%0 Conference Proceedings
%4 sid.inpe.br/marte2/2019/09.04.16.44
%2 sid.inpe.br/marte2/2019/09.04.16.44.52
%@isbn 978-85-17-00097-3
%T Uso da mineração de dados na classificação do algodão utilizando séries temporais de imagens MODIS
%D 2019
%A Werner, João Paulo Sampaio,
%A Esquerdo, Júlio César Dalla Mora,
%A Oliveira, Stanley Robson de Medeiros,
%@affiliation Universidade Estadual de Campinas (UNICAMP)
%@affiliation Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
%@affiliation Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
%@electronicmailaddress wernerjoaopaulo@gmail.com
%@electronicmailaddress julio.esquerdo@embrapa.br
%@electronicmailaddress stanley.oliveira@embrapa.br
%E Gherardi, Douglas Francisco Marcolino,
%E Sanches, Ieda DelArco,
%E Aragão, Luiz Eduardo Oliveira e Cruz de,
%B Simpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)
%C Santos
%8 14-17 abril 2019
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%J São José dos Campos
%P 455-458
%S Anais
%1 Instituto Nacional de Pesquisas Espaciais (INPE)
%K índice de vegetação, métricas fenológicas, árvore de decisão, TIMESAT, vegetation index, phenological metrics, decision tree, TIMESAT.
%X O objetivo do trabalho foi avaliar o uso de técnicas de mineração de dados extraídos de séries temporais de índices vegetativos do sensor MODIS para a classificação de padrões temporais do cultivo do algodão herbáceo. A partir da série temporal de imagens, foram gerados perfis espectro-temporais e extraídas 11 métricas fenológicas na forma de imagens de decomposição. Com as informações das métricas fenológicas e dados de referência terrestre, técnicas de mineração de dados foram aplicadas para gerar regras de classificação que, posteriormente, foram utilizadas para separar os padrões com cultivo de algodão de outras coberturas vegetais. Os resultados encontrados demonstraram a capacidade dos modelos para discriminar padrões de algodão de outras coberturas. ABSTRACT: The objective of this work was to evaluate the use of data mining techniques extracted from time series of vegetation indexes from MODIS sensor in order to classify temporal patterns extracted from herbaceous cotton crops. From the set of time series images, spectral-temporal profiles were generated and 11 phenological metrics were extracted as decomposition images. Using the information from the phenological metrics and land reference data, data mining techniques were applied to generate classification rules that were later used to separate the the cotton patterns from other vegetation covers. The results showed the ability of the models to discriminate cotton patterns from other vegetation covers, such as pasturelands, forests and other types of crops.
%9 Classificação e mineração de dados
%@language pt
%3 97270.pdf