IMAGENS DE ALTA RESOLUÇÃO E APRENDIZADO DE MÁQUINA PARA IDENTIFICAÇÃO DE ÁREAS COM EVIDÊNCIAS DE EROSÃO HÍDRICA DO SOLO

Este estudo teve como objetivo identificar e mapear evidências de erosão hídrica do solo em uma área de estudo localizada às margens do rio Paraíba do Sul, no município de Vassouras, estado do Rio de Janeiro, a partir de imagem PlanetScope SuperDove (05/05/2025) e classificação supervisionada por algoritmo de aprendizado de máquina Random Forest. As variáveis preditoras incluíram bandas azul, verde, vermelho, red-edge e infravermelho próximo, índices de vegetação NDVI, EVI, MSAVI e VIgreen, e variáveis topográficas elevação e declividade, derivadas do SRTM, processadas no Google Earth Engine. O desempenho foi avaliado por meio das acurácias extraídas da matriz de confusão (OA, Kappa, PA, UA e F1), inspeção visual com imagens de altíssima resolução do Google Earth Pro e comparação espacial com o mapa de vulnerabilidade à erosão hídrica da Embrapa Solos. O modelo obteve 94,5% de acurácia global. Em 3.803 ha, foram mapeados 74,13 ha como evidência de erosão hídrica, com distribuição compatível com feições observadas em imagens de satélite de altíssima resolução e predominância nas classes de vulnerabilidade moderada a muito alta. Os resultados indicam que a combinação de imagem PlanetScope, variáveis topográficas e índices de vegetação permite gerar produto temático para apoio ao diagnóstico e à priorização de ações de conservação do solo.