Título:	Técnicas de mineração de dados para identificação de áreas com cana- açúcar em imagens landsat 5.
Autoria:	NONATO, R. T. OLIVEIRA, S. R. de M.
Afiliação:	ROBSON T . NONATO, Unicamp; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA.
Ano de publicação:	2013
Referência:	Engenharia Agrícola, Jaboticabal, v. 33, n. 6, p. 1268-1280, nov./dez. 2013.
Conteúdo:	Resumo: Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM . Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara , no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos roduziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana -de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.
Thesagro:	Sensoriamento Remoto
NAL Thesaurus:	Remote sensing
Palavras-chave:	Mapeamento agrícola Classificação de imagens Árvore de decisão
Tipo do material:	Artigo de periódico
Acesso:	openAccess
Aparece nas coleções:	Artigo em periódico indexado (CNPTIA)