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.
Recebido para publicação em 28 de janeiro de 2021. Aceito para publicação em 16 de março de 2021.
e-ISSN: 2447-6218 /
ISSN: 2447-6218. Atribuição CC BY.
CADERNO DE CIÊNCIAS AGRÁRIAS
Agrarian Sciences Journal
2
Veloso, M. F. et al.
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.
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
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) já apresenta condições adversas, com
vazões e precipitações abaixo da média prejudicando os
níveis de armazenamento dos reservatórios ali presentes
(CBHSF, 2016).
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).
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).
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.
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)
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).
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
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.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
3
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
BInfraverm elho - BVerm elho
BInfraverm elho + BVerm elho
NDVI =
(Eq. 1)
= (BInfraverm elho - BVerm elho )
SAVI
(1 + L)
(Eq. 2)
(BInfraverm elho + BVerm elho + L)
Em que, BInfravermelho é a banda infravermelho; Bvermelho 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
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.
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 nó
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.
A Tabele 1 apresenta as onze variáveis (X
1
, X
2
, X
3
,
..., X11) e seus respectivos limiares das equações lógicas
utilizados para a criação da árvore de decisão.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
4
Veloso, M. F. et al.
Figura 2 – Tipos de solo presentes na área de contribuição da barragem Bico da Pedra
Tabela 1 – Variáveis e suas respectivas equações lógicas utilizadas para a construção da árvore de decisão
Variável
Equação
Limite_Mask
Culturas_Mask
Rejeito_Mask
Urbano_Mask
NDVI
SAVI
SRTM
L8_V_B
5
L8_I_B5
L8_V_B
4
L8_V_B6
X1 eq 0
X2 eq 0
X3 eq 0
X4 eq 0
X5 ge 0.3
X6 ge 0.34
X7 ge 1100
X8 le 0.29
X9 le 0.21
X10 le 0.103
X11 ge 0.55
L8 = Landsat 8; V = verão; I = inverno; Xn = variável; eq = igual; ge = maior que; le = menor que.
Vale ressaltar que, para distinção dos tipos de
vegetação, foi fundamental a coleta dos pixels nos dois
períodos trabalhados, verão e inverno. Além disso, a
escolha das bandas B4, B5 e B6 são devido a melhor
capacidade de resposta espectral da vegetação nesses
comprimentos de ondas (Jensen, 2015).
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
5
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
A finalização do procedimento ocorreu quando se
atingiu uma distinção adequada das classes estabelecidas.
da terra da área de contribuição da barragem Bico da Pedra
é apresentada na Figura 3.
O fluxograma construído através do algoritmo
árvore de decisão, para classificação de uso e cobertura
Figura 3 – Fluxograma da árvore de decisão utilizada para o mapeamento da área de estudo, a partir da ferramenta
Decision Tree do software ENVI 5.3
Visando estabelecer uma melhor precisão das
classes estabelecidas para área de estudo, teve-se a com-
binação de onze variáveis para distinguir nove classes:
cerrado, floresta estacional decidual montana (FED_mon),
campos, corpos hídricos, pasto/solo exposto, cultura,
afloramento rochoso, mancha urbana e barragem de
rejeitos.
empregada com o valor limiar maior ou igual a 0.34
classificado como cerrado e o valor menor que 0.34 como
demais classes.
No ramo negativo, a variável altimetria foi uti-
lizada a partir do modelo de elevação SRTM e o valor
limiar superior a 1100 metros de altitude, destina-se área
de
afloramento rochoso e superior a 1000 metros são os campos.
A variável L8_V_B5 definiu as classes de pasto/ solo exposto
e Floresta Estacional Decidual Montana (FED_mont). Já no
ramo positivo, empregou a variável L8_V_B5 com um
limiar inferior de 0.29 para cerrado e também recorreu a
variável L8_I_B5 do período de in- verno com valor inferior
a 0.21 para caracterizar melhor o cerrado e o ramo negativo
foram caracterizados como FED_mont.
O nó raiz, a variável limite_mask, definiu-se como
a
área de interesse, sendo que os valores iguais a zero
indicaram a classe “no class”, ou seja, não compreende o
interior do limite da área de estudo. Em seguida as máscaras
mancha_urbana, barragem_rejeitos e culturas foram
introduzidos na árvore.
Na etapa seguinte, utilizou a variável NDVI e os
valores médios dos pixels maiores ou iguais a 0.3 foram
classificados com áreas vegetadas e os valores menores que
0.3 como não vegetados ou referente a outra vege- tação.
Para o ramo negativo foi utilizado a banda 4 do período de
verão para definir melhor a classe água. Na divisão do ramo
positivo do NDVI, a variável SAVI foi
Pode-se observar a aplicação repetitiva de algu- mas
variáveis, demostrando a heterogeneidade da área de estudo,
por exemplo a variável altimetria utilizada para separar dois
fragmentos, um de solo e outro de vegetação.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
6
Veloso, M. F. et al.
Resultados e discussão
árvore de decisão, referente ao ano de 2017 da área de
contribuição da Barragem Bico da Pedra está apresentado
na
Figura 4.
O resultado da classificação supervisionada de uso
e cobertura da terra, gerada através do algoritmo de
Figura 4 – Mapa de uso e cobertura da terra da área de contribuição da barragem Bico da Pedra
A maior parte da área de contribuição da bar-
ragem Bico da Pedra é composta pela vegetação, seja
cerrado, floresta estacional decidual montana ou cam- pos.
Essa caracterização pode ser verificada no Mapa de
Cobertura Vegetal (ZEE, 2009), em que as áreas de
vegetação dentro da área de contribuição da barragem
apresenta em grande parte a vegetação de cerrado, flo- resta
estacional decidual montana e campos.
As áreas de culturas apresentam predominância de
cultivos de eucalipto, aspecto verificado pela homo-
geneidade e imagens do programa Google Earth Pro. O
cultivo de eucalipto depende de diversos fatores como
clima, tipo de solo, sistema de cultivo e entre outros, o que
favorece a escolha do eucalipto ideal e o aumento da
produtividade (Embrapa, 2014).
Contudo, ao analisar onde se encontram as áreas mais
extensas de eucalipto (porção sul da área de contri-
buição da
barragem Bico da Pedra), é verificada a proxi- midade dos
cultivos à nascente do rio Gorutuba, o que pode
comprometer as vazões ao longo do rio principal e seus
afluentes. Em relação aos impactos ambientais dos cultivos,
vale destacar que os conhecimentos de dados
climatológicos (temperatura, precipitação e umidade
relativa do ar) e tipo de solo são indispensáveis para a
conservação da água e solo, sobretudo, os estudos de
balanço hídrico entre a quantidade consumida de água pela
planta e a precipitação pluviométrica da região.
As áreas de pasto/solo exposto foram colocadas
em
uma única classe devido a dificuldade em distingui-las.
Ao
observar a predominância do tipo de solo na área de estudo,
as classes Cambissolo háplico e Neossolo litólico são as mais
significativas. Além disso, as áreas de pasta- gens e solos
expostos, equivalentes a 270.46 km² (16.65
% da área total), se encontram em sua maior parte nessa
região
(Tabela 2). Segundo a Embrapa (2006), os tipos
Cambissolos e Neossolos são solos de baixa fertilidade, o
que
favorece a atividade do pasto, que consequentemente
pode
desenvolver-se à solos expostos, isso dependendo
da não
prática de ações conservacionistas de solo e água.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
7
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
Tabela 2 – Classes de uso e cobertura da terra identificadas na área de estudo e seus respectivos valores de área.
Classes de uso e cobertura da terra
Área (km²)
Área (%)
Corpos Hídricos
Barragem de Rejeitos
Culturas
Mancha Urbana Pasto
/Solo Exposto Campos
FED_mon
Cerrado
18,68
4,06
32,49
0,82
270,46
170,56
602,68
524,7
1,15
0,25
2,00
0,05
16,65
10,5
37,1
32,3
Total
1624,45
100
Leite, Dias e Rocha (2015) constataram por meio
do
sensoriamento remoto e visitas à campo, a diminui- ção do
nível de água da barragem Bico da Pedra, sendo justificado
pelo crescente consumo de água e às baixas
precipitações
nos últimos anos no norte de Minas Gerais.
Os autores ainda
verificaram impactos ambientais no entorno do reservatório
como o aumento das rodovias e o desmatamento para a
criação das mesmas ou para plantio de culturas,
promovendo uma maior erosão do solo, e
consequentemente um maior assoreamento do rio.
Avaliação da acurácia da classificação do uso e co-
bertura da
terra
Visando avaliar a qualidade do mapeamento do
uso e cobertura da terra da área de contribuição da
barragem
Bico da Pedra, foram obtidos a partir da matriz de erros,
calculando a Acurácia Geral e o Índice Kappa. O mapa de uso
e cobertura da terra da área de contribuição da barragem Bico
da Pedra foi qualificado como excelente,
com Acurácia Geral
de 88,33 % e Índice Kappa, valor de 0,8404, conforme
Landis e Koch (1977).
Na Tabela 3 são apresentadas as estatísticas de
acurácia do produtor, usuário e erros de comissão e omis-
são
da classificação.
As mudanças na dinâmica de uso e cobertura do
solo em áreas com presença de barragens também foram
verificadas por Oliveira, Sá e Leite (2016), onde
constatou-se
que a vegetação do cerrado está reduzindo,
enquanto
aumentam as áreas de plantio de eucaliptos e atividades
pastoris na área de drenagem da barragem de Juramento,
norte de Minas Gerais, apesar da predo- minância da
vegetação natural.
De acordo com a Tabela 5, a classificação obtida pelo
algoritmo árvore de decisão apresenta um desempe- nho pior
para a classe pasto/solo exposto, com a exatidão
do usuário de
47.01% indicando que quase metade das amostras
classificadas como pasto/solo exposto foram equivocadas.
Esse fato pode estar relacionado a própria dificuldade de
distinguir as classes de pasto e o solo ex-
posto na área de
estudo, na qual o tipo de solo verificado nessas classes são de
baixa profundidade e teor de matéria orgânica, apresentando
intensidades de reflectância altas
como em solos expostos
como pode ser verificado por
Sousa Junior, Demattê e Genú
(2008) e Almeida (2016).
As classes de vegetação da área de contribuição da
barragem Bico da Pedra correspondem quase 80% da área
total, sendo os tipos dominantes o cerrado (524,7 km²) e a
floresta estacional decidual montana (602,68 km²) (Tabela
3). A árvore de decisão possibilitou dife- renciar bem os
tipos de vegetação presentes na área de estudo, demostrando
uma flexibilidade do classificador como pode ser observado
por Almeida (2016), em que realiza o mapeamento de áreas
de veredas na Área de Proteção Ambiental (APA) situadas
no rio Pandeiros, norte de Minas Gerais. O autor utilizou,
além da árvo- re de decisão, o algoritmo de Máxima
Verossimilhança (MAXVER), sendo que este não obteve
uma distinção satisfatória das veredas e já a árvore de
decisão, distin- guiu as veredas e outros tipos de vegetação,
enfatizando a contribuição significativa das máscaras
vetoriais e os índices de vegetação na criação da árvore de
decisão.
Além disso, a exatidão do produtor para as classes
de
vegetação cerrado, afloramento rochoso e culturas
apresentaram os melhores resultados com valores acima
de
90%. Isso, pode ser explicado pela facilidade visual ao coletar
as amostras da classe cerrado e afloramento e pela
criação das
máscaras para a classe culturas, reduzindo os erros na
classificação.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
8
Veloso, M. F. et al.
Tabela 3 – Acurácia do resultado da classificação de uso e cobertura da terra
Acurácia Produtor
(%)
Acurácia Usuário
(%)
Erro de Comissão
(%)
Erro de Omissão
(%)
Cerrado
FED_mon
Campos
Culturas
Afloramento Rochoso
Pasto/Solo Exposto
Corpos Hídricos
Mancha Urbana
Barragem Rejeitos
92,73
77,59
73,91
93,93
98,46
46,74
81,13
78,57
100,00
92,62
79,60
83,33
98,82
91,43
47,01
93,48
100,00
100,00
7,38
20,40
16,67
1,18
8,57
52,99
6,52
0,00
0,00
7,27
22,41
26,09
6,07
1,54
53,26
18,87
21,43
0,00
Conclusão
solo exposto, no entanto, não inviabilizou a metodologia
empregada.
A metodologia empregada para a classificação do
uso e cobertura da terra da barragem Bico da Pedra
apresentou resultados consistentes através do algoritmo
árvore de decisão, resultado comprovado pela acurácia
de
88,33% e o coeficiente Kappa, considerado excelente.
Os corpos hídricos classificados foram identifica-
dos
em sua maioria dentro do reservatório, o que indica um baixo
conteúdo de água ao longo do rio Gorutuba causado pela
seca e assoreamento do curso d’água.
Observou-se que cerca 80% da área de estudo é
ocupada pela vegetação, em maior predominância a floresta
estacional decidual montana e o cerrado, tendo sua distinção
facilitada pelo uso de imagens referentes à períodos
diferentes (verão e inverno), pelas variáveis
índices de
vegetação (NDVI e SAVI) e as bandas do verme-
lho e infra-
vermelho-médio do satélite Landsat 8 sensor OLI e TIRS.
A presença de cultivos de eucalipto próximo a
nascente do rio Gorutuba foi identificada, fazendo-se
necessário estudos para analisar a ação dessa atividade
florestal na quantidade e qualidade do curso d’água.
Dessa forma, verifica-se a importância das ferra-
mentas do SIG e do sensoriamento remoto para a gestão
e
planejamento dos recursos hídricos e ambientais, como
constatado nos resultados apresentados desse estudo,
possibilitando a aquisição de informações sobre o uso e
cobertura da terra da área de contribuição da barragem Bico
da Pedra.
A classe de pasto/solo exposto apresentou uma área
significativa mas foi a classe com os maiores erros, devido à
dificuldade de diferenciação entre o pasto e o
Referências
Almeida, J. W. L. 2016. Métodos de sensoriamento remoto no mapeamento de
veredas na APA rio pandeiros. Belo Horizonte: Universidade Federal
de
Minas Gerais, 83f. Dissertação Mestrado. Disponível em: https://
repositorio.ufmg.br/handle/1843/IGCM-ADMP85.
Chavez Junior, P. S. 1988. An improved dark-object subtraction technique
for atmospheric scattering correction of multispectraldata. Remote Sensing
of Environment, 24, 459-479. Doi: https://doi. org/10.1016/0034-
4257(88)90019-3.
Brasil. Lei n. 9.433, de 8 de janeiro de 1997. Política Nacional dos
Recursos Hídricos. Disponível em: http://www.planalto.gov.br/ccivil_03/
leis/L9433.htm.
Coelho, A. L. N. 2008. Geomorfologia fluvial de rios impactados por
barragens. Caminhos de Geografia, 9:26, 16-32. Doi: http://www.seer.
ufu.br/index.php/caminhosdegeografia/article/view/15721.
Berhane, T. M.; Lane, C. R.; Wu, Q.; Autrey, B. C.; Anenkhonov, O. A.;
Chepinoga, V. V.; Liu, H. 2018. Decision-tree, rule-based, and random
forest classification of high-resolution multispectral imagery for wetland
mapping and inventory. Remote Sensing, 10:4. Doi: https://
doi.org/10.3390/rs10040580.
CPRM – Serviço Geológico do Brasil. Projeto águas do norte de Minas
(PANM): estudo da disponibilidade hídrica subterrânea do norte de Minas
Gerais. Relatório de integração. 2019. Disponível em: https://
www.cprm.gov.br/publique/media/hidrologia/projetos/panm/relatorio_
integracao.pdf.
CBHSF – Comitê da bacia hidrográfica do rio São Francisco. Plano de
recursos hídricos da bacia hidrográfica do rio São Francisco 2016/2025.
2016.
Disponível em: https://cbhsaofrancisco.org.br/documentacao/ plano-de-
recursos-hidricos-2016-2025/.
DIG – Distrito de Irrigação do Perímetro Gorutuba. Caracterização do
Perímetro de Irrigação Gorutuba. 2013. Disponível em: http://www.
dig.org.br/noticia/Caracterizacao-do-Perimetro-de-Irrigacao-Gorutuba-
distrito-do-gorutuba/31/.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039
9
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
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Sistema
brasileiro de classificação de solos. 2006. Disponível em: https://www.
embrapa.br/solos/sibcs.
Martins, E. M.; Fortes, J. D. N.; Ribeiro, G. P.; Pereira, M. F. M. 2014.
Utilização de sistema de informação geográfica como ferramenta para
gestão do monitoramento da qualidade do ar na região metropolitana do Rio
de Janeiro. Engenharia Agrícola e Ambiental, 19. Doi: https://
doi.org/10.1590/S1413-41522014019010001237.
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Transferência
de
tecnologia florestal: cultivo de eucalipto em propriedades rurais:
diversificação da produção e renda. 2014. Disponível em: https://
ainfo.cnptia.embrapa.br/digital/bitstream/item/121607/1/Apostila- Serie-
TT-Eucalipto.pdf.
Oliveira, W. F.; Sá, R. A.; Leite, M. E. 2016. Dinâmica do uso e ocupação
do
solo na área de drenagem do Reservatório de abastecimento do sistema
Juramento/MG. Caminhos de Geografia, 17:57, 92-106. Doi:
https://doi.org/10.14393/RCG175706.
FEAM - Fundação Estadual do Meio Ambiente. Brasil, 2010. Disponível
em:
http://www.dps.ufv.br/?page_id=742.
Rosa, R. 2005. Geotecnologias na Geografia aplicada. Revista do
Departamento de Geografia, 16, 81-90. Doi: https://doi.org/10.7154/
RDG.2005.0016.0009.
Huete, A. R. 1988. A soil-adjusted vegetation index. Remote Sensing of
Environment, 25, 295-309. Doi: https://doi.org/10.1016/0034-
4257(88)90106-X.
Rouse, J. W.; Haas Junior, R. H.; Sheel, J. A.; Deering, D. W. 1973.
Monitoring vegetation systems in the great plains with ERTS. In: Earth
resources technology satellite-1 symposium, 3., Washington. Anais...
Washington: NASA, 1, 309-317. Disponível em: https://ntrs.nasa.gov/
citations/19740022614.
INMET - Instituto Nacional de Meteorologia. Normais climatológicas
do
Brasil. Disponível em: https://portal.inmet.gov.br/servicos/normais-
climatol%C3%B3gicas.
Santos, A. B. Petronzio, J. A. C. Mapeamento de uso e ocupação do solo do
município de Uberlândia-MG utilizando técnicas de Geoprocessamento.
In:
XV Simpósio Brasileiro de Sensoriamento Remoto, 15., Curitiba. Anais...
Curitiba: INPE. 1, 6185-6192. Disponível em: http://marte.
sid.inpe.br/col/dpi.inpe.br/marte/2011/07.28.18.42/doc/p0210.pdf.
Jensen, J. R. 2015. Introductory digital image processing: A remote
sensing perspective. 4. ed. University of South Carolina, Pearson
Education, USA.
Köppen, W. 1936. Das geographische System der Klimate. In: Handbuch der
Klimatologie, KÖPPEN, W.; GEIGER, R. (Eds.), Gebruder Borntrager,
Berlin,
1, 1–44, part C. Doi: http://koeppen-geiger.vu-wien.ac.at/pdf/
Koppen_1936.pdf.
Sousa Junior, J. G. A.; Demattê, J. A. M.; Genú, A. M. 2008.
Comportamento espectral dos solos na paisagem a partir de dados
coletados por sensores terrestre e orbital. Revista Brasileira de Ciência do
Solo, 32:2, 727-738. Doi: http://dx.doi.org/10.1590/S0100-
06832008000200027.
Landis, J.; Koch, G. 1977. The measurement of observer agreement
for
categorical data, Washington, USA. Biometrics, 33:1, 159-174. Doi:
https://doi.org/10.2307/2529310.
Yang, C.; Wu, G.; Ding, K.; Shi, T.; Li, Q.; Wang, J. 2017. Improving land
use/land cover classification by integrating pixel unmixing and decision
tree
methods. Remote Sensing, 9:12. Doi: https://doi.org/10.3390/ rs9121222.
Leite, M. E.; Dias, L. S.; Rocha, A. M. 2015. Análise da ocupação no
entorno da Barragem Bico da Pedra, no Município de Janaúba/MG.
Caderno de Geografia, 25:44, 221-236. Doi: https://doi.org/10.5752/
P.2318-
2962.2015v25n44p221.
ZEE - Zoneamento Ecológico Econômico. Mapeamento da Cobertura
Vegetal, 2009. Disponível em: http://idesisema.meioambiente.mg.gov.
br/.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.29039