Voltar
Artigo Produção Nacional
BIBTEX RIS

Identification of tillage for soybean crop by spectro-temporal variables, GEOBIA, and decision tree

2020; Elsevier BV; Volume: 19; Linguagem: Português

10.1016/j.rsase.2020.100356

ISSN

2352-9385

Autores

Fernando Saragosa Rossi, Carlos Antônio da Silva, José Francisco de Oliveira‐Júnior, Paulo Eduardo Teodoro, Luciano Shozo Shiratsuchi, Mendelson Lima, Larissa Pereira Ribeiro Teodoro, Auana Vicente Tiago, G. Gasparotto,

Tópico(s)

Remote Sensing and Land Use

Resumo

Soil management practices for soy cultivation are considered necessary to sustain crop yields, in addition to implementing a synergy between sustainable agricultural practices and reducing environmental impacts. Thus, it is necessary to develop a model that can accurately and quickly distinguish between soil management treatments for soy based on spatial analysis. O objetivo desta pesquisa foi desenvolver uma metodologia aplicada na detecção dos tipos de Plantios Convencional e Direto, através da integração entre GEOBIA (Geographic Object-Based Image Analysis) e MD (Mineração de Dados) nas áreas identificadas com o cultivo da soja (Glycine max L. Merr.) no estado de Mato Grosso (MT). Para a identificação das áreas cultivadas com a cultura da soja foi utilizado o PCEI (Perpendicular Crop Enhancement), por meio de imagens multiespectrais do sensor MODIS (Moderate-Resolution Imaging Spectroradiometer). O processamento das bandas espectrais e os índices de vegetação em uma série temporal do satélite Landsat foram associadas as técnicas de mineração de dados e classificação orientada a objeto devidamente tratados e aplicados uma segmentação em multiresolução para definição dos objetos, com a seleção pré-definida dos alvos, sendo então gerada uma Árvore de Decisão (AD) pelo algoritmo C4.5/J48 implementado no software Weka®. O algoritmo foi composto por 28 atributos e por 468 amostras de treinamento, representando todas as classes de plantio para obtenção de uma análise matricial de erro e estatística Kappa. As estatísticas indicaram que a classificação alcançou uma precisão geral de 95.29% e um coeficiente Kappa de 0.92. Os resultados revelaram que a combinação das técnicas GEOBIA e MD são eficientes e promissoras para o processo de classificação do tipo de tratamento de solo.

Referência(s)