Técnicas de mineração de dados para identificação de áreas com cana-de-açúcar em imagens Landsat 5

Abstract

Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM. Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara, no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana-de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.

Data Mining Techniques for Separation of Summer Crop Based on Satellite Images

“…Similar results were found by Nonato & Oliveira (2013) in the identification of areas of sugarcane and Kumar et al (2010) in soil cover.…”

“…The automatic identification of cultivated areas is one of the most important steps in the crop forecasting process (Nonato & Oliveira, 2013). The improvement in the estimate of cultivated area of each crop directly influences the agricultural production estimates of the respective crop year (Assad et al, 2007) making decisions regarding the commodity harder to do.…”

“…One line of study that has recently been addressed to overcome the challenges in improving mappings is the use of data mining techniques (Souza et al, 2010;Nonato & Oliveira, 2013). Data mining is the main step in the process of Knowledge Discovery in Databases (KDD) and aims to find relationships or hidden patterns in databases (Fayyad et al, 1996).…”

“…Such trees consist of an internal hierarchy and external nodes that are connected by branches. Through a logical test, each node represents a decision on a variable that branches to the next descendant node or to the final result (Crivelenti et al, 2009;Nonato & Oliveira, 2013).…”

Comparative Assessment Between Per-Pixel and Object-Oriented for Mapping Land Cover and Use

“…Delgado et al (2012) carried out the spectral classification of sugarcane by decision tree and obtained good results. Nonato & Oliveira (2013) achieved good performances (accuracy rate of approximately 97% of the cases and a lower Kappa Index of 0.86) using DM techniques in Landsat-5 images to identify areas with sugarcane in the State of São Paulo.…”