rvore de deciso na classificao de imagem orbital

Luis Fernando Chimelo Ruiz , Ricardo Simo Diniz Dalmolin , Alexandre ten Caten, Alessandro Carvalho Miola

INTRODUO Programa WEKA

As geotecnologias auxiliam na compreenso do espao e proporcionam meios
para tomada de deciso (Rosa & Brito, 1996). Uma importante informao
gerada atravs dessas tcnicas o conhecimento do uso da terra (Samuel-
Rosa et al. 2011). Mtodos de classificao de imagem foram desenvolvidos
para cumprir diferentes objetivos de classificao do uso da terra. Neste
trabalho foi utilizada a tcnica por rvore de deciso (AD). Essa se
distingue dos classificadores tradicionais, devido possibilidade de utilizar
imagens com distribuies no gaussianas e que possuem rudos, tambm
pode adotar-se tipos de dados diferentes dos numricos (Quinlan, 1993). A
estrutura da rvore de deciso composta por um n principal, que apresenta
uma nica classe, um n interno (n-deciso) e a partir disso tem os ns filhos. Programa ADtoRASTER
Variveis
Esses ns so teste de condies e podem ser entendidos em programa de
Sistemas de Informaes Geogrficas (SIG). Devido a isso, este trabalho tem
como intuito de aplicar a AD na classificao e uso da terra e verificar a
confiabilidade do resultado, atravs do valor de ndice kappa.
MATERIAL E MTODOS
rea de estudo

Base de dados

Banda do IVP Satlite RESOURCESAT-1,

Banda do vermelho sensor LISS III
Banda do IVM
ELEV
Cartas topogrficas
DECL
NDVI
SAVI

rea de treinamento

RESULTADOS E DISCUSSO
Com uso das rvores deciso foi possvel utilizar variveis de superfcie que no possuem
Variveis da superfcie distribuio normal, assim possibilitando a diferenciao de reas com comportamento
espectral semelhante. Um atributo de terreno que explica isso o ELEV, onde com ele, foram
discriminadas as classes de soja e de arroz. Porque reas de arroz esto nas partes mais
baixas do terreno e as lavouras de soja em altitudes superiores. O valor de ndice kappa
encontrado para esse mapa temtico foi de 86.52%, sendo considerando um resultado excelente
CONCLUSES
Arquivo ARFF A tcnica por AD possibilitou o uso de dados que no possui uma distribuio estatstica normal e
detentoras de rudos, facilitando a discriminao de classes com assinatura espectral
semelhante. O valor de ndice kappa foi considerado satisfatrio para a imagem orbital utilizada
no estudo.
REFERNCIAS

SAMUEL-ROSA, A., MIGUEL, P., DALMOLIN, R. S. D. & PEDRON F. A. Uso da terra no Rebordo do Planalto do Rio Grande do Sul. Cincia e Natura, UFSM, 33 (1): 2011, 161 173.

CHAVEZ JR., P. S. An improved dark-object subtraction tecnique for atmospheric scaterring correction of multispectral data. Remote Sensing of Environment,1988. 55:459-470.

HUETE, A. R. A Soil-adjustued Vegetacion Index (SAVI), Remote Sensing Environ, 25: 295-309. JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres. 2ed. So Jos dos Campos: Parntese, 2009, p
604.

PAIXO, I. M.; ALBERTO C. P. C. F.; JOS, G. E. & VIEIRA, L. D. Classificao de imagens pelo mtodo de rvore de Deciso Oblqua. In: XV SIMPSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Curitiba, 2011. XV Simpsio
Brasileiro de Sensoriamento Remoto, 2011. p. 4255 4262.

PONZONI, F. J.; SHIMABUKURO & YOSIO, E. Sensoriamento Remoto no Estudo da Vegetao. So Jos dos Campos: Parntese, 2010.

QUINLAN. J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann. California. 1993. p235.

ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the great plains with ERTS. In: EARTH RESOURCES TECNOLOGY SATELLITE- 1 Symposium,3, 1973. Proceedings. Washington, 1973, v.1,
Sec. A, p. 309-317.

ROSA, R.; BRITO, J. L. Introduo ao Geoprocessamento: Sistema de Informao Geogrfica. Uberlndia, UFU, 1996.

SWAIN, P. H. & DAVIS S. M. Remote sensing: the quantitative approach. New York, McGraw- Hill, 1978. p396.

WEKA, disponvel em: <http://www.cs.waikato.ac.nz/ml/weka/ >. Acesso 10 de maro de 2012.