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
DOI:
https://doi.org/10.35699/2447-6218.2021.29039Keywords:
Image classification, Geotechnologies, Landsat 8Abstract
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.
Downloads
References
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
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
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
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/
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
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
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.
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/
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Sistema brasileiro de classificação de solos. 2006. Disponível em: https://www.embrapa.br/solos/sibcs
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
FEAM - Fundação Estadual do Meio Ambiente. Brasil, 2010. Disponível em: http://www.dps.ufv.br/?page_id=742
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
INMET - Instituto Nacional de Meteorologia. Normais climatológicas do Brasil. Disponível em: https://portal.inmet.gov.br/servicos/normais-climatol%C3%B3gicas
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.
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
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
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
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
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
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
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
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
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
ZEE - Zoneamento Ecológico Econômico. Mapeamento da Cobertura Vegetal, 2009. Disponível em: http://idesisema.meioambiente.mg.gov.br/
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Agrarian Sciences Journal
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Authors who publish in this journal agree to the following terms:
The Copyright for articles published in this journal follow authorship. The articles are open access, with their own attributions, in educational and non-commercial applications.
The journal reserves the right to make regulatory, orthographic and grammatical changes in the originals, with the aim of maintaining the standard language and the credibility of the vehicle. It will respect, however, the writing style of the authors.
Changes, corrections or suggestions of conceptual order will be forwarded to the authors, when necessary. In such cases, the articles, once appropriate, should be submitted for further consideration.
The opinions issued by the authors of the articles are their sole responsibility.
Agrarian Science Journal is licensed under a 