos florestas manejadas

com corte seletivo e florestas com vegetaccedilatildeo densa

Figura 1 Detalhe da aacuterea de estudo no contexto nacional (A) fotografia aeacuterea ortoretificada

da Capitol Forest com detalhe a seleccedilatildeo de dois perfis para futura anaacutelise da elevaccedilatildeo (B) e

visualizaccedilatildeo 3D de uma aacuterea selecionada (retacircngulo amarelo) da aacuterea de estudo com dados

aerotransportados LiDAR (C) Fonte Washington State Department of Natural Resources

Segundo Andersen et al (2005) o sobrevocirco LiDAR foi realizado na primavera de 1999

utilizando sensor de retorno discreto com um estreito campo de visada O sistema ldquoSaab

TopEyerdquo foi embarcado em um helicoacuteptero que sobrevoou toda a aacuterea de estudo (Figura 1)

Complementarmente a aquisiccedilatildeo LiDAR fotografias ortoretificadas foram adquiridas com

uma resoluccedilatildeo espacial de 30cm (Figura 1) Os dados foram gentilmente cedidos para fins

educacionais pela Washington State Department of Natural Resources (McGaughey

comunicaccedilatildeo pessoal) A Tabela 1 apresenta os paracircmetros de vocirco e as configuraccedilotildees dos

equipamentos utilizados para a aquisiccedilatildeo dos dados LIDAR Para cada retorno foram

incluiacutedos o nuacutemero de pulsos nuacutemero de retorno por pulsos a correspondente localizaccedilatildeo em

X e Y elevaccedilatildeo acircngulo de aquisiccedilatildeo e a intensidade de retorno


6114

Tabela 1 Especificaccedilotildees dos dados aerotransportados LiDAR e dados gerados

3 Material e Meacutetodos

Os aplicativos usados para a classificaccedilatildeo dos dados LiDAR foram 1) Multiscale

Curvature Classification um aplicativo para classificaccedilatildeo de nuvem de pontos LiDAR

(MCC httpsourceforgenetprojectmccLiDAR Evans e Hudak 2007) 2) GroundFilter

um aplicativo do Fusion (GF httpforsyscfrwashingtonedufusion McGaughey 2012) e

3) LASground um aplicativo do LAStools (LG httpwwwcsuncedu~isenburglastools

Isenburg et al 2006) O pacote MCC foi desenvolvido pela US Forestry Science Rocky

Mountain Research Station enquanto o FusionLDV pelo US Forestry Science Pacific

Northwest Research Station e o LAStools atualmente de forma independente Os dois

primeiros satildeo de livre acesso enquanto que o terceiro eacute limitado para uso gratuito (cerca de 2

milhotildees de pontos)

Os dois uacuteltimos aplicativos fazem parte de um coletacircnea de aplicativos para

processamento de dados LiDAR Os trecircs aplicativos possuem diferente dados de entrada e se

baseiam no princiacutepio de interpolaccedilatildeo da nuvem de pontos do topo para a base Em funccedilatildeo da

alta densidade de pontos por m2 dos dados (Tabela 1) sempre optou-se por selecionar os

criteacuterios mais rigorosos para a extraccedilatildeo dos pontos de solo Apoacutes a determinaccedilatildeo dos pontos

de superfiacutecie para cada meacutetodo de classificaccedilatildeo os dados foram convertidos para uma grade

regular contendo uma resoluccedilatildeo espacial de 1m O meacutetodo de interpolaccedilatildeo usado foi o de

krigagem linear Uma carta topograacutefica gerada a partir de restituiccedilatildeo aerofotogrameacutetrica foi

usada para afericcedilatildeo dos dados LiDAR (Whashington 2012) A mesma possui uma resoluccedilatildeo

espacial de 10m

Os resultados obtidos pela superfiacutecie interpolada de cada um dos trecircs classificadores foi

comparada com os dados da carta topograacutefica Apesar da carta topograacutefica estar mais

relacionada a um modelo digital de elevaccedilatildeo (MDE) a comparaccedilatildeo ainda eacute vaacutelida em funccedilatildeo

da indisponibilidade de mediccedilotildees mais precisas de campo baseadas em GPS diferencial A

comparaccedilatildeo entre os dados obtidos pelos classificadores foi entatildeo comparada estatiacutesticamente

baseados no erro meacutedio quadraacutetico (RMSE Equaccedilatildeo 1) seu coeficiente de variacircncia do erro

meacutedio quadraacutetico (CV Equaccedilatildeo 2) e o erro absoluto meacutedio (MAE Equaccedilatildeo 3)

O yi eacute o valor calculado (dado LiDAR classificado como solo) e xi eacute o valor observado (valor

correspondente da carta topograacutefica) eacute a meacutedia do valor observado e eacute a meacutedia do valor

calculado A Figura 2 mostra o fluxograma de atividades realizado nesse trabalho

Atributos Valores

Altitude de vocirco 200 m

Velocidade de vocirco 25 ms

Largura da faixa imageada 70 m

Campo de imageamento plusmn8 graus

Densidade de pontos 4 pontos msup2

Taxa dos pulsos 7000 pontoss

Maacuteximo retorno por pulso 4

Diacircmetro do feixe 40 cm


6115

Figura 2 Fluxograma do processamento de dados LiDAR

4 Resultados e Discussotildees

Os trecircs classificadores mostraram resultados similares para a classificaccedilatildeo do solo (Figura

3) Para uma dada classificaccedilatildeo a densidade de pontos que atingiu o solo foi proporcional a

densidade do nuacutemero de aacutervores por hectare (ha) e cobertura de copas Em aacutereas de solo

exposto a densidade foi de 4 pontosm-2

enquanto que em aacutereas de floresta densa inferior a 1

pontom-2

A maior densidade de aacutervores bem como uma maior cobertura de copas faz com

que a maioridade dos pontos LiDAR fique no topo das copas Os resultados corroboram com

a literatura disponiacutevel sobre o tema em ambientes diversos (Ribas 2010 Pacheco et al

2011)

A) B) C) N

Figura 3 Representaccedilatildeo tridimensional das classificaccedilotildees gerados pelo Fusion (A) Lastools

(B) e MCC (C)

A geraccedilatildeo dos MDTs por meio do interpolador krigagem foram similares para os

diferentes classificadores (Figura 4) Isso foi devido a relativa similaridade da densidade dos

pontos em cada grupo vegetational (Figura 3) Uma anaacutelise dos perfis de elevaccedilatildeo (Figura 1B)

natildeo mostraram maiores efeitos resiacuteduais da vegetaccedilatildeo apoacutes as classificaccedilotildees (Figura 5) A

adequada filtragem dos pontos de solo estaacute certamente relacionada ao fato dos algoritmos

terem sido desenvolvidos para ambientes similares ao usado nesta investigaccedilatildeo Ainda pela

alta densidade de pontos LiDAR Uma maior densidade de pontos LiDAR em aacutereas vegetadas


6116

favorece a maior probabilidade de um ponto atingir a superfiacutecie do solo Por se tratarem de

aacutereas manejadas o sub-dosel da floresta eacute em geral menos denso do que observado em aacutereas

sem manejo bem como em florestas tropicais Esse aspecto favorece a menor probabilidade

dos pontos terem atingido a vegetaccedilatildeo arbustiva ou mesmo sobre troncos caiacutedos no interior da

floresta (Figura 5)

A) B)

C)

N

Figura 4 Representaccedilatildeo tridimensional dos MTDs gerados pelas classificaccedilotildees em Fusion

(A) Lastools (B) e MCC (C) Exagero vertical 375 cm

A1)

B1)

C1)

A2)

B2)

C2)

Elev

accedilatildeo

(m

)

Distacircncia (m) Figura 5 Perfis topograacuteficos gerados pelo DTMs Fusion (A) lastools (B) e MCC (C) Os

nuacutemeros apoacutes as letras indicam a posiccedilatildeo das transeccedilotildees em projeccedilatildeo UTM (Figura 1B) a

saber 1) Leste-Oeste (p1=48732501 518951050 p2=48863065 518951050 e 2) Norte-Sul

(p3=48799574 519004402 p4= 48799574 518912030)

A comparaccedilatildeo do desempenho entre classificadores pelo meacutetodo da diferenccedila simples

(Figura 6) revelou uma dissimilaridade entre os resultados da classificaccedilatildeo obtidos pelo MCC

(Figuras 6A 6B) aos obtidos pelos meacutetodos Lastools e Fusion (Figura 6C) Os dois uacuteltimos

revelaram diferenccedilas miacutenimas entre si indicando uma similaridade no desempenho

classificatoacuterio (Figuras 6D 6E 6F) As diferenccedilas negativas observadas pelo MCC quando

comparado seja pelo meacutetodo Lastools ou Fusion estiveram restritos a pontos individuais

Uma interpretaccedilatildeo visual sobre a fotografia aeacuterea ortoretificada (Figura 1B) MDTs (Figuras

6D 6E 6F) e MDE (restituiccedilatildeo aerofotogrameacutetrica) mostram que os pontos negativos estatildeo

relacionados a mudanccedilas abruptas de relevo e de transiccedilatildeo entre classes de uso do solo Um

aspecto interessante tambeacutem estaacute relacionado na variaccedilatildeo do intervalo das diferenccedilas

observadas entre os classificadores Enquando a variaccedilatildeo de 20m eacute observada para o MCC o


6117

valor eacute reduzido para 2m para os demais meacutetodos Entretando a distribuiccedilatildeo espacial dos

pontos espuacuterios eacute quase que idecircntica Uma ediccedilatildeo manual sobre os pontos individuais se faz

entatildeo necessaacuteria

A)

B)

D)

E)

C) F)

Figura 6 Diferenccedilas entre as classificaccedilotildees geradas pelo Fusion (A) Lastools (B) e MCC (C)

A Tabela 2 mostra os resultados dos testes estatiacutesticos empregados O trecircs meacutetodos de

classificaccedilatildeo apresentaram resultados similares de RMSE CV-RMSE e MAE com maiores

valores entretando atribuiacutedos ao classificador MCC Embora com estatiacutesticas similares uma

anaacutelise dos histogramas obtidos pelos diferentes classificadores (Figura 7) Uma anaacutelise mais

detalhada referente aos diferentes tipos de uso do solo eacute portanto recomendada

Tabela 2 Resultados dos testes estatiacutesticos

DTM Testes Estatiacutesticos

RMSE CV-RMSE () MAE ()

Fusion 79011 23391 19554

Lastools 78603 23484 19696

MCC 78928 23501 19693 Obs Foram pareados 1048575 pontos para execuccedilatildeo dos testes estatiacutesticos


6118


5 Conclusotildees e Recomendaccedilotildees

As classificaccedilotildees descritas na presente investigaccedilatildeo embora similares representam uma

sugestatildeo acessiacutevel e satisfatoacuteria para obtenccedilatildeo automaacutetica de MDTs Os mesmos podem ser

aplicados em regiotildees planas e moderamente onduladas com diferentes tipos de vegetaccedilatildeo

requerendo uma miacutenima intervaccedilatildeo manual de ediccedilatildeo dos pontos A qualidade dos MDTs

gerados devem ser constadas preferencialmente em campo com mediccedilotildees de GPS diferencial

Futuros estudos devem envolver uma anaacutelise mais detalhada dos resultados em diferentes

classes de uso do solo Os efeitos de uma adequada classificaccedilatildeo podem entatildeo ser avaliadas


6119

para a determinaccedilatildeo de aacutervores individuais de maneira similar ao proposto por Oliveira et al

(2012)

6 Agradecimentos

Agrave Washington State Department of Natural Resources pela cessatildeo dos dados

aerotransportados LiDAR e imagens para a realizaccedilatildeo desse estudo A FAPESP e ao CNPq

pelas bolsas concedidas

7 Referecircncias Bibliograacuteficas

Andersen H-E McGaughey RJ Reutebuch SE Forest Measurement and Monitoring using high-resolution

airborne LiDAR Productivity of Western Forests A Forest Products Focus 2005

Briese C Pfeifer N Airborne Laser Scanning and Derivation of Digital Terrain Models Fifth Conference on

Optical 3-D Measurement Techniques Vienna Austria 2001

Evans JS Hudak AT A multiscale curvature algorithm for classifying discrete return lidar in forested

environments IEEE Transactions on Geoscience and Remote Sensing v 45 p 1029-1038 2007

Hodgson ME Bresnahan P Accuracy of Airborne Lidar-Derived Elevation  Empirical Assessment and Error

Budget Photogrammetric Engineering amp Remote Sensing v 70 n 3 p 331-339 2004

Hudak AT Evans JS Stuart Smith AM LiDAR Utility for Natural Resource Managers Remote sensing

1(4) (2009) 934ndash951

Isenburg M Liu Y Shewchuk J Snoeyink J Thirion T Generating raster DEM from Mass Points via TIN

Streaming In GISciencersquo06 Proceedings hellip Articles p 186 - 198 2006

Kraus K Pfeifer N Determination of terrain models in wooded areas with airborne laser scanner data ISPRS

Journal of Photogrammetry and Remote Sensing v 53 p 193-203 1998

Kraus K Pfeifer N Advanced DTM Generation from LiDAR data International Archives of

Photogrammetry Remote Sensing and Spatial Information Sciences v 34 n 3W4 p 23-30 2001

McGaughey RJ FUSIONLDV Software for LIDAR Data Analysis and Visualization V310 Washington

DC USDAForest Service p 170 2012

Meng X Currit N Zhao K Ground Filtering Algorithms for Airborne LiDAR Data A Review of Critical

Issues Remote Sensing v 2 n 3 p 833-860 2010

National Oceanic and Atmospheric Administration (NOAA) Coastal Services Center LiDAR 101 An

Introduction LiDAR Technology Data and Applications Charleston SC NOAA Coastal Services Center

2008 Disponivel em httpwwwcscnoaagovdigitalcoast_pdfWhat_is_Lidarpdf Acesso em 10 nov 2012

Oliveira LT Carvalho LMT Ferreira MZ Oliveira TCA Acerbi Junior FW Application of LiDAR to

Forest Inventory for tree count in stands of Eucalyptus sp Cerne v 18 n 2 2012

Pacheco AP Centeno JAS Assunccedilatildeo MGT Botelho MF Classificaccedilatildeo de pontos LiDAR para a

geraccedilatildeo do MDT Boletim de Ciecircncias Geodeacutesicas v 17 n 3 p 417-438 2011

Reutebuch SE Andersen H-E McGaughey RJ Light detection and ranging (LIDAR) an emerging tool for

multiple resource inventory Journal of Forestry v 103 n 6 p 286-292 2005

Ribas RP Mapeamento de coacuterregos de cabeceira sob dosseacuteis florestais utilizando dados LiDAR Revista

Brasileira de Cartografia v 63 p 123-129 2010

Tinkham WT Huang H Smith AMS Shrestha R Falkowski MJ Hudak AT Link TE Glenn NF

Marks DG Comparison of Two Open Source LiDAR Surface Classification Algorithms Remote Sensing v3

p 638-649 2011

Washington Disponiacutevel em httpgisesswashingtonedudatarastertenmeterbyquadindexhtml Acesso em

10 nov 2012


6120

principal desafio a ser atingido para uma fiel representaccedilatildeo do terreno corresponde a uma

eficiente filtragem da nuvem de pontos correspondentes ao solo nu No entanto a distinccedilatildeo

entre o solo e as demais feiccedilotildees eacute um enorme desafio dependendo das caraceriacutesticas naturais

da aacuterea (Meng et al 2010) Alguns dos principais meacutetodos de filtragem da nuvem de pontos

referente ao solo nu podem serem encontrados em Briese et al 2001 Kraus e Pfeifer 1998

2001 Evans e Hudak 2007 e Tinkham et al 2011

Diante desta temaacutetica o principal objetivo deste trabalho foi o de comparar a geraccedilatildeo de

MDTs provenientes de diferentes filtros de classificaccedilatildeo do solo de acesso livre Aleacutem da

comparaccedilatildeo entre si procedeu-se uma comparaccedilatildeo dos resultados com cartas topograacuteficas

2 Descriccedilatildeo da aacuterea de estudo

O presente trabalho foi realizado com dados LiDAR disponibilizados no portal do Remote

Sensing Applications Center (RSAC) pertencente ao Serviccedilo Florestal Americano (US Forest

Service) A aacuterea em estudo (Figura 1) citado por McGaughey (2012) e Andersen et al (2005)

estaacute localizada em Capitol State Forest no oeste do estado de Washington (EUA) A floresta eacute

composta por espeacutecies de coniacuteferas incluindo douglas-fir (Pseudotsuga menziessi) hemlock

ocidental (Tsuga heterophylla) cedro-vermelho ocidental (Thuja plicata) incluindo tambeacutem

espeacutecies de madeira resistentes tais como amieiro (Alnus rubra) e plaacutetano (Acer

macrophyllum) A aacuterea de estudo eacute um ambiente aonde pesquisas silviculturais satildeo

desenvolvidas tais como a investigaccedilatildeo dos efeitos causados por diferentes tipos e manejo de

colheita florestal Na aacuterea encontram-se solo exposto campos arbustivos florestas manejadas

com corte seletivo e florestas com vegetaccedilatildeo densa

Figura 1 Detalhe da aacuterea de estudo no contexto nacional (A) fotografia aeacuterea ortoretificada

da Capitol Forest com detalhe a seleccedilatildeo de dois perfis para futura anaacutelise da elevaccedilatildeo (B) e

visualizaccedilatildeo 3D de uma aacuterea selecionada (retacircngulo amarelo) da aacuterea de estudo com dados

aerotransportados LiDAR (C) Fonte Washington State Department of Natural Resources

Segundo Andersen et al (2005) o sobrevocirco LiDAR foi realizado na primavera de 1999

utilizando sensor de retorno discreto com um estreito campo de visada O sistema ldquoSaab

TopEyerdquo foi embarcado em um helicoacuteptero que sobrevoou toda a aacuterea de estudo (Figura 1)

Complementarmente a aquisiccedilatildeo LiDAR fotografias ortoretificadas foram adquiridas com

uma resoluccedilatildeo espacial de 30cm (Figura 1) Os dados foram gentilmente cedidos para fins

educacionais pela Washington State Department of Natural Resources (McGaughey

comunicaccedilatildeo pessoal) A Tabela 1 apresenta os paracircmetros de vocirco e as configuraccedilotildees dos

equipamentos utilizados para a aquisiccedilatildeo dos dados LIDAR Para cada retorno foram

incluiacutedos o nuacutemero de pulsos nuacutemero de retorno por pulsos a correspondente localizaccedilatildeo em

X e Y elevaccedilatildeo acircngulo de aquisiccedilatildeo e a intensidade de retorno


6114






















espacial de 10m











Atributos Valores










6115








pontom-2




2011)

A) B) C) N


(B) e MCC (C)









6116





floresta (Figura 5)

A) B)

C)

N



A1)

B1)

C1)

A2)

B2)

C2)

Elev

accedilatildeo

(m

)




(p3=48799574 519004402 p4= 48799574 518912030)













6117




A)

B)

D)

E)

C) F)










Fusion 79011 23391 19554

Lastools 78603 23484 19696



6118











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120






















espacial de 10m











Atributos Valores










6115








pontom-2




2011)

A) B) C) N


(B) e MCC (C)









6116





floresta (Figura 5)

A) B)

C)

N



A1)

B1)

C1)

A2)

B2)

C2)

Elev

accedilatildeo

(m

)




(p3=48799574 519004402 p4= 48799574 518912030)













6117




A)

B)

D)

E)

C) F)










Fusion 79011 23391 19554

Lastools 78603 23484 19696



6118











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120








pontom-2




2011)

A) B) C) N


(B) e MCC (C)









6116





floresta (Figura 5)

A) B)

C)

N



A1)

B1)

C1)

A2)

B2)

C2)

Elev

accedilatildeo

(m

)




(p3=48799574 519004402 p4= 48799574 518912030)













6117




A)

B)

D)

E)

C) F)










Fusion 79011 23391 19554

Lastools 78603 23484 19696



6118











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120





floresta (Figura 5)

A) B)

C)

N



A1)

B1)

C1)

A2)

B2)

C2)

Elev

accedilatildeo

(m

)




(p3=48799574 519004402 p4= 48799574 518912030)













6117




A)

B)

D)

E)

C) F)










Fusion 79011 23391 19554

Lastools 78603 23484 19696



6118











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120




A)

B)

D)

E)

C) F)










Fusion 79011 23391 19554

Lastools 78603 23484 19696



6118











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120











6119


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120


(2012)

6 Agradecimentos














1(4) (2009) 934ndash951
























p 638-649 2011


10 nov 2012


6120

variações de mdts gerados a partir de dados lidar: estudo

Documents