Mapeamento de áreas agrícolas anuais utilizando mineração de dados e séries temporais do OLI/Landsat-8
Autor: | Luiz Almeida, João Francisco Gonçalves Antunes, Carlos Eduardo Vizzotto Cattani, Jerry Adriani Johann, Lucas Volochen Oldoni, Erivelto Mercante |
---|---|
Přispěvatelé: | LUCAS VOLOCHEN OLDONI, INPE, CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste, ERIVELTO MERCANTE, Unioeste, JERRY ADRIANI JOHANN, Unioeste, JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA, LUIZ ALMEIDA, INPE. |
Jazyk: | angličtina |
Rok vydání: | 2019 |
Předmět: |
Environmental Engineering
010504 meteorology & atmospheric sciences Agriculture (General) Decision tree Distribution (economics) Time series analysis Land cover Urban area computer.software_genre 01 natural sciences Normalized Difference Vegetation Index S1-972 Métricas temporais de NDVI Normalized difference vegetation index decision tree Árvore de decisão NDVI temporal metrics Data mining 0105 earth and related environmental sciences Séries temporais geography geography.geographical_feature_category Land use business.industry Mineração de dados Reforestation 04 agricultural and veterinary sciences Random forest 040103 agronomy & agriculture 0401 agriculture forestry and fisheries Environmental science business Agronomy and Crop Science computer random forest |
Zdroj: | Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA-Alice) Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA Revista Brasileira de Engenharia Agrícola e Ambiental-Agriambi, Vol 23, Iss 12, Pp 952-958 (2019) Revista Brasileira de Engenharia Agrícola e Ambiental, Volume: 23, Issue: 12, Pages: 952-958, Published: 25 NOV 2019 Revista Brasileira de Engenharia Agrícola e Ambiental v.23 n.12 2019 Revista Brasileira de Engenharia Agrícola e Ambiental Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
Popis: | In the state of Paraná, Brazil, there are no major changes in areas cultivated with annual crops, mainly due to environmental laws that do not allow expansions to new areas. There is a great contribution of the annual crops to the domestic demand of food and economic demand in the exports. Thus, the area and distribution of annual crops are information of great importance. New methodologies, such as data mining, are being tested with the objective of analyzing and improving their potential use for classification of land use and land cover. This study used the classifiers decision tree and random forest with Normalized Difference Vegetation Index (NDVI) temporal metrics on images from Operational Land Imager (OLI)/Landsat-8. The results were compared with traditional methods spectral images and Maximum Likelihood Classifier (MLC). At first, seven classes were mapped (water bodies, sugarcane, urban area, annual crops, forest, pasture and reforestation areas); then, only two classes were considered (annual crops and other targets). When classifying the seven targets, both methods had corresponding results, showing global accuracy near 84%. NDVI temporal metrics showed producer’s and user’s accuracy for the annual crop class of 86 and 100%, respectively. However, if considering only two classes, the NDVI temporal metrics reached global accuracy of near 98% and producer’s and user’s accuracy above 94%. RESUMO No Estado do Paraná, Brasil, não há grandes mudanças nas áreas cultivadas com culturas anuais, principalmente devido a leis ambientais que não permitem expansões para novas áreas. Há grande contribuição das culturas anuais para a demanda doméstica de alimentos e econômica nas exportações. Assim, a área e distribuição das culturas anuais são informações de grande importância. Novas metodologias, como data mining, estão sendo testadas com o objetivo de analisar e melhorar seu potencial de uso para classificação do uso e cobertura da terra. Neste estudo, foram utilizados os classificadores decision tree e random forest com métricas temporais de Normalized Difference Vegetation Index (NDVI) em imagens do Operational Land Imager (OLI)/ Landsat-8. Os resultados foram comparados com os métodos tradicionais (imagens espectrais e classificador Maximum Likelihood Classifier - MLC). Inicialmente, foram mapeadas sete classes (corpos d’água, cana-de-açúcar, área urbana, culturas anuais, floresta, pastagem e áreas de reflorestamento) e posteriormente apenas duas classes foram consideradas (culturas anuais e outras classes). Ao classificar os sete alvos, ambos os métodos tiveram resultados correspondentes, mostrando exatidão global próxima a 84%. As métricas temporais de NDVI mostraram a acurácia do produtor e do usuário para a classe de cultura de 86 e 100%, respectivamente. No entanto, considerando-se apenas duas classes, as métricas temporais do NDVI alcançaram exatidão global próxima a 98% e a acurácia do produtor e do usuário acima de 94%. |
Databáze: | OpenAIRE |
Externí odkaz: |