01965naa a2200193 a 450000100080000000500110000800800410001910000180006024501330007826000090021152013190022065000190153965000250155865300240158365300310160765300250163870000260166377300820168919788232014-02-06       2013    bl uuuu     u00u1 u    #d1 aNONATO, R. T.  aTécnicas de mineração de dados para identificação de áreas com cana- açúcar em imagens landsat 5.h[electronic resource]  c2013  aResumo: Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM . Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara , no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos roduziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana -de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.  aRemote sensing  aSensoriamento Remoto  aÁrvore de decisão  aClassificação de imagens  aMapeamento agrícola1 aOLIVEIRA, S. R. de M.  tEngenharia Agrícola, Jaboticabalgv. 33, n. 6, p. 1268-1280, nov./dez. 2013.