A urbanização em cidades em rápido crescimento como Jaipur levou a transformações significativas no uso e na cobertura da terra (LULC), impactando recursos naturais e ecossistemas urbanos. Prever essas mudanças com precisão é crítico para um planejamento urbano sustentável. Este estudo utiliza uma abordagem híbrida combinando Autômatos Celulares (CA) e Máquinas de Vetores de Suporte (SVM) para modelar e prever mudanças no LULC em Jaipur nos períodos de 2017, 2024 e projetado para 2031. Utilizando dados de satélite Sentinel-2, variáveis espaciais como proximidade a estradas, áreas centrais de negócios, drenagem e inclinação foram integradas para avaliar sua influência nos padrões de crescimento urbano. Os resultados revelam que áreas construídas se expandiram consideravelmente, substituindo em grande parte espaços abertos e verdes, impulsionadas pela proximidade de infraestrutura e zonas de baixa inclinação. O modelo CA-SVM demonstrou forte precisão preditiva, com descobertas-chave sugerindo uma continuação da expansão urbana que poderia sobrecarregar recursos locais e reduzir a estabilidade ecológica até 2031. Esses insights destacam o valor de estratégias de planejamento baseadas em dados que podem gerenciar o crescimento urbano de forma sustentável. Pesquisas futuras poderiam aprimorar o modelo incorporando variáveis socioeconômicas adicionais e empregando dados de alta resolução para maior precisão. A abordagem híbrida CA-SVM oferece uma estrutura robusta para entender e prever a dinâmica do LULC, fornecendo uma ferramenta valiosa para formuladores de políticas urbanas que buscam equilibrar o desenvolvimento com a conservação ambiental. Cite este artigo como: R. L. Chouhan e H. S. Shekhawat, “Uma abordagem híbrida para prever mudanças no uso/cobertura da terra: Integrando detecção baseada em objetos com aprendizado de máquina,” Electrica, 25, 0181, 2025. doi: 10.5152/electrica.2025.24181.
Chouhan et al. (Sex,) estudaram essa questão.