JOÃO PAULO DA SILVA, Feagri/Unicamp; JURANDIR ZULLO JÚNIOR, Cepagri/Unicamp; LUCIANA ALVIM SANTOS ROMANI, CNPTIA.2026-07-07http://hdl.handle.net/123456789/455706A cana-de-açúcar é um dos pilares do agronegócio brasileiro e, por apresentar intensa dinâmica expansionista, demanda metodologias que subsidiem a criação de estratégias políticas e econômicas que promovam a sustentabilidade da produção. Este artigo propõe uma nova abordagem de monitoramento de áreas canavieiras baseada na classificação de séries temporais de imagens de satélite associada à técnica de Active Learning. A interação do usuário especialista no aprendizado do algoritmo de classificação através desta técnica utilizando parâmetros sazonais das séries temporais gerou um conjunto de treino otimizado que promoveu a redução do custo operacional de monitoramento da ocupação da cana-de-açúcar. A correlação de cerca de 90% observada entre as análises conduzidas neste trabalho com dados oficiais indica que a metodologia proposta pode ser utilizada no monitoramento agrícola devido à similaridade entre os resultados associada ao baixo custo operacional envolvido.SBIAgro 2017.p. 119-128.openAccessMineração de dadosAnálise sazonalClassificação de imagensSéries temporaisAlgoritmo Support Vector MachineÍndice de Vegetação da Diferença NormalizadaData miningSeasonal analysisCana de açúcarSugarcaneTime series analysisVegetation indexArtigo em anais e proceedings