O presente trabalho foi realizado com o objetivo de analisar a influência da idade na detecção automática de árvores em talhões de Eucalyptus sp. por meio de dados LIDAR. Foram analisados 3 talhões com as idades de 3, 5, e 7 anos. Esses talhões tiveram os dados da nuvem de pontos do LIDAR referentes ao primeiro retorno, divididos em dois estratos verticais, o que gerou duas classes: Classe 1 (nuvem de pontos para toda a vegetação) e Classe 2 (nuvem de pontos para a vegetação acima de 10 metros). Os resultados da detecção do número de fustes para as duas classes foram comparados com o censo da área por meio de contagem visual em uma imagem de alta resolução espacial e com dados de inventário florestal. Na comparação com o censo, encontrou- se pouca diferença entre as idades para o número de fustes para a Classe 1, sendo mais indicado para as idades de 3 e 5 anos e a Classe 2, apesar de se observar uma tendência de subestimativa dos valores, é mais indicada para a idade de 7 anos. Quando se comparou com os dados do inventário florestal, observou-se uma coerência entre o número de fustes nos dois estratos verticais, desta forma o método proposto mostrou-se compatível com o inventário florestal para a intensidade amostral testada, para a obtenção da variável número de fustes.
The objective of this work was to determine the influence of stand age on the automatic detection of Eucalyptus sp. trees using LIDAR datasets. Three different stands 3, 5 and 7 years old were analyzed. The LIDAR cloud point data of the first return was split into two datasets: Class 1 (points for all vegetation), Class 2 (points for vegetation above 10m). Results for obtaining the number of stems for each dataset were compared to the census of the area, which was done by visual interpretation using an auxiliary high spatial resolution remote sensing image, and to forest inventory estimates. In comparison to the census data, tree counting using Class 1 dataset agreed well for all considered ages, with best results achieved in 3 and 5 year old stands. On the other hand, Class 2 biased toward underestimated values. The best results for this class were verified in 7 year old stands. When compared to the forest inventory data, this methodology proved to be more efficient. The number of stems derived from the forest inventory was biased towards overestimation. In order to achieve better estimates using forest inventory data, an intensification of the sampling procedure would be necessary.
