SELEÇÃO DE AMOSTRAS E PARAMETRIZAÇÃO DE MODELO PARA CLASSIFICAÇÃO DE ÁREAS AGRÍCOLAS NO CERRADO USANDO CUBO DE DADOS SENTINEL-2

Muitos foram os avanços tecnológicos e metodológicos no mapeamento da cobertura e uso da terra, incluindo análise de séries temporais e classificações baseados em algoritmos de aprendizado de máquina. Este trabalho pretendeu testar, usando soluções inovadoras, como BDC/sits, o desenvolvimento e a sistematização de um método capaz de selecionar amostras e classificar a cobertura e uso da terra do Cerrado. O método deveria, ainda, ampliar a automatização do mapeamento, minimizando a edição vetorial pós-classificação com o cubo de imagens Sentinel-2 para as classes temáticas de agricultura: temporárias de 1 ciclo ou mais, semiperene, perene e silvicultura. A comparação entre o modelo desenvolvido e o produto TerraClass 2020 apresentou 75% de concordância. A validação com pontos distribuídos aleatoriamente entre as classes e inspeção visual mostrou 89% de acurácia global. Conclui-se que o método se mostrou eficaz, gerando um modelo para classificação de áreas agrícolas no Cerrado com um desempenho bastante satisfatório.