Anais do XXI Simpósio Brasileiro de Sensoriamento Remoto

A utilização de modelos de predição de produtividade na cultura da soja é de grande importância no cenário da agricultura de precisão. Este trabalho investiga a predição da produtividade da soja utilizando algoritmos de aprendizado de máquina (Random Forest e Support Vector Machine) em diferentes cenários de entrada. A pesquisa, realizada em uma lavoura comercial no sul de Minas Gerais, integra dados de imagens dos satélites Sentinel-1 (radar) e Sentinel-2 (óptico), além de informações das Zonas de Manejo, que segmentam áreas agrícolas com base em características homogêneas de solo e relevo. Os resultados mostram que a combinação de dados dos dois satélites e das Zonas de Manejo (S1 + S2 + ZM) levou ao melhor desempenho, com coeficientes de determinação (R²) de 0,478 para RF e 0,475 para SVM. Ambos os modelos demonstraram eficácia na estimativa de produtividade, com SVM apresentando leve vantagem.