Evolução e tendências do uso de Aeronaves Remotamente Pilotadas no Brasil (2017-2022) e suas implicações para o geoprocessamento
Author:
Paz Otacílio Lopes de SouzaORCID, Ribeiro Ivandra AlvesORCID, Berra Elias FernandoORCID, Paula Eduardo VedorORCID
Abstract
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.
Publisher
Universidad del Valle
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference27 articles.
1. 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 2. 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 3. 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 4. 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 5. 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
|
|