Mapear copas de árvores no QGIS: 6 métodos grátis e pagos
Publicado em Atualizado em
Para mapear copas de árvores no QGIS a partir de imagens multiespectrais, calcule o NDVI em Raster > Calculadora Raster…, aplique um limiar com Reclassificar por tabela e depois execute Raster > Converter > Raster para vetor (poligonizar). Isso gera cobertura, não árvores individuais. Os outros cinco métodos abrangem LiDAR, dados abertos e o caso em que você precisa de um polígono por copa.
a partir de imagens multiespectrais, calcule o NDVI em | O que você tem | Método | Quanto custa |
|---|---|---|
| Imagens multiespectrais com uma banda no infravermelho próximo | Método 1, NDVI e depois poligonização | Grátis, QGIS básico |
| Imagens RGB, sem placa, e você quer copas | Método 2, um modelo de segmentação na nuvem | Plano grátis, depois assinatura |
| LiDAR, ou um DSM e um DTM | Método 3, modelo de altura da copa | Grátis, QGIS básico |
| Imagens e várias classes para separar | Método 4, classificação supervisionada | Grátis, um plugin |
| Uma área ampla, e a data do ano passado serve | Método 5, um conjunto de dados aberto de cobertura arbórea | Download grátis |
| Imagens RGB e uma placa NVIDIA | Método 6, um modelo local de segmentação | Grátis, mas é preciso encontrar um modelo |
Decida se você precisa de cobertura ou de copas. A cobertura é uma superfície única, da qual sai um percentual. As copas são objetos contáveis, exatamente o que um levantamento de rua ou um inventário de parque exige.
Os caminhos de menu, ids de algoritmos, versões de plugins e preços foram consultados em 3 de setembro de 2026, comparando o manual do QGIS 3.44 com a página de cada projeto.
Método 1: limiar de NDVI
Trabalhe em um SRC projetado. Todo método aqui termina em uma área, e uma área em graus não serve para nada.
O NDVI separa a vegetação verde de telhados, estradas e água. Abra Raster > Calculadora Raster… e insira ("nir@1" - "red@1") / ("nir@1" + "red@1").
Depois execute Reclassificar por tabela (native:reclassifybytable, Caixa de Ferramentas de Processamento, Análise raster), com uma linha acima do limiar e outra abaixo, definindo o tipo de dados de saída como Byte. Poligonize o resultado.
Use quando: as imagens têm uma banda no infravermelho próximo e você quer cobertura.
Ignore quando: for preciso distinguir árvores de gramados ou plantações. O NDVI não consegue fazer isso, porque os três são verdes.
Método 2: um modelo de segmentação na nuvem
Um modelo de segmentação aprendeu como é uma copa. Por isso, ele divide um maciço em objetos contáveis, enquanto um limiar retorna uma única cobertura. Nós desenvolvemos um desses, AI Segmentation. Esta seção trata da nossa própria ferramenta.
Desenhe uma área sobre as imagens já abertas no QGIS e digite uma palavra. Os polígonos entram no SRC do seu projeto, cada um com uma área e uma pontuação de confiança. Digite tree para obter um polígono por copa, ou tree canopy para obter a cobertura como uma superfície.
Melhor para: um polígono por copa sobre imagens RGB, em uma máquina sem GPU.
Preço: grátis para 1,5 km² de terreno por mês, mais 20 objetos Semi-Auto na nuvem, sem cartão. O Pro custa € 39 por mês, sem impostos, para 100 km² e 500 objetos. Experimente o Pro grátis por 7 dias: adicione um cartão, cancele antes do fim e nada é cobrado.
Funciona em: QGIS 3.22 e versões posteriores, Windows, macOS ou Linux. O modelo roda em nossos servidores na União Europeia.
Instalação: gerenciador de complementos, depois um e-mail para entrar. Sem pacotes, sem pesos.
Onde funciona melhor: a palavra simples funciona bem. Em mais de 90 dias de execuções reais, tree voltou vazio em 10,5% dos blocos, contra 47,3% para orchard em 716 blocos. Por isso, o plugin troca a segunda palavra pela primeira antes que você gaste qualquer coisa.
Onde fica aquém: um maciço fechado não tem bordas de copa para encontrar. Portanto, uma execução de tree retorna uma única cobertura, em vez de um polígono por tronco. Use tree canopy nesse caso e aceite a cobertura. Os dois modos na nuvem enviam imagens para nossos servidores. Apenas o Semi-Auto na sua própria máquina não envia.
Método 3: modelo de altura da copa a partir de LiDAR
A altura é o único sinal que separa uma árvore de um gramado, e o QGIS cria as duas superfícies diretamente de um arquivo LAS ou LAZ com Exportar para raster (pdal:exportraster, Conversão da nuvem de pontos). Defina Attribute como Z. Para o terreno, adicione a expressão de filtro Classification == 2, que corresponde a Ground nas classes ASPRS usadas pelo QGIS. Para a superfície, filtre por ReturnNumber == 1.
Subtraia uma da outra em Raster > Calculadora Raster… com "dsm@1" - "dtm@1", ou em grass:r.mapcalc.simple para blocos maiores. Reclassifique na altura que sua especificação define como copa e depois poligonize. A saída traz uma altura por pixel, algo que nada mais nesta página oferece.
Use quando: você tem LiDAR, ou um par nacional de DSM e DTM.
Ignore quando: seus pontos não estão classificados. O QGIS 3.44 não tem algoritmo de classificação do terreno, então os pontos não classificados precisam passar primeiro pelo PDAL fora do QGIS.
Método 4: classificação supervisionada
Desenhe polígonos de treinamento para árvore, grama, telhado e estrada. Depois deixe um classificador rotular cada pixel e poligonize a classe de árvores. O dzetsaka é o que eu instalaria hoje. Ele é GPL, versão 5.0.11, funciona do QGIS 3.0 ao 4.99 e inclui onze classificadores, entre eles Random Forest e SVM.
O Semi-Automatic Classification Plugin é mais conhecido e também lida com conjuntos de bandas e pré-processamento, mas verifique a versão primeiro. A versão 9.0.4 precisa do QGIS 3.99, da linha QGIS 4. No QGIS 3.44, você recebe a 8.5.0, de novembro de 2024.
Use quando: a copa é uma classe entre várias que você precisa extrair da mesma cena.
Ignore quando: árvores são tudo o que você quer. As amostras de treinamento consomem mais tempo que o Método 1.
Método 5: um conjunto de dados aberto de cobertura arbórea
Talvez alguém já tenha mapeado sua área.
Quatro opções valem a pena conhecer. O mapa de altura da copa da Meta e da WRI é global, está na versão 2 desde março de 2026, tem pixels de 1,2 m e erro absoluto médio de 3,0 m em comparação com LiDAR aéreo. O mapa da ETH Zurich tem 10 m para 2020, foi produzido com Sentinel-2 e GEDI e usa CC BY 4.0.
As outras duas são regionais ou históricas. A camada Copernicus Tree Cover Density cobre a Europa a 10 m, com dados anuais de 2018 a 2024, e para baixá-la é necessário um EU Login. O Hansen Global Forest Change tem 30 m e começa em 2000. É a opção para acompanhar mudanças ao longo do tempo.
As cidades publicam seus próprios dados. Paris disponibiliza 219.432 árvores como pontos, e Melbourne, 57.980 polígonos de copa de 2021. Ambos estão disponíveis como uma URL GeoJSON que você cola no QGIS.
Os quatro rasters globais aceitam requisições de intervalo. Portanto, transmita um bloco com /vsicurl/ em vez de baixá-lo. O Copernicus oferece WMTS em https://land.copernicus.eu/en/products/high-resolution-layer-forests-and-tree-cover/tree-cover-density-2018-present-raster-10-m-europe-yearly, onde você define o ano manualmente. Ele anuncia todas as datas desde 1984, mas quase nenhuma contém dados.
Use quando: a área é ampla e a data de aquisição não precisa ser a sua.
Ignore quando: você sobrevoou o local no mês passado ou precisa de copas. A maioria desses produtos são rasters percentuais, não objetos contáveis.
Método 6: um modelo local de segmentação
O Deepness, o Geo-SAM e o samgeo executam modelos de segmentação na sua própria máquina. Nada sai dela e nada é cobrado.
Use quando: as imagens não podem deixar sua máquina.
Ignore quando: você não tem uma placa NVIDIA ou não quer encontrar um modelo, solicitar pesos e montar um ambiente Python.
Os seis métodos lado a lado
| O que você precisa | Método |
|---|---|
| Cobertura a partir das suas próprias imagens multiespectrais | Método 1 |
| Copas em imagens RGB, sem GPU | Método 2 |
| Altura da copa ou árvores separadas da grama | Método 3 |
| Copa como uma classe entre várias | Método 4 |
| Uma área ampla, rapidamente e sem custo | Método 5 |
| Copas, sem nada deixar a máquina | Método 6 |
O que lembrar
Decida entre cobertura e copas antes de escolher um método, porque essa é uma questão sobre o seu entregável, não sobre as suas imagens.
A altura supera a cor sempre que você consegue obtê-la. Portanto, um modelo de altura da copa baseado em LiDAR vence onde quer que exista LiDAR.
O NDVI lê um gramado, uma plantação e um carvalho como a mesma coisa. Por isso, um limiar sozinho nunca fornece árvores.
Um maciço fechado não tem bordas de copa para encontrar. Portanto, todos os métodos desta página retornam cobertura nesse caso, e nenhum retorna uma contagem de troncos.
Para um percentual de cobertura em toda a Europa, a camada do Copernicus é grátis e já está pronta. Executar um modelo sobre essa área seria pagar duas vezes pela mesma resposta.
Experimente gratuitamente no QGIS, sem cartão
Perguntas frequentes
O QGIS consegue mapear copas de árvores sem plugin?
Sim, pelos Métodos 1, 3 e 5, que usam o QGIS básico mais um download. O resultado é cobertura como polígonos, nunca copas individuais.
Um polígono por árvore ou um para toda a copa?
Aplicar um limiar ao NDVI ou a um modelo de altura fornece cobertura. Apenas um modelo de segmentação divide um maciço em copas contáveis. No Método 2, a palavra que você digita decide qual dos dois resultados você obtém.
Como obter um percentual de cobertura arbórea?
Cada polígono tem sua própria área. Portanto, some a coluna de área e divida pela área medida. É um cálculo de campo, feito sobre uma geometria que você pode abrir e conferir.
O que é mais preciso, NDVI ou um modelo de altura baseado em LiDAR?
O modelo de altura, e a diferença é grande. O NDVI lê um gramado e um carvalho como a mesma coisa, enquanto um modelo de altura da copa os separa por vários metros.
Alguma dessas opções é grátis?
Os Métodos 1 e 3 a 6 não custam nada além dos seus próprios dados e, no caso do Método 6, de uma placa gráfica. O Método 2 oferece 1,5 km² grátis por mês e depois custa € 39 por mês, sem impostos.
Posso criar um modelo de altura da copa direto do arquivo LAS?
A superfície do terreno vem dos pontos classificados como Ground, e o QGIS 3.44 não tem um algoritmo que os classifique. Em uma nuvem não classificada, o filtro não retorna nada e o terreno fica plano.
Qual versão do Semi-Automatic Classification Plugin eu recebo?
A versão 9.0.4 precisa do QGIS 3.99, da linha QGIS 4. No QGIS 3.44, o gerenciador oferece a 8.5.0, de novembro de 2024. Portanto, verifique qual versão você realmente recebeu antes de culpar suas amostras.
O guia de raster para vetor mostra as etapas de poligonização e limpeza que todos os métodos desta página exigem no final, e o artigo sobre SAM no QGIS compara os plugins que executam modelos de segmentação. Para encadear as etapas do modelo de altura (Método 3) em uma única instrução, em vez de repeti-las bloco a bloco, o AI Agent as executa dentro do seu projeto aberto. A central de IA do QGIS reúne os dois.
