INTEGRAÇÃO DE DADOS ÓPTICOS, RADAR E METEOROLÓGICOS PARA CLASSIFICAR DIFERENTES ALTURAS DE PASTO E ESTIMAR BIOMASSA COM RANDOM FOREST

O monitoramento de variáveis biofísicas de pastagens por sensoriamento remoto (SR) é uma abordagem promissora para otimizar o desempenho de plantas e animais em sistemas integrados de produção agropecuária. Este estudo utilizou o algoritmo Random Forest (RF) para prever e classificar alturas de dossel, biomassa acima do solo (BAS) e biomassa acumulada (BA) em pastagens de azevém (Lolium multiflorum Lam.), usando dados meteorológicos, imagens ópticas dos satélites Landsat 7, 8, 9 e Sentinel-2, e dados de radar SAR da banda C do Sentinel-1. Processado em ambiente de computação em nuvem, o estudo monitorou três classes de altura de dossel. Com 70% dos dados para treinamento e 30% para validação, o modelo atingiu 65% de acurácia para a classificação da altura ótima, mas teve baixo desempenho para AGB e BA (R² de 0,63 e 0,39). Conclui-se que, embora o uso de SR e aprendizado de máquina mostre potencial para classificação de altura, é insuficiente para estimativas precisas de biomassa em pastagens subtropicais.