O presente trabalho tem como objetivo investigar os descritores espectrais, extraídos das bandas do Landsat 8, e topográficos, provenientes de dados do TOPODATA, que auxiliam na discriminação das classes de cobertura da terra através de uma árvore de decisão gerada por mineração de dados. Foram extraídas medidas estatísticas de amostras referentes a 12 classes, coletadas no município do Rio de Janeiro, de um banco de dados composto por 18 planos de informação. Os resultados apontaram que entre os descritores estatísticos, prevaleceram a média e mediana. Como descritor espectral, merece destaque a banda 1 (ultra-azul), selecionada para discriminar, além das classes de água, as classes de vegetação e não-vegetação. O minerador utilizou o Índice de Vegetação por Razão Simples (RS) em todas as árvores a despeito do Índice de Vegetação por Diferença Normalizada (IVDN). A declividade também foi inserida nas três árvores para separar o afloramento rochoso da vegetação de baixo porte. Em relação aos níveis digitais, não foi utilizado nenhum descritor de radiância nas quatro árvores. Considerando o grande volume de dados produzidos e armazenados atualmente, pode-se afirmar que a mineração é um importante recurso para a extração de informações de volumosos bancos de dados em curto espaço de tempo.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.