Evolução e tendências do uso de Aeronaves Remotamente Pilotadas no Brasil (2017-2022) e suas implicações para o geoprocessamento
Barra lateral del artículo
Contenido principal del artículo
As aeronaves remotamente pilotadas (RPA) revolucionaram o campo do Sensoriamento Remoto, democratizando a aquisição de dados geoespaciais aéreos. No Brasil, o uso das RPAs é regulamentado pela Agência Nacional de Aviação Civil (ANAC), por meio de cadastros em sistemas específicos vinculados ao Departamento de Controle do Espaço Aéreo. Como os dados de cadastro das RPAs são disponibilizados na internet, há uma oportunidade de analisar quantitativamente a evolução e o cenário atual do uso de RPAs no Brasil. Objetiva-se realizar esse balanço, apresentando o uso das RPAs no Brasil, elencando quantidades de cadastros, fabricantes e modelos das RPAs e ramos de atuação, tendo como recorte temporal de 2017 a 2022. Os dados tabulares foram coletados no endereço eletrônico da ANAC e do Portal Brasileiro de Dados Abertos, sendo analisados com uso do software Microsoft Excel. Foi observado aumento de 269% no total de RPAs cadastradas, com expressiva concentração no Distrito Federal, São Paulo, Santa Catarina, Mato Grosso do Sul e Paraná. Também foi identificado crescimento do número de registros de RPAs para uso profissional e por pessoas jurídicas, corroborando a ideia de uma progressiva profissionalização do uso das RPAs no País. Predomina no Brasil o uso de RPAs do tipo quadrimotor. A análise dos diversos ramos de aplicação permitiu uma classificação em quatro grandes áreas: recreação, comercial, poder público e pesquisas científicas. Os resultados corroboram a ideia de que as RPAs têm sido amplamente utilizadas em estudos técnico-científicos, sobretudo nas áreas de planejamento e gestão do território. Ao final, apresenta-se uma discussão/reflexão dos usos das RPAs em pesquisas científicas no campo do geoprocessamento.
Al-Najjar, H., Kalantar, B., Pradhan, B., Saeidi, V., Halin, A., Ueda, N., & Mansor, S. (2019). Land cover classification from fused DSM and UAV images using convolutional neural networks. Remote Sensing, 11(12), 1461. https://doi.org/10.3390/rs11121461 DOI: https://doi.org/10.3390/rs11121461
Barbosa, B., Araújo e Silva Ferraz, G., Mendes dos Santos, L., Santana, L., Bedin Marin, D., Rossi, G., & Conti, L. (2021). Application of RGB images obtained by UAV in coffee farming. Remote Sensing, 13(12), 2397. https://doi.org/10.3390/rs13122397 DOI: https://doi.org/10.3390/rs13122397
Buffon, E., da Paz, O., & Sampaio, T. (2017). Uso de Veículo Aéreo Não Tripulado (VANT) para mapeamento das vulnerabilidades à inundação urbana: referenciais e bases de aplicação. Revista do Departamento de Geografia, XVII(9), 180-189. https://doi.org/10.11606/rdg.v0ispe.132547 DOI: https://doi.org/10.11606/rdg.v0ispe.132547
Cabral, V., Reis, F., D’Affonseca, F., Lucía, A., dos Santos, C., Veloso, V., Gramani, M., Ogura, A., Lazaretti, A., Vemado, F., Filho, A., dos Santos, C., Lopes, E., Rabaco, L., Giordano, L., & Zarfl, C. (2021). Characterization of a landslide-triggered debris flow at a rainforest-covered mountain region in Brazil. Natural Hazards, 108, 3021-3043. https://doi.org/10.1007/s11069-021-04811-9 DOI: https://doi.org/10.1007/s11069-021-04811-9
Cao, J., Leng, W., Liu, K., Liu, L., He, Z., & Zhu, Y. (2018). Object-based mangrove species classification using unmanned aerial vehicle hyperspectral images and digital surface models. Remote Sensing, 10(1), 89. https://doi.org/10.3390/rs10010089 DOI: https://doi.org/10.3390/rs10010089
Cunha, A., Alixandrini Jr, M., & Fernandes, V. (2020). Avaliação de erosão por imagens de aeronave remotamente pilotada a baixa altura de voo. Geografia (Londrina), 29(1), 191-210. https://doi.org/10.5433/2447-1747.2020v29n1p191 DOI: https://doi.org/10.5433/2447-1747.2020v29n1p191
Escalante, J., Aceres, J., & Porras, H. (2016). Ortomosaicos y modelos digitales de elevación generados a partir de imágenes tomadas con sistemas UAV. Tecnura, 20(50), 119-140. https://tinyurl.com/5n6ckys7
Gonçalves, V. (2021). Metodologia de análise de imagens baseada em objetos geográficos (GEOBIA) utilizando RPAS (drone) com sensor RGB. Estrabão, 2, 41-85. https://doi.org/10.53455/re.v2i.5 DOI: https://doi.org/10.53455/re.v2i.5
Hung, M., Sampaio, T., Schultz, G., Siefert, C., Lange, D., Marangon, F., & dos Santos, I. (2018). Levantamento com veículo aéreo não tripulado para geração de modelo digital do terreno em bacia experimental com vegetação florestal esparsa. Raega-O Espaço Geográfico em Análise, 43, 215-231. https://doi.org/10.5380/raega.v43i0.56621 DOI: https://doi.org/10.5380/raega.v43i0.56621
Luo, M., Tian, Y., Zhang, S., Huang, L., Wang, H., Liu, Z., & Yang, L. (2022). Individual Tree Detection in Coal Mine Afforestation Area Based on Improved Faster RCNN in UAV RGB Images. Remote Sensing, 14(21), 5545. https://doi.org/10.3390/rs14215545 DOI: https://doi.org/10.3390/rs14215545
Machado, H., Henriques, R., & de Souza, R. (2021). Mineração e relevo antropogênico, o exemplo da extração de esteatito em Santa Rita, Ouro Preto, Minas Gerais. Caminhos de Geografia, Uberlândia, 22(81), 166-175. https://doi.org/10.14393/RCG228155361 DOI: https://doi.org/10.14393/RCG228155361
Meivel, S., & Maheswari, S. (2020, 5-7 de junio). Optimization of agricultural smart system using remote sensible NDVI and NIR thermal image analysis techniques [Conferencia]. 2020 International Conference for Emerging Technology (INCET), Belgaum, India. https://doi.org/10.1109/INCET49848.2020.9154185 DOI: https://doi.org/10.1109/INCET49848.2020.9154185
Murugan, D., Garg, A., & Singh, D. (2017). Development of an adaptive approach for precision agriculture monitoring with drone and satellite data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(12), 5322-5328. https://doi.org/10.1109/JSTARS.2017.2746185 DOI: https://doi.org/10.1109/JSTARS.2017.2746185
Paz, O., Vikou, S., Pilatti, D., Paula, E., & Oliveira, M. (2021). Análise da eficiência do uso de aeronaves remotamente pilotadas no mapeamento de solo exposto em manguezais urbanos. Sociedade & Natureza, 33. https://doi.org/10.14393/SN-v33-2021-59586 DOI: https://doi.org/10.14393/SN-v33-2021-59586
Paz, O., & Paula, E. (2022). Alteração morfológica de barra fluvial após um evento extremo de precipitação: estudo de caso no Rio Jacareí – Litoral Sul do Brasil. William Morris Davis-Revista de Geomorfologia, 3(2), 1-13. https://doi.org/10.48025/ISSN2675-6900.v3n2.2022.158 DOI: https://doi.org/10.48025/ISSN2675-6900.v3n2.2022.158
Paz, O., & Sampaio, T. (2019a). Geração de modelo digital do terreno e extração de parâmetros geomorfométricos a partir de dados coletados por aeronaves remotamente pilotadas. Revista Cerrados, 17(2), 247-264. https://doi.org/10.22238/rc2448269220191702247264 DOI: https://doi.org/10.22238/rc2448269220191702247264
Paz, O., & Sampaio, T. (2019b). Aeronaves remotamente pilotadas na pesquisa geográfica uma análise dos usos, aplicações e desenvolvimento tecnológico associado entre os anos de 2014 e 2017. Revista Interface (Porto Nacional), 17(17), 23-31. https://tinyurl.com/25ffny5e
Ruwaimana, M., Satyanarayana, B., Otero, V., Muslin, A., Syafiq A, M., Ibrahim, S., Raymaekers, D., Koedam, N., & Dahdouh, F. (2018). The advantages of using drones over space-borne imagery in the mapping of mangrove forests. PLOS ONE, 13(7), e0200288. https://doi.org/10.1371/journal.pone.0200288 DOI: https://doi.org/10.1371/journal.pone.0200288
Shafi, U., Mumtaz, R., Iqbal, N., Zaidi, S., Zaidi, S., Hussain, I., & Mahmood, Z. (2020). A multi-modal approach for crop health mapping using low altitude remote sensing, internet of things (IoT) and machine learning. IEEE Access, 8, 112708-112724. https://doi.org/10.1109/ACCESS.2020.3002948 DOI: https://doi.org/10.1109/ACCESS.2020.3002948
Silva, C., Duarte, C., Souto, M., & Sabadia, J. (2015, 25-29 de abril). Anais XVII Simpósio Brasileiro de Sensoriamento Remoto SBSR [Simposio]. Utilização de VANT para geração de ortomosaicos e aplicação do Padrão de Exatidão Cartográfica (PEC), João Pessoa – PB, Brasil. https://tinyurl.com/mrxvxsnw
Silva, J. (2021). Delimitação de voçorocas por meio de GEOBIA (Geographic Object Based Image Analysis) e mineração de dados. Boletim Paranaense de Geociências, 79, 81-99. https://doi.org/10.5380/geo.v79i0.72763 DOI: https://doi.org/10.5380/geo.v79i0.72763
Singh, A. P., Yerudkar, A., Mariani, V., Iannelli, L., & Glielmo, L. (2022). A bibliometric review of the use of unmanned aerial vehicles in precision agriculture and precision viticulture for sensing applications. Remote Sensing, 14(7), 1604. https://doi.org/10.3390/rs14071604 DOI: https://doi.org/10.3390/rs14071604
Sopchaki, C., da Paz, O., Graça, N., & Sampaio, T. (2018). Verificação da qualidade de ortomosaicos produzidos a partir de imagens obtidas com aeronave remotamente pilotada sem o uso de pontos de apoio. Raega-O Espaço Geográfico em Análise, 43, 200-214. https://doi.org/10.5380/raega.v43i0.56564 DOI: https://doi.org/10.5380/raega.v43i0.56564
Sosa, J., Alvarez, N., Cid, N., López, D., & Vallejo, M. (2022). Automated Health Estimation of Capsicum annuum L. Crops by Means of Deep Learning and RGB Aerial Images. Remote Sensing, 14(19), 4943. https://doi.org/10.3390/rs14194943 DOI: https://doi.org/10.3390/rs14194943
Takeshige, R., Onishi, M., Aoyagi, R., Sawada, Y., Imai, N., Ong, R., & Kitayama, K. (2022). Mapping the spatial distribution of fern thickets and vine-laden forests in the landscape of Bornean logged-over tropical secondary rainforests. Remote Sensing, 14(14), 3354. https://doi.org/10.3390/rs14143354 DOI: https://doi.org/10.3390/rs14143354
Whitehurst, D., Joshi, K., Kochersberger, K., & Weeks, J. (2022). Post-flood analysis for damage and restoration assessment using drone imagery. Remote Sensing, 14(19), 4952. https://doi.org/10.3390/rs14194952 DOI: https://doi.org/10.3390/rs14194952
Wyard, C., Beaumont, B., Grippa, T., & Hallot, E. (2022). UAV-based landfill land cover mapping: optimizing data acquisition and open-source processing protocols. Drones, 6(5), 123. https://doi.org/10.3390/drones6050123 DOI: https://doi.org/10.3390/drones6050123
- Marcelo Teixeira, Elias Fernando Berra, Adriane Avelhaneda Mallmann, Silvano Kruchelski, Análise temporal de índices de vegetação como subsídio à estimativa de biomassa acima do solo em iLPF , Entorno Geográfico: Núm. 27 (2024): Enero - Junio 2024 (27)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.