MINERAÇÃO DE DADOS PARA IDENTIFICAÇÃO DE FLORESTAS PLANTADAS DESTINADAS À PRODUÇÃO DE BIOENERGIA UTILIZANDO IMAGENS DE SATÉLITE

Abstract

Neste trabalho, avaliou-se a acurácia da classificação e identificação de áreas cultivadas com florestas plantadas com finalidade energética em imagens orbitais do sensor Landsat5 TM, por meio de técnicas estatísticas de mineração de dados. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças dos municípios de São Miguel do Tocantins, São Bento do Tocantins, Araguatins, Babaçulândia, Darcinópolis e Wanderlândia, na região Norte do Estado do Tocantins. Foram utilizados atributos de textura para identificar melhorias nos resultados da classificação. As técnicas de mineração de dados utilizadas se mostraram eficientes na identificação precisa de florestas plantadas em imagens do satélite Landsat 5, tanto pelo desempenho da classificação, quanto pela redução da quantidade de informação necessária para realizar a identificação. Os modelos de árvore de decisão, por meio do algoritmo J48, alcançaram taxas de acerto superiores a 90% na identificação de espécies plantadas em meio a outros alvos. Assim, as técnicas empregadas neste estudo possibilitaram o desenvolvimento de modelos de classificação robustos no auxílio ao planejamento e à tomada de decisão sobre o plantio de florestas no território brasileiro.

PALAVRAS-CHAVE: Florestas plantadas, agroenergia, seleção de atributos, árvores de decisão, classificação de imagens.

IDENTIFICATION OF PLANTED FORESTS DESTINED TO BIOENERGY PRODUCTION THROUGH DATA MINING USING SATELLITE IMAGES

ABSTRACT: In this work, we evaluated the accuracy of the classification and identification of areas cultivated with planted forests by satellite images of Landsat 5 TM, through data mining statistics techniques statistics. The pixels were converted to surface reflectance values from the cities of Sao Miguel do Tocantins, Sao Bento do Tocantins, Araguatins, Babaçulândia, Darcinopolis and Wanderlandia, located in northern state of Tocantins. Texture attributes were used to identify improvements in the classification results. The data mining techniques used were effective in the accurate identification of planted forests in Landsat 5 satellite images, both by the classification performance and by reducing the amount of information needed to perform identification. The tree models, through the J48 algorithm, achieved success rates above 90% in the identification of species planted among other targets. Thus, the techniques used in this study enabled the development of robust classification models to assist the planning and decision-making on forest plantations in Brazil.

KEYWORDS: Planted Forests, agro-energy, feature selection, decision trees, and pictures classification.