Resumo: O objetivo deste trabalho foi utilizar as técnicas de reflectância acumulada e mineração de dados, seguidas por classificação orientada a objeto, em imagens do sensor Operational Land Imager (OLI), satélite Landsat 8, para a classificação de vegetação nativa e cobertura agropecuária do Cerrado. Quatro imagens de reflectância foram utilizadas para a discriminação de seis classes - agricultura, pecuária, campo limpo úmido, savana, floresta e campo -, para a classificação do Parque Nacional das Emas, no Estado de Goiás, e adjacências. As imagens foram segmentadas para a extração de atributos espectrais de amostras e a aplicação de combinações de atributos (média + moda, todos os atributos) na mineração de dados. O programa Weka foi utilizado para a construção das árvores de decisão. Essa metodologia indicou que a diferenciação entre alvos aumentou a partir da acumulação temporal da reflectância, em todas as bandas e as classes, e a melhor imagem foi aquela do somatório das quatro datas. A classificação baseada na associação de atributos média + moda não apresentou impedimentos no processamento das regras de decisão, diferentemente da associação de todos os atributos. A classificação média + moda apresentou acurácia satisfatória (exatidão global, 69%; Kappa, 58%; e TAU, 63%). A integração dessas técnicas apresenta potencial para a diferenciação de vegetação nativa e antrópica do Cerrado.
Abstract: The objective of this work was to use the accumulated reflectance technique and data mining application, followed by object-oriented classification, in images of Operational Land Imager (OLI) sensor, Landsat 8, for the classification of native vegetation and agricultural coverage of Cerrado. Four reflectance images were used for the discrimination of six classes - agriculture, livestock, wetland, savannah, forest, and grassland -, for classification of Parque Nacional das Emas and surrounding areas in the state of Goiás, Brazil. The images were segmented for the extraction of sample spectral attributes and application of attribute combinations (mean + mode, all attributes) on data mining. The Weka software was used to construct the decision trees. This methodology indicated that the differentiation among targets increased from the temporal accumulation of the reflectance in all bands and classes, and that the optimal image was that of the sum of the four dates. The classification based on the attribute associations mean + mode showed no restraints in the decision rules processing, unlike the association of all attributes. The mean + mode classification showed a satisfactory accuracy (global accuracy, 69%; Kappa, 58%; and TAU, 63%). The integration of these techniques shows potential to differentiate native and anthropogenic vegetation in the Cerrado.
