APRENDIZADO DE MÁQUINA E USO DE SÉRIES TEMPORAIS DE IMAGENS SENTINEL-2 NO MONITORAMENTO DA COBERTURA E USO DA TERRA

O uso de séries temporais de imagens de satélite aliadas a algoritmos de aprendizado de máquina é uma abordagem que vem sendo aprimorada nos últimos anos. Considerando a acelerada dinâmica de expansão da fronteira agropecuária em regiões da Amazônia brasileira, este estudo teve como objetivo identificar alterações no uso da terra na região noroeste do Maranhão e leste do Pará, por meio de séries temporais do Sentinel-2 e o algoritmo Random Forest. Foram coletadas amostras aleatórias do mapa TerraClass 2014 e, para aprimorar o conjunto amostral, utilizou-se o algoritmo de mapas auto-organizáveis. Os resultados mostraram que as transições mais expressivas, entre 2014 e 2020, ocorreram em áreas de agricultura temporária, com aumento de 265%, e silvicultura, com 176%. O protocolo metodológico promoveu ganhos importantes frente à performance dos mapeamentos convencionais e mostrou ter potencial para auxiliar no monitoramento das mudanças no uso da terra no território nacional.