As florestas plantadas tem atraído grande interesse pela possibilidade de utilização em
aplicações bioenergéticas frente à tendência mundial de priorizar fontes de energia que
proporcionem maior sustentabilidade ambiental, mais qualidade e segurança. No Brasil, os
deslocamentos na geografia da cadeia produtiva agroflorestal atual em direção às regiões
de fronteira agrícola (Centro-Oeste e Norte) vem criando desafios de adequação dos
conhecimentos técnico-científicos já consolidados em outras regiões. Nesse contexto, o
objetivo desta dissertação é avaliar a acurácia da classificação e identificação de áreas
cultivadas com florestas plantadas para fins energéticos, em imagens orbitais do sensor
Landsat 5 TM. Por meio de técnicas estatísticas de mineração de dados, o presente trabalho
também avaliou a utilização de um amplo conjunto de atributos para identificar melhorias
nos resultados da classificação. A pesquisa se concentrou em amostras de áreas plantadas
no estado do Tocantins, região norte do Brasil. 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 a resolução deste tipo de problema.
Assim, as técnicas empregadas neste estudo possibilitam o desenvolvimento de modelos de
classificação robustos no auxílio ao planejamento e à tomada de decisão sobre a plantação
de florestas no território brasileiro. / Planted forests have attracted a lot of attention because of possibility of use in bioenergy
applications and due to the global trend of prioritizing energy sources that provide greater
environmental sustainability, more quality and security. In Brazil, the shifts in the
geography of current agroforestry production chain towards the agricultural frontier areas
(Midwest and North) are creating challenges to the adequacy of technical and scientific
knowledge already established in other regions. So, the aim of this work is to assess the
accuracy of the identification and classification of areas cultivated with plantation forests
for energy, inside TM Landsat 5 images. Using statistical techniques for data mining, this
study also evaluated the use of a broad set of attributes to identify improvements in the
classification results. The research focused on samples of planted areas in the state of
Tocantins, Northern Brazil. The data mining techniques used were effective in identifying
of planted forests in Landsat 5 satellite images, both the classification performance, such as
by reducing the amount of information needed to solve this kind of problem. Thus, the
techniques employed in this study enable the development of robust classification models
to aid in the planning and decision making on forest plantations in Brazil.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.uft.edu.br:11612/568 |
| Date | 26 August 2014 |
| Creators | Nonato, Carlos Tavares |
| Contributors | Abreu, Yolanda Vieira de |
| Publisher | Universidade Federal do Tocantins, Palmas, Programa de Pós-Graduação em Agroenergia - PPGA, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFT, instname:Universidade Federal do Tocantins, instacron:UFT |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds