USO DE SÉRIES TEMPORAIS E TÉCNICAS DE MACHINE LEARNING PARA CLASSIFICAR ÁREAS AGRÍCOLAS EM PETROLINA-PE

O objetivo deste estudo foi avaliar o uso de bandas de imagens de satélite para mapear áreas agrícolas em Petrolina-PE, utilizando séries temporais e algoritmos de machine learning. Foram comparados os modelos Random Forest (RF) e Temporal Convolutional Neural Network (TempCNN) na identificação de classes de uso e cobertura da terra com ênfase em cultivos agrícolas de importância econômica para a região. Imagens Sentinel-2 foram organizadas em cubos de dados, e amostras coletadas para treinar os classificadores e validar os mapas. Ambos os modelos distinguiram bem as classes, com o RF destacando-se em algumas classes específicas, e o TempCNN alcançando maior acurácia global, mostrando-se robusto para mapeamento em larga escala de áreas agrícolas.