Abordagens estatísticas em séries temporais de sensoriamento remoto: uma revisão sistemática da literatura

O monitoramento ambiental por sensoriamento remoto tem se beneficiado da crescente disponibilidade de séries temporais de imagens orbitais, ampliando a capacidade de detectar mudanças na cobertura e uso da terra. Nesse contexto, a estatística desempenha papel fundamental na extração de padrões, tendências e rupturas em dados multitemporais. Este estudo realizou uma revisão sistemática da literatura com o objetivo de identificar e analisar as principais abordagens estatísticas aplicadas à detecção de mudanças em séries temporais de sensoriamento remoto. A pesquisa seguiu as diretrizes PRISMA, abrangendo as bases Scopus, Web of Science, Google Scholar e SciELO, resultando na seleção de 30 estudos relevantes. Os resultados evidenciaram uma evolução metodológica das abordagens bi-temporais para modelos de detecção contínua, técnicas não-paramétricas, modelagens estocásticas, inferência Bayesiana e métodos baseados em inteligência artificial. Verificou-se que a escolha da abordagem estatística está diretamente relacionada à estrutura dos dados, à densidade temporal das observações e às características ambientais analisadas. Destaca-se ainda a crescente integração entre métodos estatísticos avançados e sensoriamento remoto para superar limitações associadas à sazonalidade, ruídos atmosféricos e heterogeneidade espacial. Conclui-se que a evolução das técnicas estatísticas tem contribuído significativamente para o aprimoramento do monitoramento ambiental, embora persistam desafios relacionados à integração entre robustez analítica, interpretabilidade e capacidade operacional.