AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA CLASSIFICAÇÃO DA COBERTURA DA TERRA EM AMBIENTES DE MANGUEZAIS: ESTUDO DE CASO NO PARQUE NATURAL DOS TARRAFES DE CACHEU (GUINÉ-BISSAU)

Este trabalho analisa a classificação da cobertura da terra na floresta de mangue do Parque Natural dos Tarrafes de Cacheu (PNTC), Guiné-Bissau, utilizando algoritmos de Machine Learning (ML) com imagens de satélite Landsat 8/OLI, identificando os melhores atributos e algoritmos para distinguir classes de cobertura da terra. Os resultados mostram que os algoritmos Support Vector Machine (SVM) e Random Forest se destacam na precisão, com o SVM demonstrando melhor capacidade de generalização. Os índices de vegetação, bandas espectrais e Modelos Digitais de Elevação (MDE) foram essenciais na identificação das classes, destacando como atributos mais importantes a mediana do MDE do Copernicus, a média da Banda 6 e a mediana do NDVI. Este estudo ressalta a eficácia de ferramentas de código aberto como solução acessível e precisa para o monitoramento de manguezais, contribuindo para a conservação e gestão sustentável do PNTC.