CADERNO DE CIÊNCIAS AGRÁRIAS
Agrarian Sciences Journal
Utilização do algoritmo de árvore de decisão para mapeamento do uso e cobertura da
terra da área de contribuição de uma barragem localizada na Bacia Hidrográfica do São
Francisco
Mariana Faria Veloso
1
*; Rodolpho César Tinini dos Reis
2
; Raul de Magalhães Filho
3
; Flávia Mazzer Rodrigues
4
DOI: https://doi.org/10.35699/2447-6218.2021.29039
Resumo
O objetivo deste estudo é mapear o uso e cobertura da terra da área de contribuição da barragem Bico da Pedra atra-
vés do algoritmo árvore de decisão. Para isso, foram adquiridas o modelo de elevação SRTM e duas imagens (verão e
inverno) do satélite Landsat 8 sensor OLI/TIRS, ano 2017. Em seguida, realizou-se o cálculo dos índices NDVI e SAVI,
e então inseriu um conjunto de onze variáveis na árvore de decisão resultando em um mapa de uso e cobertura da
terra com nove classes: cerrado, floresta decidual montana, campos, água, pasto/solo exposto, culturas, afloramento
rochoso, barragem de rejeitos e mancha urbana. A classe mais expressiva verificada na área de estudo foi a vegetação
correspondendo em quase 80%. Além disso, foi verificado presença de culturas próximas à nascente do rio Gorutuba
e ao reservatório da barragem. A classe de pasto/solo exposto apresentou em quase metade de suas amostras como
equivocadas. A acurácia da classificação foi satisfatória e o Índice Kappa, excelente. Portanto, os resultados apresen-
tados permitiram adquirir informações de uso e cobertura do solo capazes de auxiliar na gestão e planejamento dos
recursos hídricos e ambientais da área de contribuição da barragem Bico da Pedra.
Palavras-chave: Classificação de imagens. Geotecnologias. Landsat 8.
Application of the decision tree algorithm to map the land use/land cover of the
contribution area of a dam located in the São Francisco River Basin
Abstract
The aim of this study is to map the land use and cover of the contribution area of the Bico da Pedra dam through the
decision tree algorithm. For this, the SRTM elevation model and two images (summer and winter) from the Landsat
8 satellite OLI / TIRS sensor, year 2017 were acquired. Then, the NDVI and SAVI indices were calculated, and then a
set of eleven variables in the decision tree and in a land use and land cover map with nine classes: cerrado, montane
deciduous forest, fields, water, pasture / exposed soil, crops, rocky outcrop, tailings dam and urban. The most expressive
class verified in the study area was the vegetation corresponding to almost 80%. In addition, the presence of crops
close to the source of the Gorutuba river was verified. The class of pasture / exposed soil presented in almost half of
its samples as mistaken. The accuracy of the classification was satisfactory and the Kappa Index excellent. Therefore,
the results presented allowed to acquire information on land use and cover capable of assisting in the management
and planning of water and environmental resources in the area of contribution of the Bico da Pedra dam.
Keywords: Image classification. Geotechnologies. Landsat 8.
1
Universidade Federal de Viçosa, Departamento de Engenharia Agrícola, Viçosa, MG, Brasil.
https://orcid.org/0000-0002-8368-7877
2
Universidade Federal de Minas Gerais, Instituto de Ciências Agrárias, Montes Claros, MG, Brasil.
https://orcid.org/0000-0003-2052-5368
3
Universidade Estadual de Montes Claros, Montes Claros, MG, Brasil.
https://orcid.org/0000-0003-0131-5453
4
Universidade Federal de Minas Gerais, Instituto de Ciências Agrárias, Montes Claros, MG, Brasil. https://orcid.org/0000-0001-5520-1844
*Autor para correspondência: mah_veloso7@hotmail.com
Recebido para publicação em
e-ISSN: 2447-6218 / ISSN: 2447-6218 / © 2009, Universidade Federal de Minas Gerais, Todos os direitos reservados.
Veloso, M. F. et al.
2
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
Introdução
As discussões resultantes da interação entre as
atividades humanas e o meio ambiente tornaram-se in-
tensas nos últimos anos, gerando preocupações junto às
questões ambientais, econômicas e sociais, presentes e
futuras. A exploração inadequada dos recursos naturais
é a maior preocupação, principalmente quando se refe-
re às transformações da ação antrópica que em muitas
situações são irreversíveis.
Diante desse contexto, a análise de uso e ocupação
territorial se torna fundamental para a gestão e plane-
jamento dos recursos naturais e as bacias hidrográficas
tornam-se as unidades de estudo, conforme a Lei 9.433, de
8 de janeiro de 1997. Considerada uma importante bacia
hidrográfica brasileira, a Bacia Hidrográfica do Rio São
Francisco (BHRSF) apresenta condições adversas, com
vazões e precipitações abaixo da média prejudicando os
níveis de armazenamento dos reservatórios ali presentes
(CBHSF, 2016).
Inserida em parte na BHSF, a região do norte de
Minas Gerais se identifica a intensa exploração dos recur-
sos hídricos, mesmo com os longos períodos de estiagens
e baixa disponibilidade hídrica superficial (CPRM, 2019).
Um dos rios de maior importância dessa região, é o rio
Gorutuba, onde se encontra a barragem Bico da Pedra
responsável pelo abastecimento de água dos municípios
de Janaúba, Porteirinha e Nova Porteirinha, além do
fornecimento de água para áreas irrigáveis (DIG, 2013).
Contudo, a presença de barragens em vales fluviais rom-
pe com a sequência natural dos cursos d´água, gerando
impactos ambientais nas áreas de contribuição que se
estendem a montante do rio (Coelho, 2008).
Com a finalidade de obter maior compreensão dos
processos que impactam o meio ambiente e as alternativas
para mitigá-los, foram desenvolvidas geotecnologias capa
-
zes de realizar o monitoramento e análises ambientais a
partir de dados espaciais, como o Sistema de Informação
Geográfica (SIG) e o sensoriamento remoto (Martins et
al., 2014; Rosa, 2005). Essa relação possibilita a criação
de mapas de uso e cobertura da terra, utilizados na iden-
tificação e interpretação de alvos como áreas degradadas,
cultivos, vegetações, cursos d`água e outras feições, bem
como analisar temporariamente as paisagens provocadas
pela ação humana (Santos; Petronzio, 2011)
A classificação desses alvos pode ser feita por
meio de diferentes métodos, entre eles, a árvore de de-
cisão, algoritmo de aprendizagem com estrutura com-
posta pelos nós, ramos e folhas que permite analisar um
conjunto de atributos com base em decisões booleanas,
que são representadas na saída por um valor ou rótulo
(Berhane et al., 2018). A classificação pela árvore de de-
cisão possui vantagens sobre outros classificadores, pois
apresentam uma semântica praticamente intuitiva, de
fácil compreensão, simples e flexível, além de apresentar
acurácias superiores à classificadores como Máquina de
Vetor de Suporte e Máxima Verossimilhança (Yang et al.,
2017)
Diante desse contexto, o objetivo do presente
estudo é, por meio do algoritmo de árvore de decisão,
mapear o uso e cobertura da terra da área de contribuição
da barragem Bico da Pedra, norte de Minas Gerais, com
vistas a identificação das suas fragilidades ambientais.
Material e métodos
Área de estudo
A área de estudo foi definida como a área de
contribuição da barragem Bico da Pedra, localizada en-
tre os municípios de Francisco Sá, Janaúba, Porteirinha,
Nova Porteirinha e Riacho dos Machados, pertencente à
Bacia Hidrográfica do Rio Verde Grande, afluente do rio
São Francisco, situados na região do norte do estado de
Minas Gerais, Brasil (Figura 1).
Os municípios que compreendem a área de estudo
apresentam clima tropical, sendo o verão mais chuvo-
so que o inverno, configurando como classificação Aw
(Köppen, 1936). A temperatura e pluviosidade média
desses munícipios são de 23,7°C e 830 mm, respectiva-
mente (INMET, 2018).
Os tipos de solos presentes na área de contribui-
ção da barragem Bico da Pedra, segundo a FEAM (2010),
correspondem em sete classes: afloramento rochoso, ar-
gissolo vermelho-amarelo, cambissolo háplico, latossolo
vermelho, latossolo vermelho-amarelo, neossolo litólico
distrófico e nitossolo vermelho.
Aquisição e processamento dos dados
Inicialmente, realizou-se a delimitação da área
de contribuição da barragem Bico da Pedra a partir do
modelo de elevação Shuttle Radar Topography Mission
(SRTM) de resolução espacial 30 metros. Posteriormen-
te, foram adquiridas duas imagens do satélite Landsat 8
sensor OLI (Operational Land Imager) e TIRS (Thermal
Infrared Sensor), referentes ao ano de 2017, para os pe-
ríodos de verão (08/01/2017) e inverno (04/08/2017).
Além disso, foi realizada a correção atmosférica das ima-
gens de satélite através do algoritmo DOS1 (Dark Object
Substraction 1) (Chavez Junior, 1988).
Os índices de vegetação Normalized Difference
Vegetation Index (NDVI) (Rouse et al., 1973) e Soil Adjusted
Vegetation Index (SAVI) (Huete, 1988) foram calculados,
conforme a equações 1 e 2, respectivamente. Sendo que,
o SAVI considera os efeitos do solo, de forma à ajustar o
NDVI em superfícies não cobertas pela vegetação.
Utilização do algoritmo de árvore de decisão para mapeamento do uso e cobertura da terra da área de contribuição de uma barragem localizada na Bacia Hidrográfica do São Francisco
3
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
NDVI =
B
Infravermelho
- B
Vermelho
B
Infravermelho
+ B
Vermelho
(Eq. 1)
SAVI =
(B
Infravermelho
- B
Vermelho
)
(B
Infravermelho
+ B
Vermelho
+ L)
(1 + L)
(Eq. 2)
Em que, B
Infravermelho
é a banda infravermelho; B
vermelho
é banda do vermelho e L é constante de fator de ajuste do índice SAVI, sendo adotado o valor
de 0,5, pois a vegetação da área de estudo é de densidade intermediária (Huete, 1988).
Figura 1 – Localização da área de contribuição da barragem Bico da Pedra no contexto regional e do estado de Minas
Gerais
Criação da árvore de decisão
Para a criação da árvore decisão utilizou-se a
ferramenta Decision Tree do software ENVI 5.3. A primeira
variável incorporada na árvore, representando o primeiro
raiz de decisão, foi o limite da área de estudo, ou seja,
a área de contribuição da barragem Bico da Pedra. Essa
variável permite que a partir dessa etapa, todas variáveis
a serem introduzidas na árvore de decisão não extrapolem
o limite da área de estudo.
Em seguida, foram criadas máscaras de limites
de determinadas classes utilizando o termo “Mask” para
referenciar à essas feições, sendo essas: Limite_Mask
(Nó raiz), Urbano_Mask associado a mancha urbana do
município de Riacho dos Machados, Rejeito_Mask que
compreende a barragem de rejeitos presente na área de
estudo e Cultura_Mask referenciando aos cultivos.
Posteriormente, foram estabelecidos os limiares
das equações de decisões (booleanas) para as variáveis
índices de vegetação (NDVI e SAVI), altimetria (através
do modelo SRTM) e para as bandas do vermelho (B4),
infravermelho próximo (B5) e o infravermelho médio
(B6). Para isso, foram realizadas coletas de 50 pixels para
cada uma dessas variáveis e extraindo a média desses
valores, sendo que para as bandas espectrais foram cole-
tadas as amostras para cada classe de uso e cobertura do
solo identificado na área de estudo: tipos de vegetação,
solo exposto, pasto e corpos hídricos.
A Tabele 1 apresenta as onze variáveis (X
1
, X
2
, X
3
,
..., X
11
) e seus respectivos limiares das equações lógicas
utilizados para a criação da árvore de decisão.