MAPEAMENTO DA CAFEICULTURA DO SUL DE MINAS UTILIZANDO DADOS DO BRAZIL DATA CUBE E INTELIGÊNCIA ARTIFICIAL

Resumo

Os resultados demonstraram que o modelo L-TAE com o dataset 5 foi a abordagem mais eficaz para o mapeamento automatizado de café, alcançando um Coeficiente de Dice de 0,80 em Bom Sucesso e 0,82 em Oliveira. Isto ressalta a relevância de se combinar bandas espectrais e índices de vegetação para a tarefa. Também pode-se destacar o desempenho consistente do XGBoost que, embora superado pelo L-TAE no melhor cenário, se apresenta como uma alternativa viável por ter um custo computacional menor que os modelos de Deep Learning.
Ademais, trabalhos futuros devem focar na validação do método em outras regiões e períodos, utilizando séries temporais de anos subsequentes, além do uso de mapas de referência aprimorados para uma avaliação mais precisa dos classificadores.