CUBO DE DADOS GEOGRÁFICO APLICADO À CLASSIFICAÇÃO AUTOMÁTICA DE ÁREAS CAFEEIRAS NO SUL DE MINAS GERAIS

O objetivo deste trabalho foi aplicar métodos de aprendizado de máquina a séries temporais de sensoriamento remoto para classificar áreas cafeeiras no sul de Minas Gerais. Foram utilizadas séries temporais de dois anos de dados do satélite Sentinel-2, obtidos pelo Brazil Data Cube. Os algoritmos Random Forest e TempCNN foram aplicados para identificar áreas cafeeiras nos municípios de Três Pontas e Carmo de Minas. No treinamento, foram considerados como atributos as bandas espectrais R, G, B e NIR, além dos índices espectrais EVI, NDVI, NDWI, VARI e MSAVI. Os resultados demonstraram uma acurácia superior a 80% para ambos os algoritmos, evidenciando a eficácia da metodologia proposta. Esta pesquisa contribui significativamente para a cadeia produtiva do café em Minas Gerais, oferecendo uma abordagem inovadora para o mapeamento de áreas cafeeiras no Estado.