Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra

Transcrição

1 Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra

2 Introdução

3 Capacidade de Armazenamento X Análise e Interpretação

4 Geração contínua de dados

5 Satélites de SR geram imagens diariamente.

6 Se os dados são analisados de forma independente, não apresentam significado.

7 A interpretação de grandes volumes de dados é facilidada pela manipulação das informações de forma integrada.

8 A interpretação de imagens pode ser automatizada.

9 Como encontrar um alvo em uma imagem?

10 Como representar o conhecimento em software?

11 Atributos em uma tabela caracterizam os objetos.

12 Descoberta de Conhecimento em Bancos de Dados: KDD Knowledge Discovery in Databases.

13 KDD é o processo não trivial de identificar padrões nos dados. Os padrões devem ser válidos, singulares, potencialmente úteis e compreensíveis. Fayyad, 1997

14 Medidas de avaliação dos resultados do KDD Certeza Utilidade Inovação Simplicidade

15 Estatística Áreas de pesquisa Reconhecimento de Padrões Bancos de Dados KDD Aprendizado por Máquina

16 KDD Genérico

17 KDD em imagens

18 Sistema de Coordenadas N-1 x f(x,y)... N colunas 18 M - 1 y M linhas

19 Espaços Espaço da Imagem X Espaço de Atributos atr x col x 2 x 3 32 x 2 x 1 10 x 1 19 lin

20 Qual imagem poderia ter este comportamento no espaço de atributos? 20

21 21 Solução

22 Pré Processamento

23 Atributos para Pixels

24 Atributos para Segmentos

25 Atributos de Paisagem 10 km Manchas dentro da célula: Área total Porcentagem Tamanho médio Conectividade Questões: Tamanho da célula Padrões observáveis

26 Subconjunto de atributos suficiente e necessário para representar um conceito.

27 Técnicas de Seleção

28 Normalização previne que uma variável tenha maior impacto do que as outras.

29 Técnicas de Normalização z-score min-max

30 Visualização aumenta a interatividade e melhora o entendimento dos resultados.

31 Mineração de Dados

32 Extração de padrões, ou modelos, dos dados.

33 Classificação omite detalhes, mas simplifica a interpretação.

34 A modelagem preditiva encontra o estado mais provável de um elemento, sua classe. Solo Exposto Edificações Construções Ferrovia Estrada Solo Torres Árvores Vegetação

35 Árvores de decisão descrevem fronteiras lineares sobre o espaço de atributos.

36 Redes neurais artificiais geram separadores não lineares.

37 Agrupamento (clustering) separa automaticamente objetos em subconjuntos similares entre si, e diferentes dos demais.

38 Mapas de Kohonen (SOM) representam em neurônios próximos objetos similares.

39 K-Médias encontra K valores de médias, os centróides de cada cluster.

40 Técnicas de associação revelam relações de co-ocorrência nos atributos. 1. SE ( media_pixels_0 >= 127 E area < 50 ) ENTÃO media_pixels_2 > SE ( area > 1000 E compacidade < 0.5 ) ENTÃO media_pixels_0 < 50...

41 Algoritmos genéticos buscam associações cruzando as hipóteses. 1. SE ( media_pixels_0 >= 100 E media_pixels_0 < 150 ) OU ( media_pixels_0 >= 150 E media_pixels_0 < 200 ) ENTÃO SE ( media_pixels_0 >= 0 E media_pixels_0 < 50 ) OU ( media_pixels_0 >= 200 E media_pixels_0 < 256 ) ENTÃO... (00110, 10001) SE ( media_pixels_0 >= 100 E media_pixels_0 < 150 ) OU ( media_pixels_0 >= 200 E media_pixels_0 < 256 ) ENTÃO...

42 Interpretação do Conhecimento

43 A interpretação valida e aplica o conhecimento a todos os dados. O modelo será diferente conforme a técnica empregada.

44 O modelo preditivo é avaliado logo após sua construção. Entrada Treinamento κ = κ = κ =

45 Pode-se aceitar o modelo produzido, refazer etapas anteriores ou ajustar o resultado.

46 Se clustering for empregado, significados devem ser atribuídos no pós-processamento.

47 Geographical Data Mining Analyst Desenvolvido pela DPI INPE Software livre Código fonte aberto TerraLib, C++ Mineração de dados de sensoriamento remoto

48 Modelo de Interpretação

49 Modelo de Interpretação

50 Modelo de Interpretação

51 Modelo de Interpretação

52 Exemplo de Aplicação Classificação de cobertura urbana usando imagens de alta resolução São Paulo, SP

53

54 Exercício Análise de padrões de desmatamento na Amazônia (GeoDMA)