Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/332224
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Mapeamento da cultura do algodão por meio de árvores de decisão e séries temporais de imagens MODIS
Title Alternative: Cotton crop mapping using decision trees and time series of MODIS imagery
Author: Werner, João Paulo Sampaio, 1993-
Advisor: Oliveira, Stanley Robson de Medeiros
Abstract: Resumo: O algodão é a mais importante cultura de fibra do mundo. Após a consolidação do cultivo do algodoeiro no cerrado brasileiro na década de 90, o algodão se apresenta como uma das principais commodities do país. O estado de Mato Grosso ocupa a primeira colocação na produção de algodão do Brasil e também é responsável pela maior área de cultivo do país. Por essa razão, a oferta nacional mantém uma estreita vinculação com o que ocorre na safra mato-grossense. Em razão do sistema de produção das culturas de ciclo anual ocorrer de forma mais rápida na agricultura, como é o caso do algodão, há uma maior exigência na frequência de atualização dos dados que acompanham suas safras agrícolas, posto que as instituições governamentais e a indústria devam estar apoiadas por ferramentas que possam fornecer informações em tempo hábil da dinâmica de seus cultivos, assegurando importantes tomadas de decisões e execuções de tarefas. O uso de séries temporais de imagens de satélite tem permitido o desenvolvimento de diversas aplicações na agricultura, uma vez que a alta periodicidade dos dados disponíveis possibilita o monitoramento de alvos com elevada dinâmica espectro-temporal. No entanto, ainda persiste o desafio da automatização dos processos de mapeamento das áreas de agricultura com alto interesse econômico por meio de métodos eficientes que promovam o tratamento de grande volume de dados contidos em séries temporais de imagens. Assim, a combinação das técnicas de sensoriamento remoto e mineração de dados se apresentam como uma alternativa promissora no reconhecimento de padrões espectro-temporais, disponíveis nos dados de séries temporais. O objetivo geral deste trabalho foi desenvolver uma metodologia sistemática, baseada em mineração de dados, para mapeamento das áreas de cultivo de algodão, em escala regional, utilizando séries temporais de índices vegetativos do sensor orbital MODIS. Dados de referência terrestre e séries temporais de imagens de índices vegetativos (NDVI e EVI) do sensor MODIS, que correspondem ao período de 4 safras agrícolas (2012/13 a 2015/16), foram utilizados na construção de perfis espectro-temporais para a extração de métricas fenológicas, disponíveis em imagens de decomposição. A partir dessas métricas fenológicas, a técnica de indução de árvore de decisão foi usada para gerar regras de classificação que, posteriormente, foram aplicadas nas imagens de decomposição para separar as áreas com cultivo de algodão de outras coberturas vegetais. Os resultados encontrados demonstram a capacidade do método para identificar áreas de algodão entre outros cultivos no Estado de Mato Grosso. A validação dos mapas utilizando dados de campo revelou taxas de acertos superiores a 95%, enquanto a validação por meio de amostras aleatórias obteve valores de exatidão global acima de 93%. A comparação com as estimativas oficiais de área colhida por munícipio (IBGE) e as encontradas nas máscaras obtidas pelo método indicaram um ótimo ajuste (Concordância de Willmott), com coeficientes de correlação e determinação superiores a 93%, ao considerar os anos-safra avaliados. Portanto, o método proposto é eficiente no tratamento de séries temporais de imagens e permite a diferenciação das áreas algodoeiras de outras culturas com comportamento espectral similar, podendo também ser aplicado para outras regiões produtoras

Abstract: Cotton is the most important fiber culture in the world. After the consolidation of cotton cultivation in the Brazilian cerrado in the 1990s, cotton is one of the main commodities in the country. The state of Mato Grosso occupies the first place in the production of cotton of Brazil and is also responsible for the greater area of cultivation of the country. For this reason, the national supply is closely linked to what occurs in the Mato Grosso crop. Due to the fact that the system of production of annual cycle crops occurs more rapidly in agriculture, as in the case of cotton, there is a greater requirement for the frequency of updating the data that accompany its agricultural crops. The government institutions and industry must be supported by tools that can provide timely information on the dynamics of their crops, ensuring important decision-making and task execution. The use of time series of satellite images has allowed the development of several applications in agriculture, since the high frequency of the available data allows for the monitoring of targets with high spectral-temporal dynamics. However, the challenge of automating the processes of mapping the areas of agriculture with high economic interest through efficient methods that promote the treatment of large volumes of data contained in time series of images is still a challenge. Thus, the combination of remote sensing and data mining techniques are presented as a promising alternative in the recognition of spectral-temporal patterns, available in time-series data. The general objective of this work was to develop a systematic methodology, based on data mining, to map cotton growing areas on a regional scale, using temporal series of vegetative indices of the MODIS orbital sensor. Land reference data and time series of vegetative index images (NDVI and EVI) of the MODIS sensor, which correspond to the period of 4 agricultural crops (2012/13 to 2015/16), were used in the construction of spectral-temporal profiles for the extraction of phenological metrics, available in decomposition images. From these phenological metrics, the decision tree induction technique was used to generate classification rules that were later applied in the decomposition images to separate the areas with cotton cultivation from other vegetation cover. The results demonstrate the ability of the method to identify areas of cotton among other crops in the State of Mato Grosso. The validation of the maps using field data revealed success rates above 95%, while validation using random samples obtained values of global accuracy above 93%. The comparison with the official estimates of area harvested by municipality (IBGE) and those found in the masks obtained by the method indicated an optimal adjustment (Willmott's concordance), with correlation and determination coefficients higher than 93%, when considering the harvested years evaluated. Therefore, the proposed method is efficient in the treatment of temporal series of images and allows the differentiation of the cotton areas of other cultures with similar spectral behavior, and it can also be applied to other producing regions
Subject: Modelagem matemática
Fenologia
Aprendizado de máquina
Agricultura - Previsão
Mineração de Dados
Language: Português
Editor: [s.n.]
Citation: WERNER, João Paulo Sampaio. Mapeamento da cultura do algodão por meio de árvores de decisão e séries temporais de imagens MODIS. 2018. 1 recurso online (83 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola, Campinas, SP.
Date Issue: 2018
Appears in Collections:FEAGRI - Tese e Dissertação

Files in This Item:
File SizeFormat 
Werner_JoaoPauloSampaio_M.pdf8.27 MBAdobe PDFView/Open


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