Uso de séries temporais e técnicas de machine learning para classificar áreas agrícolas em petrolina-pe
por BRITO, Pedro1; CARVALHO, Herica2; CHAVES, Michel3; SANTOS, Rafael1
1Instituto Nacional de Pesquisas Espaciais (INPE)
2Centro de Tecnologia da Informação Renato Archer
3Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP)
XXI Simpósio Brasileiro de Sensoriamento Remoto: https://proceedings.science/sbsr-2025/trabalhos/uso-de-series-temporais-e-tecnicas-de-machine-learning-para-classificar-areas-ag
Anais do XXI Simpósio Brasileiro de Sensoriamento Remoto | Publicado em 13 April 2025
Resumo
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.
Keywords: Machine Learning, Cubos de dados, Cultivos agrícolas
Compartilhar e Citar
BRITO, Pedro et al. USO DE SÉRIES TEMPORAIS E TÉCNICAS DE MACHINE LEARNING PARA CLASSIFICAR ÁREAS AGRÍCOLAS EM PETROLINA-PE. In: ANAIS DO XXI SIMPóSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2025, Salvador. Anais eletrônicos…, Galoá, 2025. Disponível em: <https://proceedings.science/sbsr-2025/trabalhos/uso-de-series-temporais-e-tecnicas-de-machine-learning-para-classificar-areas-ag?lang=pt-br>. Acesso em: 21 Maio. 2025.