@MastersThesis{Costa:2014:MaFoCa,
author = "Costa, Wanderson Santos",
title = "Mapeamento de forma{\c{c}}{\~o}es campestres nativas e de
pastagens cultivadas no Cerrado brasileiro utilizando
minera{\c{c}}{\~a}o de dados",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2014",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2014-02-21",
keywords = "Cerrado brasileiro, processamento de imagens,
minera{\c{c}}{\~a}o de dados, Brasilian Cerrado, image
processing, data mining.",
abstract = "O Cerrado {\'e} o segundo maior bioma do territ{\'o}rio
brasileiro, com demandas conflitantes de preserva{\c{c}}{\~a}o
ambiental e atividades agropastoris. Dentre as mudan{\c{c}}as do
uso e cobertura do solo no Cerrado, mais de 500.000 \$km^{2}\$
do bioma foram transformados em {\'a}reas de pastagem cultivada
nos {\'u}ltimos anos. A discrimina{\c{c}}{\~a}o entre as
forma{\c{c}}{\~o}es vegetais nativas e a
identifica{\c{c}}{\~a}o dos tipos de uso e cobertura no Cerrado
s{\~a}o informa{\c{c}}{\~o}es importantes para a
pol{\'{\i}}tica de prote{\c{c}}{\~a}o e monitoramento deste
bioma. Neste trabalho, foi desenvolvida uma metodologia baseada em
t{\'e}cnicas de sensoriamento remoto, incluindo
integra{\c{c}}{\~a}o de dados multitemporais e de m{\'u}ltiplas
resolu{\c{c}}{\~o}es, e minera{\c{c}}{\~a}o de dados, para
mapear {\'a}reas de pastagem cultivada e {\'a}reas de
vegeta{\c{c}}{\~a}o nativa correspondente {\`a}s
forma{\c{c}}{\~o}es campestres no Cerrado brasileiro. Dados
referentes ao uso e cobertura do solo, relevo,
informa{\c{c}}{\~o}es espectrais de imagens Landsat,
{\'{\i}}ndices de vegeta{\c{c}}{\~a}o e componentes de solo e
sombra extra{\'{\i}}dos do modelo de mistura espectral foram
utilizados no processo de classifica{\c{c}}{\~a}o. Os resultados
mostraram que, por meio dos algoritmos de {\'a}rvores de
decis{\~a}o, SVM (\emph{Support Vector Machines}) e florestas
aleat{\'o}rias, a an{\'a}lise e integra{\c{c}}{\~a}o de dados
auxiliou na classifica{\c{c}}{\~a}o da regi{\~a}o de interesse.
Ao discriminar {\'a}reas de pastagem cultivada e campo nativo,
obteve-se uma taxa de acerto de cerca de at{\'e} 87\% na
{\'a}rea de estudo, localizada em Minas Gerais, sendo ent{\~a}o
poss{\'{\i}}vel identificar atributos, regras e dados
necess{\'a}rios para reconhecer, por meio de imagens de
sensoriamento remoto, {\'a}reas campestres nativas e plantadas no
Cerrado brasileiro. ABSTRACT: 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.",
committee = "Sant'Anna, Sidnei Jo{\~a}o Siqueira (presidente) and Fonseca,
Leila Maria Garcia (orientadora) and Korting, Thales Sehn
(orientador) and Valeriano, Dalton de Morisson and Camargo Neto,
Jo{\~a}o",
englishtitle = "Mapping native grasslands formations and cultivated pastures in
the Brazilian Cerrado using data mining",
language = "pt",
pages = "105",
ibi = "8JMKD3MGP5W34M/3FQP36L",
url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3FQP36L",
targetfile = "publicacao.pdf",
urlaccessdate = "01 maio 2024"
}