Autoria: ANTUNES, J. F. G.; OLIVEIRA, S. R. de M.; RODRIGUES, L. H. A.

Resumo: RESUMO: Os dados do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) fornecem coberturas de áreas com grande extensão e alta periodicidade, características fundamentais que possibilitam o monitoramento de culturas agrícolas estratégicas para o Brasil, como a da cana-de-açúcar. A mineração de dados é uma abordagem promissora para melhorar a análise de dados de sensoriamento remoto. O objetivo deste trabalho foi aplicar técnicas de mineração de dados para classificação das fases fenológicas da cana-de-açúcar no Estado de São Paulo, utilizando dados MODIS e, também, de precipitação que auxiliam na caracterização do ciclo de desenvolvimento da cultura. As abordagens de seleção de atributos mostraram que todos os atributos do conjunto de dados foram considerados relevantes para a classificação. O balanceamento de classes pelo método de amostragem foi fundamental para melhorar a acurácia do modelo de classificação gerado pelo algoritmo J48. A descoberta do conhecimento pode ser feita através de regras de decisão relevantes para especialistas, revelando a aderência de técnicas de mineração de dados em problemas de classificação de imagens de satélite.

Ano de publicação: 2011

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Agricultura Digital

Palavras-chave: Descoberta do conhecimento, Information retrieval, Mineração de dados, Recuperação da informação, Remote sensing, Seleção de atributos, Sensoriamento Remoto, Árvore de decisão