Please use this identifier to cite or link to this item: http://hdl.handle.net/11612/568
Authors: Nonato, Carlos Tavares
metadata.dc.contributor.advisor: Abreu, Yolanda Vieira de
Title: Identificação de florestas destinadas à produção de bioenergia no Estado do Tocantins utilizando imagens de satélite e mineração de dados
Keywords: Florestas plantadas;Mineração de dados,;Seleção de atributos;Classificação de imagens;Planted Forests;Data mining;Feature selection;Classification of pictures
Issue Date: 26-Aug-2014
Publisher: Universidade Federal do Tocantins
metadata.dc.publisher.program: Programa de Pós-Graduação em Agroenergia - PPGA
Citation: NONATO, Carlos Tavares. Identificação de florestas destinadas à produção de bioenergia no Estado do Tocantins utilizando imagens de satélite e mineração de dados.2014.116f. Dissertação (Mestrado em Agroenergia) – Universidade Federal do Tocantins, Programa de Pós-Graduação em Agroenergia, Palmas, 2014.
metadata.dc.description.resumo: 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.
Abstract: 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.
URI: http://hdl.handle.net/11612/568
Appears in Collections:Mestrado em Agroenergia

Files in This Item:
File Description SizeFormat 
Carlos Tavares Nonato - Dissertação.pdf1.76 MBAdobe PDFThumbnail
View/Open


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