@MASTERSTHESIS{ 2023:450339697,
 	title = {Engenharia e extração de recursos em séries temporais de índice de  vegetação para mapeamento de área com culturas anuais},
 	year = {2023},
 	url = "https://tede.unioeste.br/handle/tede/6656",
 	abstract = "No Brasil, as operações financeiras de crédito, custeio e seguro agrícola são as principais 
 políticas de incentivo ao desenvolvimento da agricultura. De acordo com o Manual de Crédito 
 Rural (MCR), a instituição financeira concedente é responsável pelo monitoramento e pela 
 fiscalização das operações de crédito rural, autorizando a utilização de técnicas de 
 geoprocessamento e sensoriamento remoto para essa finalidade. A aferição e validação da 
 área agricultável do imóvel é uma das informações necessárias ao cumprimento do MCR. 
 Essa demanda pode ser atendida com a utilização de técnicas de mineração de dados em 
 séries temporais de índices de vegetação (STIV) para classificação de culturas anuais. O 
 objetivo deste trabalho foi mapear e estimar áreas com culturas agrícolas anuais, utilizando 
 mineração de dados e técnicas de engenharia e extração de recursos em séries temporais de 
 índice de vegetação. A área de estudo compreende a região oeste do estado da Bahia, 
 Nordeste do Brasil, devido à disponibilidade do Dataset LEM+ com classes de uso e cobertura 
 da terra para a região. A metodologia geral segue o processo descoberta de conhecimento 
 em banco de dados (KDD). O processo de KDD contém 5 etapas, sendo: 1ª etapa - seleção 
 de dados com 48 imagens de índice de vegetação do sensor MODIS dos satélites Terra e 
 Aqua, entre o período de 22/09/2019 e 21/09/2020; 2ª etapa - pré-processamento: divisão dos 
 valores das STIV por 10.000 e empilhamento em cubo temporal de STIV; 3ª etapa -
 transformação: geração de 2 grupos de imagens, um com suavização da STIV com filtro 
 Savitzky-Golay (SG) e o outro com simplificação da STIV, extraindo sua componente de 
 tendência (TD) com o algoritmo de Decomposição Sazonal Baseado em Perda (STL), 
 utilizando de técnicas de engenharia e extração de recursos para construção de 25 imagens 
 de atributos derivados (AD) em cada tratamento; 4ª etapa - mineração de dados, foram 
 utilizadas 73 imagens (STIV + AD) de cada tratamento SG e TD e criadas 10 combinações de 
 atributos contendo STIV, AD básicos e AD polares. O algoritmo Boruta foi utilizado para 
 seleção de atributos com maior importância para a tarefa de classificação das culturas anuais 
 e o classificador Random forest (RF) otimizado com Grid search cross validation, para 
 encontrar o melhor modelo de classificação; 5ª etapa - avaliação e interpretação, foram 
 extraídas estatísticas das 10 combinações de atributos para aferição de acurácia, Kappa e 
 precisão do mapeamento. Os resultados mais promissores foram identificados na 
 combinação 8, que possuía 73 atributos, sendo eles a STIV gerada com o componente de 
 tendência, 15 AD extraídos com métricas básicas e 10 AD gerados com métricas polares, em 
 que, com o Boruta, foram selecionados apenas 60 atributos. A máscara construída com RF 
 mapeou 2,53 milhões de hectares com culturas anuais na região do estudo. Com 
 superestimativa de 12,5%, em relação aos dados oficiais do IBGE a máscara obteve acurácia 
 de 92%, Kappa de 86% e precisão aproximada de 92,2%. Do Cadastro Ambiental Rural 
 (CAR), foi selecionado um imóvel rural e realizada uma simulação de um processo na 
 fiscalização de crédito agrícola. Foi comparada a área de uso consolidado do imóvel, de 
 852,82 hectares, com casos de mapeamento da área com culturas anuais. Um dos casos 
 obteve área mapeada de 848,145 hectares com acurácia de 99,22%, Kappa de 98,32% e 
 precisão aproximada de 100%. Esse caso de mapeamento foi realizado aplicando-se o 
 modelo RF treinado em imagens de STIV e AD recortadas para o imóvel rural. As técnicas 
 aplicadas no mapeamento de áreas com culturas anuais utilizando mineração de dados, 
 engenharia e extração de atributos em STIV permitem agilidade em processos de gestão 
 territorial e para validação de informações sobre imóveis rurais no crédito agrícola realizado 
 por instituições financeiras.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}