Land-use and land-cover classification using data mining techniques

Authors

DOI:

https://doi.org/10.11606/rdg.v33i0.122888

Keywords:

Remote Sensing, GeoDMA, Segmentation, Decision Tree.

Abstract

This study aims at mapping the land-use and land-cover (LULC) types using data mining (DM) techniques. The area selected for study is the São Tomé river watershed, located in the region of Alfenas, south of the State of Minas Gerais. We performed this study using multispectral imagery taken by the Linear Imaging Self-Scanner (LISS III) instrument, onboard the Indian Resource Satellite (IRS). The image classification was carried out using the Geographic Data Mining Analyst (GeoDMA), a toolbox that has algorithms for image segmentation, feature extraction, feature selection and classification. The analysis of the results was made by visual fashion, and quantitatively, by means of an error matrix generation. To this end, 3000 reference points was collected in a totally random manner. The results found in this study highlighted the great potential of DM for classifying the LULC types. Some of the key advantages noted in the use of DM include: the possibility of incorporating in the classification process a large number of variables, which include both spectral and spatial attributes, and relief information; it simplified the image interpretation through a decision tree outcome, and; it generated a consistent classification result.

Downloads

Author Biographies

  • Rodrigo Cesário Justino, Universidade Federal de Alfenas
    Graduação em Geografia com ênfase em Análise Ambiental e Geoprocessamento (2011) pela Universidade Federal de Alfenas/MG - UNIFAL-MG, com experiência na área ambiental, com projetos de pesquisa desenvolvidos com ênfase em Sensoriamento Remoto, Geoprocessamento e Meio Ambiente. Mestrado em Ecologia e Tecnologia Ambiental (2014) pela Universidade Federal de Alfenas/MG - UNIFAL-MG, com projeto realizado na área de Sensoriamento Remoto aplicado ao uso da terra e da cobertura vegetal.
  • Marcos Roberto Martines, Universidade Federal de São Carlos

    Possui graduação em Geografia pela Universidade de São Paulo (1998) e mestrado em Geografia (Geografia Humana) pela Universidade de São Paulo (2005) e Doutorado em Geografia (Geografia Física) pela Universidade de São Paulo (2011). Tem experiência na área de Geografia Física, Cartografia e Geociências, com ênfase em Geoprocessamento, atuando principalmente nos seguintes temas: Geografia Física, Cartografia Temática e Sistemática, Geoprocessamento, Diagnóstico e Análise Ambiental, Modelagem Cartográfica e Álgebra de Mapas, Banco de Dados Geográfico e Sensoriamento Remoto

     
  • Fernando Shinji Kawakubo, Universidade de São Paulo
    Possui graduação em Geografia (2001), mestrado em Ciências (Geografia Física) (2005) e doutorado em Ciências (Geografia Física) (2010) todos pela Universidade de São Paulo. Atua na área de Geociências nos seguintes temas: (1) fragilidade ambiental; (2) mapeamento e análise do uso da terra/cobertura vegetal utilizando os recursos do sensoriamento remoto; (3) fotointerpretação; (4) classificação de imagens; (5) análise de mistura espectral; (6) integração sensoriamento remoto e SIG. Atualmente é professor do Departamento de Geografia da Universidade de São Paulo. Registro no CREA-SP 5061914497.

Downloads

Published

2017-08-23

Issue

Vol. 33 (2017)

Section

Artigos

License

Autores que publicam nesta revista concordam com os seguintes termos:

  • Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution BY-NC-SA que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
 
  • Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. A licença adotada enquadra-se no padrão CC-BY-NC-SA. 
 
  • Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).

How to Cite

Justino, R. C., Martines, M. R., & Kawakubo, F. S. (2017). Land-use and land-cover classification using data mining techniques. Revista Do Departamento De Geografia, 33, 36-46. https://doi.org/10.11606/rdg.v33i0.122888