Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/30062
Files in This Item:
File SizeFormat 
ARTIGO_ClassificacaoOrientadaObjeto.pdf3,63 MBAdobe PDFView/Open
Title: Classificação orientada a objeto em associação às ferramentas reflectância acumulada e mineração de dados
Other Titles: Object-oriented classification in association with accumulated reflectance and data mining tools
Authors: Grande, Thallita Oliveira de
Almeida, Tati de
Cicerelli, Rejane Ennes
Assunto:: Análise baseada em objeto
Análise multitemporal
Antropização
Mineração
Sensoriamento remoto
Issue Date: Dec-2016
Publisher: Embrapa Informação Tecnológica - Pesquisa Agropecuária Brasileira
Citation: GRANDE, Thallita Oliveira de; ALMEIDA, Tati de; CICERELLI, Rejane Ennes. Classificação orientada a objeto em associação às ferramentas reflectância acumulada e mineração de dados. Pesquisa Agropecuária Brasileira, Brasília, v. 51, n. 12, p. 1983-1991, dez. 2016. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2016001201983&lng=en&nrm=iso>. Acesso em: 13 mar. 2018. doi: http://dx.doi.org/10.1590/s0100-204x2016001200009.
Abstract: O objetivo deste trabalho foi utilizar as técnicas de reflectância acumulada e mineração de dados, seguidas por classificação orientada a objeto, em imagens do sensor Operational Land Imager (OLI), satélite Landsat 8, para a classificação de vegetação nativa e cobertura agropecuária do Cerrado. Quatro imagens de reflectância foram utilizadas para a discriminação de seis classes - agricultura, pecuária, campo limpo úmido, savana, floresta e campo -, para a classificação do Parque Nacional das Emas, no Estado de Goiás, e adjacências. As imagens foram segmentadas para a extração de atributos espectrais de amostras e a aplicação de combinações de atributos (média + moda, todos os atributos) na mineração de dados. O programa Weka foi utilizado para a construção das árvores de decisão. Essa metodologia indicou que a diferenciação entre alvos aumentou a partir da acumulação temporal da reflectância, em todas as bandas e as classes, e a melhor imagem foi aquela do somatório das quatro datas. A classificação baseada na associação de atributos média + moda não apresentou impedimentos no processamento das regras de decisão, diferentemente da associação de todos os atributos. A classificação média + moda apresentou acurácia satisfatória (exatidão global, 69%; Kappa, 58%; e TAU, 63%). A integração dessas técnicas apresenta potencial para a diferenciação de vegetação nativa e antrópica do Cerrado.
Abstract: The objective of this work was to use the accumulated reflectance technique and data mining application, followed by object-oriented classification, in images of Operational Land Imager (OLI) sensor, Landsat 8, for the classification of native vegetation and agricultural coverage of Cerrado. Four reflectance images were used for the discrimination of six classes - agriculture, livestock, wetland, savannah, forest, and grassland -, for classification of Parque Nacional das Emas and surrounding areas in the state of Goiás, Brazil. The images were segmented for the extraction of sample spectral attributes and application of attribute combinations (mean + mode, all attributes) on data mining. The Weka software was used to construct the decision trees. This methodology indicated that the differentiation among targets increased from the temporal accumulation of the reflectance in all bands and classes, and that the optimal image was that of the sum of the four dates. The classification based on the attribute associations mean + mode showed no restraints in the decision rules processing, unlike the association of all attributes. The mean + mode classification showed a satisfactory accuracy (global accuracy, 69%; Kappa, 58%; and TAU, 63%). The integration of these techniques shows potential to differentiate native and anthropogenic vegetation in the Cerrado.
Licença:: Pesquisa Agropecuária Brasileira - Este é um artigo publicado em acesso aberto sob uma licença Creative Commons (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2016001201983&lng=en&nrm=iso. Acesso em: 13 mar. 2018.
DOI: http://dx.doi.org/10.1590/s0100-204x2016001200009
Appears in Collections:IG - Artigos publicados em periódicos

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/30062/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.