Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados

Detalhes bibliográficos
Autor(a) principal: Wanderson Santos Costa
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21b/2014/02.25.03.03
Resumo: O Cerrado é o segundo maior bioma do território brasileiro, com demandas conflitantes de preservação ambiental e atividades agropastoris. Dentre as mudanças do uso e cobertura do solo no Cerrado, mais de 500.000 $km^{2}$ do bioma foram transformados em áreas de pastagem cultivada nos últimos anos. A discriminação entre as formações vegetais nativas e a identificação dos tipos de uso e cobertura no Cerrado são informações importantes para a política de proteção e monitoramento deste bioma. Neste trabalho, foi desenvolvida uma metodologia baseada em técnicas de sensoriamento remoto, incluindo integração de dados multitemporais e de múltiplas resoluções, e mineração de dados, para mapear áreas de pastagem cultivada e áreas de vegetação nativa correspondente às formações campestres no Cerrado brasileiro. Dados referentes ao uso e cobertura do solo, relevo, informações espectrais de imagens Landsat, índices de vegetação e componentes de solo e sombra extraídos do modelo de mistura espectral foram utilizados no processo de classificação. Os resultados mostraram que, por meio dos algoritmos de árvores de decisão, SVM (\emph{Support Vector Machines}) e florestas aleatórias, a análise e integração de dados auxiliou na classificação da região de interesse. Ao discriminar áreas de pastagem cultivada e campo nativo, obteve-se uma taxa de acerto de cerca de até 87\% na área de estudo, localizada em Minas Gerais, sendo então possível identificar atributos, regras e dados necessários para reconhecer, por meio de imagens de sensoriamento remoto, áreas campestres nativas e plantadas no Cerrado brasileiro.
id INPE_0fe982b50e13b37de6740f45b94745be
oai_identifier_str oai:urlib.net:sid.inpe.br/mtc-m21b/2014/02.25.03.03.11-0
network_acronym_str INPE
network_name_str Biblioteca Digital de Teses e Dissertações do INPE
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dadosMapping native grasslands formations and cultivated pastures in the Brazilian Cerrado using data mining2014-02-21Leila Maria Garcia FonsecaThales Sehn KortingDalton de Morisson ValerianoJoão Camargo NetoWanderson Santos CostaInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Computação AplicadaINPEBRCerrado brasileiroprocessamento de imagensmineração de dadosBrasilian Cerradoimage processingdata miningO Cerrado é o segundo maior bioma do território brasileiro, com demandas conflitantes de preservação ambiental e atividades agropastoris. Dentre as mudanças do uso e cobertura do solo no Cerrado, mais de 500.000 $km^{2}$ do bioma foram transformados em áreas de pastagem cultivada nos últimos anos. A discriminação entre as formações vegetais nativas e a identificação dos tipos de uso e cobertura no Cerrado são informações importantes para a política de proteção e monitoramento deste bioma. Neste trabalho, foi desenvolvida uma metodologia baseada em técnicas de sensoriamento remoto, incluindo integração de dados multitemporais e de múltiplas resoluções, e mineração de dados, para mapear áreas de pastagem cultivada e áreas de vegetação nativa correspondente às formações campestres no Cerrado brasileiro. Dados referentes ao uso e cobertura do solo, relevo, informações espectrais de imagens Landsat, índices de vegetação e componentes de solo e sombra extraídos do modelo de mistura espectral foram utilizados no processo de classificação. Os resultados mostraram que, por meio dos algoritmos de árvores de decisão, SVM (\emph{Support Vector Machines}) e florestas aleatórias, a análise e integração de dados auxiliou na classificação da região de interesse. Ao discriminar áreas de pastagem cultivada e campo nativo, obteve-se uma taxa de acerto de cerca de até 87\% na área de estudo, localizada em Minas Gerais, sendo então possível identificar atributos, regras e dados necessários para reconhecer, por meio de imagens de sensoriamento remoto, áreas campestres nativas e plantadas no Cerrado brasileiro.Cerrado is the second largest biome in Brazil. Among the use and land cover changes in the Cerrado, over 500,000 $km^{2}$ of the biome have been transformed into cultivated pastures in recent years. Distinguishing the native formations types and the identification of land use and land cover types in the Cerrado are important for monitoring and defining protection policy of the biome. Within this context, this work aims at developing a methodology based on remote sensing techniques, including multiresolution and multitemporal data fusion, and data mining, to map pasture and native grassland areas in the Brazilian Cerrado. Data related to land use and cover, relief, spectral information from Landsat images, vegetation indices, soil and shade components extracted from the Linear Spectral Mixture Model were used to perform the image classification. Decision trees, Support Vector Machines and Random Forests algorithms were used, and the results showed that the analysis and integration of different data sources can aid in the classification process. In order to discriminate areas of cultivated pastures and grassland formations, we obtained accuracies up to 87\% in the study area, located in Minas Gerais state, being able to identify attributes, rules and data required to recognize these areas in the Brazilian Cerrado by remote sensing images.http://urlib.net/sid.inpe.br/mtc-m21b/2014/02.25.03.03info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:54:30Zoai:urlib.net:sid.inpe.br/mtc-m21b/2014/02.25.03.03.11-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:54:31.324Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false
dc.title.pt.fl_str_mv Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
dc.title.alternative.en.fl_str_mv Mapping native grasslands formations and cultivated pastures in the Brazilian Cerrado using data mining
title Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
spellingShingle Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
Wanderson Santos Costa
title_short Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
title_full Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
title_fullStr Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
title_full_unstemmed Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
title_sort Mapeamento de formações campestres nativas e de pastagens cultivadas no Cerrado brasileiro utilizando mineração de dados
author Wanderson Santos Costa
author_facet Wanderson Santos Costa
author_role author
dc.contributor.advisor1.fl_str_mv Leila Maria Garcia Fonseca
dc.contributor.advisor2.fl_str_mv Thales Sehn Korting
dc.contributor.referee1.fl_str_mv Dalton de Morisson Valeriano
dc.contributor.referee2.fl_str_mv João Camargo Neto
dc.contributor.author.fl_str_mv Wanderson Santos Costa
contributor_str_mv Leila Maria Garcia Fonseca
Thales Sehn Korting
Dalton de Morisson Valeriano
João Camargo Neto
dc.description.abstract.por.fl_txt_mv O Cerrado é o segundo maior bioma do território brasileiro, com demandas conflitantes de preservação ambiental e atividades agropastoris. Dentre as mudanças do uso e cobertura do solo no Cerrado, mais de 500.000 $km^{2}$ do bioma foram transformados em áreas de pastagem cultivada nos últimos anos. A discriminação entre as formações vegetais nativas e a identificação dos tipos de uso e cobertura no Cerrado são informações importantes para a política de proteção e monitoramento deste bioma. Neste trabalho, foi desenvolvida uma metodologia baseada em técnicas de sensoriamento remoto, incluindo integração de dados multitemporais e de múltiplas resoluções, e mineração de dados, para mapear áreas de pastagem cultivada e áreas de vegetação nativa correspondente às formações campestres no Cerrado brasileiro. Dados referentes ao uso e cobertura do solo, relevo, informações espectrais de imagens Landsat, índices de vegetação e componentes de solo e sombra extraídos do modelo de mistura espectral foram utilizados no processo de classificação. Os resultados mostraram que, por meio dos algoritmos de árvores de decisão, SVM (\emph{Support Vector Machines}) e florestas aleatórias, a análise e integração de dados auxiliou na classificação da região de interesse. Ao discriminar áreas de pastagem cultivada e campo nativo, obteve-se uma taxa de acerto de cerca de até 87\% na área de estudo, localizada em Minas Gerais, sendo então possível identificar atributos, regras e dados necessários para reconhecer, por meio de imagens de sensoriamento remoto, áreas campestres nativas e plantadas no Cerrado brasileiro.
dc.description.abstract.eng.fl_txt_mv Cerrado is the second largest biome in Brazil. Among the use and land cover changes in the Cerrado, over 500,000 $km^{2}$ of the biome have been transformed into cultivated pastures in recent years. Distinguishing the native formations types and the identification of land use and land cover types in the Cerrado are important for monitoring and defining protection policy of the biome. Within this context, this work aims at developing a methodology based on remote sensing techniques, including multiresolution and multitemporal data fusion, and data mining, to map pasture and native grassland areas in the Brazilian Cerrado. Data related to land use and cover, relief, spectral information from Landsat images, vegetation indices, soil and shade components extracted from the Linear Spectral Mixture Model were used to perform the image classification. Decision trees, Support Vector Machines and Random Forests algorithms were used, and the results showed that the analysis and integration of different data sources can aid in the classification process. In order to discriminate areas of cultivated pastures and grassland formations, we obtained accuracies up to 87\% in the study area, located in Minas Gerais state, being able to identify attributes, rules and data required to recognize these areas in the Brazilian Cerrado by remote sensing images.
description O Cerrado é o segundo maior bioma do território brasileiro, com demandas conflitantes de preservação ambiental e atividades agropastoris. Dentre as mudanças do uso e cobertura do solo no Cerrado, mais de 500.000 $km^{2}$ do bioma foram transformados em áreas de pastagem cultivada nos últimos anos. A discriminação entre as formações vegetais nativas e a identificação dos tipos de uso e cobertura no Cerrado são informações importantes para a política de proteção e monitoramento deste bioma. Neste trabalho, foi desenvolvida uma metodologia baseada em técnicas de sensoriamento remoto, incluindo integração de dados multitemporais e de múltiplas resoluções, e mineração de dados, para mapear áreas de pastagem cultivada e áreas de vegetação nativa correspondente às formações campestres no Cerrado brasileiro. Dados referentes ao uso e cobertura do solo, relevo, informações espectrais de imagens Landsat, índices de vegetação e componentes de solo e sombra extraídos do modelo de mistura espectral foram utilizados no processo de classificação. Os resultados mostraram que, por meio dos algoritmos de árvores de decisão, SVM (\emph{Support Vector Machines}) e florestas aleatórias, a análise e integração de dados auxiliou na classificação da região de interesse. Ao discriminar áreas de pastagem cultivada e campo nativo, obteve-se uma taxa de acerto de cerca de até 87\% na área de estudo, localizada em Minas Gerais, sendo então possível identificar atributos, regras e dados necessários para reconhecer, por meio de imagens de sensoriamento remoto, áreas campestres nativas e plantadas no Cerrado brasileiro.
publishDate 2014
dc.date.issued.fl_str_mv 2014-02-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://urlib.net/sid.inpe.br/mtc-m21b/2014/02.25.03.03
url http://urlib.net/sid.inpe.br/mtc-m21b/2014/02.25.03.03
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.publisher.program.fl_str_mv Programa de Pós-Graduação do INPE em Computação Aplicada
dc.publisher.initials.fl_str_mv INPE
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do INPE
instname:Instituto Nacional de Pesquisas Espaciais (INPE)
instacron:INPE
reponame_str Biblioteca Digital de Teses e Dissertações do INPE
collection Biblioteca Digital de Teses e Dissertações do INPE
instname_str Instituto Nacional de Pesquisas Espaciais (INPE)
instacron_str INPE
institution INPE
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)
repository.mail.fl_str_mv
publisher_program_txtF_mv Programa de Pós-Graduação do INPE em Computação Aplicada
contributor_advisor1_txtF_mv Leila Maria Garcia Fonseca
_version_ 1706809356613320704