ANÁLISE CLIMÁTICA NO ESTADO DO TOCANTINS UTILIZANDO APRENDIZADO DE MÁQUINA

Abstract

Este estudo aplicou técnicas de mineração de dados aos registros climáticos do estado do Tocantins com o objetivo de desenvolver modelos preditivos para precipitação, temperatura média e umidade relativa. Foram empregados a metodologia CRISP-DM e o algoritmo Random Forest, a partir de dados de cinco estações meteorológicas do INMET distribuídas pelo estado, cobrindo o período de 2010 a 2025. O pré-processamento envolveu limpeza, agregação temporal, tratamento de outliers e engenharia de atributos com defasagens temporais, médias móveis e codificação cíclica de variáveis sazonais. Os dados foram divididos cronologicamente em treino (2010–2021), validação (2022–2023) e teste (2024–2025). Os modelos demonstraram desempenho robusto, com coeficientes de determinação superiores a 0,94 em todas as variáveis no conjunto de teste. O modelo de umidade apresentou o melhor resultado (R² = 0,966), seguido pela precipitação (R² = 0,960) e temperatura média (R² = 0,945). As predições para 2026 mantiveram fidelidade aos padrões sazonais históricos, com correlações sazonais superiores a 0,997 e aprovação em todos os seis critérios de validação científica. As predições de temperatura indicaram estabilidade climática regional, com média anual de 26,2°C (diferença de 0,1°C da climatologia histórica), sem tendências significativas de aquecimento ou resfriamento. Os resultados fornecem uma ferramenta preditiva validada cientificamente para o planejamento agrícola e a gestão de recursos hídricos no Tocantins, contribuindo para a tomada de decisões estratégicas no setor agropecuário estadual.