Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMT |
Texto Completo: | http://ri.ufmt.br/handle/1/1258 |
Resumo: | Previous studies revealed difficulties in agricultural crop mapping by conventional classification techniques. Crops show diverse spectral patterns in satellite images due to its stage of phenological development, type of agricultural management among other characteristics, demanding therefore imagery with a good temporal resolution and low cloud cover, in addition to adopted classification methods. The objective of this study was to develop a methodology to map the sequences of agricultural crops in a study area inside the Cuiabá and São Lourenço watersheds, in the State of Mato Grosso, using multi-sensor imagery and complementary spatial data through a object oriented classification approach supported by a data mining algorithm. The EVI (Enhanced Vegetation Index) and Pixel Reliability of 23 MODIS images from the agricultural cycle 2010/2011, MOD13Q1 product, as well as previously existing land use and cover and vegetation map of the Upper Paraguay basin for the year 2008, conducted by the WWF (World Wide Fund For Nature), which had its segments actualized by Landsat TM images, were used for classification. Class separability according to pixels degradation levels was evaluated using the Jeffries Matusita (JM) distance. Imagery and spatial data layers were combined through the implementation of two classification models based on decision trees generated by the J48 data mining algorithm of the WEKA software (Waikato Environment Knowledge Analysis). Classifications were implemented in the InterIMAGE software, a platform developed for Object Oriented (OO) image classification and compared with two Maximum Likelihood classifications. Maximum Likelihood and OO classifications resulted in a Kappa Index (IK) of 0.70 and 0.53 respectively, indicating better overall performance of the conventional classifier. It could be observed however that with the exception of two classes, OO classifications resulted in User and Producer Accuracies above 63%, reaching levels of 90%, and that more satisfactory results were obtained by OO for fields with areas less than 100 ha. |
id |
UFMT_580c8c3e17f268dd3e193d482e9d547b |
---|---|
oai_identifier_str |
oai:localhost:1/1258 |
network_acronym_str |
UFMT |
network_name_str |
Repositório Institucional da UFMT |
repository_id_str |
|
spelling |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dadosCulturas agrícolasSensoriamento remotoInterIMAGEJ48MOD13Q1CNPQ::CIENCIAS HUMANAS::GEOGRAFIAAgricultural cropsRemote sensingInterIMAGEJ48MOD13Q1Mato GrossoPrevious studies revealed difficulties in agricultural crop mapping by conventional classification techniques. Crops show diverse spectral patterns in satellite images due to its stage of phenological development, type of agricultural management among other characteristics, demanding therefore imagery with a good temporal resolution and low cloud cover, in addition to adopted classification methods. The objective of this study was to develop a methodology to map the sequences of agricultural crops in a study area inside the Cuiabá and São Lourenço watersheds, in the State of Mato Grosso, using multi-sensor imagery and complementary spatial data through a object oriented classification approach supported by a data mining algorithm. The EVI (Enhanced Vegetation Index) and Pixel Reliability of 23 MODIS images from the agricultural cycle 2010/2011, MOD13Q1 product, as well as previously existing land use and cover and vegetation map of the Upper Paraguay basin for the year 2008, conducted by the WWF (World Wide Fund For Nature), which had its segments actualized by Landsat TM images, were used for classification. Class separability according to pixels degradation levels was evaluated using the Jeffries Matusita (JM) distance. Imagery and spatial data layers were combined through the implementation of two classification models based on decision trees generated by the J48 data mining algorithm of the WEKA software (Waikato Environment Knowledge Analysis). Classifications were implemented in the InterIMAGE software, a platform developed for Object Oriented (OO) image classification and compared with two Maximum Likelihood classifications. Maximum Likelihood and OO classifications resulted in a Kappa Index (IK) of 0.70 and 0.53 respectively, indicating better overall performance of the conventional classifier. It could be observed however that with the exception of two classes, OO classifications resulted in User and Producer Accuracies above 63%, reaching levels of 90%, and that more satisfactory results were obtained by OO for fields with areas less than 100 ha.Estudos prévios apontam dificuldades no mapeamento das culturas por técnicas convencionais de classificação. As culturas agrícolas se apresentam em diversos padrões espectrais nas imagens de satélite devido às fases de desenvolvimento fenológico, tipo de tratamentos de culturas, dentre outras características, sendo necessárias imagens com boa resolução temporal e baixa cobertura de nuvens, além de métodos de classificações adaptados. O objetivo deste trabalho foi desenvolver uma metodologia para mapear as sequências de culturas agrícolas em uma área de estudo na bacia do Rio Cuiabá e São Lourenço no Estado de Mato Grosso, utilizando imagens multissensoriais e dados espaciais complementares, por técnicas de classificação orientada a objetos e subsidiada por mineração de dados. Foram utilizados o EVI (Enhanced Vegetation Index), bem como Pixel Reliability (Confiabilidade do pixel) de 23 imagens MODIS, produto MOD13Q1 do ciclo agrícola 2010/2011 e mapeamento prévio do uso e ocupação da terra e cobertura vegetal da Bacia do Alto Paraguai para o ano de 2008, realizado pela WWF (World Wide Fund For Nature), cujos segmentos foram atualizados a partir de imagens Landsat TM. Foi avaliada a separabilidade entre as classes utilizando a distância de Jeffries Matusita (JM) de acordo com o nível de degradação dos pixels. Os planos de informações espaciais e imagens foram combinados a partir da implementação de dois modelos conceituais de classificação baseados nas árvores de decisão geradas no processo de mineração de dados no software WEKA (Waikato Environment Knowledge Analysis), utilizando o algoritmo J48. As classificações foram implementadas no software InterIMAGE, plataforma desenvolvida para classificação de imagens Orientado a Objeto (OO) e comparadas com duas classificações utilizando o algoritmo de Máxima Verossimilhança. As classificações usando o algoritmo MAXVER e OO apresentaram Índices de Kappa (IK) de 0,70 e 0,53 respectivamente, indicando melhor desempenho geral do algoritmo MAXVER. No entanto, observa-se que com exceção de duas classes, o resultado da classificação OO teve classes apresentando Exatidão de Usuário (EU) e Exatidão do Produtor (EP) acima de 63% atingindo níveis de 90%, além de resultados mais satisfatórios para o mapeamento de lavouras com áreas inferiores a 100 ha.Universidade Federal de Mato GrossoBrasilInstituto de Ciências Humanas e Sociais (ICHS)UFMT CUC - CuiabáPrograma de Pós-Graduação em GeografiaZeilhofer, Peterhttp://lattes.cnpq.br/1101747116364613Zeilhofer, Peter696.821.431-87http://lattes.cnpq.br/1101747116364613Santos, Emerson Soares dos894.334.241-15http://lattes.cnpq.br/6010098023900772696.821.431-87Fernandes, Manoel do Couto057.700.707-65http://lattes.cnpq.br/7728389320504879Schwenk, Lunalva Moura181.389.771-91http://lattes.cnpq.br/4987954520568619Costa, Lidiane Maria de Morais2019-08-07T15:26:29Z2013-12-022019-08-07T15:26:29Z2013-10-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCOSTA, Lidiane Maria de Morais. Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados. 2013. 109 f. Dissertação (Mestrado em Geografia) - Universidade Federal de Mato Grosso, Instituto de Ciências Humanas e Sociais, Cuiabá, 2013.http://ri.ufmt.br/handle/1/1258porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMTinstname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMT2019-08-12T07:02:34Zoai:localhost:1/1258Repositório InstitucionalPUBhttp://ri.ufmt.br/oai/requestjordanbiblio@gmail.comopendoar:2019-08-12T07:02:34Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT)false |
dc.title.none.fl_str_mv |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
title |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
spellingShingle |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados Costa, Lidiane Maria de Morais Culturas agrícolas Sensoriamento remoto InterIMAGE J48 MOD13Q1 CNPQ::CIENCIAS HUMANAS::GEOGRAFIA Agricultural crops Remote sensing InterIMAGE J48 MOD13Q1 Mato Grosso |
title_short |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
title_full |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
title_fullStr |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
title_full_unstemmed |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
title_sort |
Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados |
author |
Costa, Lidiane Maria de Morais |
author_facet |
Costa, Lidiane Maria de Morais |
author_role |
author |
dc.contributor.none.fl_str_mv |
Zeilhofer, Peter http://lattes.cnpq.br/1101747116364613 Zeilhofer, Peter 696.821.431-87 http://lattes.cnpq.br/1101747116364613 Santos, Emerson Soares dos 894.334.241-15 http://lattes.cnpq.br/6010098023900772 696.821.431-87 Fernandes, Manoel do Couto 057.700.707-65 http://lattes.cnpq.br/7728389320504879 Schwenk, Lunalva Moura 181.389.771-91 http://lattes.cnpq.br/4987954520568619 |
dc.contributor.author.fl_str_mv |
Costa, Lidiane Maria de Morais |
dc.subject.por.fl_str_mv |
Culturas agrícolas Sensoriamento remoto InterIMAGE J48 MOD13Q1 CNPQ::CIENCIAS HUMANAS::GEOGRAFIA Agricultural crops Remote sensing InterIMAGE J48 MOD13Q1 Mato Grosso |
topic |
Culturas agrícolas Sensoriamento remoto InterIMAGE J48 MOD13Q1 CNPQ::CIENCIAS HUMANAS::GEOGRAFIA Agricultural crops Remote sensing InterIMAGE J48 MOD13Q1 Mato Grosso |
description |
Previous studies revealed difficulties in agricultural crop mapping by conventional classification techniques. Crops show diverse spectral patterns in satellite images due to its stage of phenological development, type of agricultural management among other characteristics, demanding therefore imagery with a good temporal resolution and low cloud cover, in addition to adopted classification methods. The objective of this study was to develop a methodology to map the sequences of agricultural crops in a study area inside the Cuiabá and São Lourenço watersheds, in the State of Mato Grosso, using multi-sensor imagery and complementary spatial data through a object oriented classification approach supported by a data mining algorithm. The EVI (Enhanced Vegetation Index) and Pixel Reliability of 23 MODIS images from the agricultural cycle 2010/2011, MOD13Q1 product, as well as previously existing land use and cover and vegetation map of the Upper Paraguay basin for the year 2008, conducted by the WWF (World Wide Fund For Nature), which had its segments actualized by Landsat TM images, were used for classification. Class separability according to pixels degradation levels was evaluated using the Jeffries Matusita (JM) distance. Imagery and spatial data layers were combined through the implementation of two classification models based on decision trees generated by the J48 data mining algorithm of the WEKA software (Waikato Environment Knowledge Analysis). Classifications were implemented in the InterIMAGE software, a platform developed for Object Oriented (OO) image classification and compared with two Maximum Likelihood classifications. Maximum Likelihood and OO classifications resulted in a Kappa Index (IK) of 0.70 and 0.53 respectively, indicating better overall performance of the conventional classifier. It could be observed however that with the exception of two classes, OO classifications resulted in User and Producer Accuracies above 63%, reaching levels of 90%, and that more satisfactory results were obtained by OO for fields with areas less than 100 ha. |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013-12-02 2013-10-17 2019-08-07T15:26:29Z 2019-08-07T15:26:29Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
COSTA, Lidiane Maria de Morais. Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados. 2013. 109 f. Dissertação (Mestrado em Geografia) - Universidade Federal de Mato Grosso, Instituto de Ciências Humanas e Sociais, Cuiabá, 2013. http://ri.ufmt.br/handle/1/1258 |
identifier_str_mv |
COSTA, Lidiane Maria de Morais. Mapeamento de culturas agrícolas a partir de classificação orientada a objeto subsidiada por técnica de mineração de dados. 2013. 109 f. Dissertação (Mestrado em Geografia) - Universidade Federal de Mato Grosso, Instituto de Ciências Humanas e Sociais, Cuiabá, 2013. |
url |
http://ri.ufmt.br/handle/1/1258 |
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 |
Universidade Federal de Mato Grosso Brasil Instituto de Ciências Humanas e Sociais (ICHS) UFMT CUC - Cuiabá Programa de Pós-Graduação em Geografia |
publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso Brasil Instituto de Ciências Humanas e Sociais (ICHS) UFMT CUC - Cuiabá Programa de Pós-Graduação em Geografia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMT instname:Universidade Federal de Mato Grosso (UFMT) instacron:UFMT |
instname_str |
Universidade Federal de Mato Grosso (UFMT) |
instacron_str |
UFMT |
institution |
UFMT |
reponame_str |
Repositório Institucional da UFMT |
collection |
Repositório Institucional da UFMT |
repository.name.fl_str_mv |
Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT) |
repository.mail.fl_str_mv |
jordanbiblio@gmail.com |
_version_ |
1804648496241836032 |