Árvores de decisão aplicadas à extração automática de redes de drenagem

A representação cartográfica da Amazônia Legal é uma questão estratégica para o país e sempre representou um grande desafio. A sua extensão territorial ultrapassa 5 milhões de quilômetros quadrados, dos quais cerca de 1,8 milhões não possuem informações cartográficas adequadas, o que tornou esta áre...

Full description

Bibliographic Details
Main Author: Lise Christine Banon
Other Authors: Rafael Duarte Coelho dos Santos
Language:Portuguese
Published: Instituto Nacional de Pesquisas Espaciais (INPE) 2013
Online Access:http://urlib.net/sid.inpe.br/mtc-m19/2013/12.04.03.56
id ndltd-IBICT-oai-urlib.net-sid.inpe.br-mtc-m19-2013-12.04.03.56.15-0
record_format oai_dc
collection NDLTD
language Portuguese
sources NDLTD
description A representação cartográfica da Amazônia Legal é uma questão estratégica para o país e sempre representou um grande desafio. A sua extensão territorial ultrapassa 5 milhões de quilômetros quadrados, dos quais cerca de 1,8 milhões não possuem informações cartográficas adequadas, o que tornou esta área conhecida como vazio cartográfico. O Projeto Radiografia da Amazônia do Exército Brasileiro tem por objetivo suprimir esta deficiência e conta com a cooperação científica do Instituto Nacional de Pesquisas Espaciais (INPE) para as aplicações dos radares interferométricos que permitem, a partir de seus produtos, a extração de feições cartográficas. A hidrografia é fundamental em uma representação cartográfica. A sua extração é feita a partir de um dos produtos derivados do radar os modelos digitais de elevação (MDE). Atualmente, a partir destes modelos, estas redes são extraídas automaticamente utilizando a metodologia clássica. Esta metodologia se baseia na escolha empírica de um valor que determina a área de contribuição mínima necessária para a definição da drenagem. No entanto, a região amazônica possui diferentes padrões geomorfológicos e neste caso, os resultados não são satisfatórios. A definição de uma nova metodologia que forneça um resultado mais realista para a extração automática de redes de drenagem traria maior produtividade e, em projetos que envolvem grandes extensões territoriais como o vazio cartográfico, representaria uma contribuição relevante. Técnicas de Mineração de Dados (MD) permitem identificar padrões de interesse em grandes volumes de dados, o que motivou a realização deste trabalho. A hipótese é que a aplicação de árvores de decisão, uma das técnicas de MD, possa indicar critérios e outros atributos extraídos do MDE, que permitam propor uma nova metodologia para a extração automática de uma rede de drenagem mais realista, inclusive em regiões com diferentes padrões geomorfológicos. Neste trabalho, esta técnica foi testada sobre os dados do MDE SRTM (\emph{Shuttle Radar Topography Mission}) para uma área da região amazônica com grande diversidade de padrões geomorfológicos. A metodologia proposta apresentou resultados muito superiores em relação à metodologia clássica. A árvore de decisão obtida indicou que outros atributos, além da área de contribuição, são importantes para a definição de uma rede de drenagem mais realista, minimizando o processo de edição manual. Esta árvore de decisão, resultante da primeira área de estudo, foi aplicada em outras 4 áreas também escolhidas na região amazônica. Em todos os casos, os resultados foram bastante satisfatórios quando comparados aos da metodologia clássica. Desta forma, a árvore de decisão obtida neste trabalho pode ser extrapolável para outras áreas da região amazônica, utilizando os dados do MDE SRTM. === Legal Amazon region cartographic representation is strategic to Brazil and has always represented a great challenge. Legal Amazon region has a territorial extension of over 5 million square kilometers of which about 1.8 million has inadequate cartographic information and is usually called the "Cartographic Blank of the Amazon. The Amazon Radiography Project developed by Brazilian Army aims to eliminate this deficiency through the scientific cooperation with National Institute for Space Research (INPE) for interferometric radar applications, whose products enable the extraction of cartographic features. The hydrography is essential in a cartographic representation and its extraction is done from a product derived from radar the digital elevation models (DEM). Currently the drainage networks are automatically extracted from these models, using the classical methodology. This methodology is based on empirical choice of a value that determines the minimum contribution area required to define the drainage. However, the amazon region has different geomorphological patterns and therefore the results are not satisfactory. A new method for automatic extraction of drainage networks could have a more realistic result, providing greater productivity and would mean an important contribution to projects on large territorial extension, as the "Cartographic Blank of the Amazon. Data Mining (DM) techniques allow the identification of patterns of interest in large volumes of data. The hypothesis is that the Decision Trees techniques is able to suggest criteria and other attributes extracted from DEM, leading to a new methodology for automatic extraction of a drainage network more realistic, even in regions with different geomorphological patterns. In this work, this technique was tested on data from DEM SRTM (\emph{Shuttle Radar Topography Mission}) to an area of the amazon region with great diversity of geomorphological patterns. The proposed methodology showed superior results compared to classical methodology. The Decision Tree obtained pointed out that other attributes, besides the contribution area, are important for the definition of a network of more realistic drainage, minimizing the manual editing process. This Decision Tree was applied in 4 other areas also chosen in the amazon region. In all cases the results were very satisfactory compared to the classical methodology. Thus, the Decision Tree obtained in this work can be extrapolated to other areas of the amazon region, using data from the DEM SRTM.
author2 Rafael Duarte Coelho dos Santos
author_facet Rafael Duarte Coelho dos Santos
Lise Christine Banon
author Lise Christine Banon
spellingShingle Lise Christine Banon
Árvores de decisão aplicadas à extração automática de redes de drenagem
author_sort Lise Christine Banon
title Árvores de decisão aplicadas à extração automática de redes de drenagem
title_short Árvores de decisão aplicadas à extração automática de redes de drenagem
title_full Árvores de decisão aplicadas à extração automática de redes de drenagem
title_fullStr Árvores de decisão aplicadas à extração automática de redes de drenagem
title_full_unstemmed Árvores de decisão aplicadas à extração automática de redes de drenagem
title_sort árvores de decisão aplicadas à extração automática de redes de drenagem
publisher Instituto Nacional de Pesquisas Espaciais (INPE)
publishDate 2013
url http://urlib.net/sid.inpe.br/mtc-m19/2013/12.04.03.56
work_keys_str_mv AT lisechristinebanon arvoresdedecisaoaplicadasaextracaoautomaticaderedesdedrenagem
AT lisechristinebanon decisiontreesappliedtotheautomaticextractionofdrainagenetworks
_version_ 1718963824722182144
spelling ndltd-IBICT-oai-urlib.net-sid.inpe.br-mtc-m19-2013-12.04.03.56.15-02019-01-22T03:20:45Z Árvores de decisão aplicadas à extração automática de redes de drenagem Decision trees applied to the automatic extraction of drainage networks Lise Christine Banon Rafael Duarte Coelho dos Santos Nandamudi Lankalapalli Vijaykumar Graziela Balda Scofield A representação cartográfica da Amazônia Legal é uma questão estratégica para o país e sempre representou um grande desafio. A sua extensão territorial ultrapassa 5 milhões de quilômetros quadrados, dos quais cerca de 1,8 milhões não possuem informações cartográficas adequadas, o que tornou esta área conhecida como vazio cartográfico. O Projeto Radiografia da Amazônia do Exército Brasileiro tem por objetivo suprimir esta deficiência e conta com a cooperação científica do Instituto Nacional de Pesquisas Espaciais (INPE) para as aplicações dos radares interferométricos que permitem, a partir de seus produtos, a extração de feições cartográficas. A hidrografia é fundamental em uma representação cartográfica. A sua extração é feita a partir de um dos produtos derivados do radar os modelos digitais de elevação (MDE). Atualmente, a partir destes modelos, estas redes são extraídas automaticamente utilizando a metodologia clássica. Esta metodologia se baseia na escolha empírica de um valor que determina a área de contribuição mínima necessária para a definição da drenagem. No entanto, a região amazônica possui diferentes padrões geomorfológicos e neste caso, os resultados não são satisfatórios. A definição de uma nova metodologia que forneça um resultado mais realista para a extração automática de redes de drenagem traria maior produtividade e, em projetos que envolvem grandes extensões territoriais como o vazio cartográfico, representaria uma contribuição relevante. Técnicas de Mineração de Dados (MD) permitem identificar padrões de interesse em grandes volumes de dados, o que motivou a realização deste trabalho. A hipótese é que a aplicação de árvores de decisão, uma das técnicas de MD, possa indicar critérios e outros atributos extraídos do MDE, que permitam propor uma nova metodologia para a extração automática de uma rede de drenagem mais realista, inclusive em regiões com diferentes padrões geomorfológicos. Neste trabalho, esta técnica foi testada sobre os dados do MDE SRTM (\emph{Shuttle Radar Topography Mission}) para uma área da região amazônica com grande diversidade de padrões geomorfológicos. A metodologia proposta apresentou resultados muito superiores em relação à metodologia clássica. A árvore de decisão obtida indicou que outros atributos, além da área de contribuição, são importantes para a definição de uma rede de drenagem mais realista, minimizando o processo de edição manual. Esta árvore de decisão, resultante da primeira área de estudo, foi aplicada em outras 4 áreas também escolhidas na região amazônica. Em todos os casos, os resultados foram bastante satisfatórios quando comparados aos da metodologia clássica. Desta forma, a árvore de decisão obtida neste trabalho pode ser extrapolável para outras áreas da região amazônica, utilizando os dados do MDE SRTM. Legal Amazon region cartographic representation is strategic to Brazil and has always represented a great challenge. Legal Amazon region has a territorial extension of over 5 million square kilometers of which about 1.8 million has inadequate cartographic information and is usually called the "Cartographic Blank of the Amazon. The Amazon Radiography Project developed by Brazilian Army aims to eliminate this deficiency through the scientific cooperation with National Institute for Space Research (INPE) for interferometric radar applications, whose products enable the extraction of cartographic features. The hydrography is essential in a cartographic representation and its extraction is done from a product derived from radar the digital elevation models (DEM). Currently the drainage networks are automatically extracted from these models, using the classical methodology. This methodology is based on empirical choice of a value that determines the minimum contribution area required to define the drainage. However, the amazon region has different geomorphological patterns and therefore the results are not satisfactory. A new method for automatic extraction of drainage networks could have a more realistic result, providing greater productivity and would mean an important contribution to projects on large territorial extension, as the "Cartographic Blank of the Amazon. Data Mining (DM) techniques allow the identification of patterns of interest in large volumes of data. The hypothesis is that the Decision Trees techniques is able to suggest criteria and other attributes extracted from DEM, leading to a new methodology for automatic extraction of a drainage network more realistic, even in regions with different geomorphological patterns. In this work, this technique was tested on data from DEM SRTM (\emph{Shuttle Radar Topography Mission}) to an area of the amazon region with great diversity of geomorphological patterns. The proposed methodology showed superior results compared to classical methodology. The Decision Tree obtained pointed out that other attributes, besides the contribution area, are important for the definition of a network of more realistic drainage, minimizing the manual editing process. This Decision Tree was applied in 4 other areas also chosen in the amazon region. In all cases the results were very satisfactory compared to the classical methodology. Thus, the Decision Tree obtained in this work can be extrapolated to other areas of the amazon region, using data from the DEM SRTM. 2013-12-18 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis http://urlib.net/sid.inpe.br/mtc-m19/2013/12.04.03.56 por info:eu-repo/semantics/openAccess Instituto Nacional de Pesquisas Espaciais (INPE) Programa de Pós-Graduação do INPE em Computação Aplicada INPE BR reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais instacron:INPE