A produção de café esteve intimamente ligada ao desenvolvimento econômico do Brasil e ainda hoje o café é um importante produto da agricultura nacional. O Estado de Minas Gerais responde atualmente por 52% de toda a área de café do Brasil. Dados de sensoriamento remoto podem fornecer informações para o monitoramento e o mapeamento de café de maneira mais rápida e menos onerosa do que os métodos convencionais. Nesse contexto, o objetivo deste trabalho foi avaliar a eficácia do mapeamento de áreas de café do município de Monte Santo de Minas-MG, a partir de imagens-fração derivadas do sensor MODIS, nas estações de estiagem e de chuva. Através do Modelo Linear de Mistura Espectral, foram derivadas imagens-fração de solo, café e água/sombra. Estas imagens-fração serviram como dados de entrada para a classificação automática supervisionada com o método SVM - Support Vector Machine. Os melhores resultados de Exatidão Global e Índice Kappa foram obtidos na classificação do período seco, sendo 67% e 0,41, respectivamente.
modelo linear de mistura espectral; classificação supervisionada; Exatidão Global; Índice Kappa
