Classificação espectral de área plantada com a cultura da cana-de-açúcar por meio da árvore de decisão

Abstract

O objetivo deste trabalho foi testar o classificador "árvore de decisão", em dados provenientes de sensores orbitais, para identificar área plantada com cana-de-açúcar, em diferentes épocas de plantio na Fazenda Boa Fé, localizada no Triângulo Mineiro, mais especificamente no município de Conquista, Minas Gerais. Acoplaram-se técnicas de Sensoriamento Remoto (SR) em um módulo de Sistema de Informação Geográfica (SIG), permitindo uma análise temporal do uso e ocupação do solo, especialmente com vistas a identificar e a monitorar as áreas agrícolas. Com base no cálculo do viés médio (VM), o presente estudo mostrou que, em áreas de cana-de-açúcar, onde a irrigação é frequente e ocorrem chuvas significativas que antecedem a passagem do satélite Landsat-5, os valores foram ligeiramente subestimados, com valor deste indicador de -0,13 ha. Foi verificado, também, que os valores de NDVI mais altos proporcionaram uma leve superestimativa dos resultados, com valores de viés médio variando de 0,04 a 0,23 ha. Conforme os resultados, o classificador árvore de decisão apresentou um grande potencial para o mapeamento das áreas cultivadas com cana-de-açúcar.This study was carried out to test the "decision tree" classifier via remote sensing (RS), to identify planted areas with sugarcane, at different planting dates in Boa Fé, located in the Triângulo Mineiro, more specifically in the town of Conquista, Minas Gerais, Brazil. RS techniques, integrated into a Geographic Information System (GIS), allow a temporal analysis of land use and occupation, especially in order to identify and monitor agricultural areas. Based on the calculation of mean bias (VM), this study showed that in areas of sugarcane, where irrigation is frequent and significant rainfall occurring prior to the passage of Landsat-5, the estimated values were slightly underestimated, with the value of this indicator equal to -0.13 ha. It was also verified that the highest values of NDVI provided a slight overestimation of the results, with values of mean bias of 0.04 to 0.23 ha. According to the results, the decision tree classifier had a great potential for mapping the areas cultivated with sugar cane.