Fechar

@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"
}


Fechar