O planejamento territorial é uma ferramenta de suma importância para o desenvolvimento sustentável do setor agrícola brasileiro, ainda mais em biomas com fronteiras agrícolas em pleno crescimento, como o Cerrado. O zoneamento agrícola é um dos principais instrumentos do planejamento territorial, que em sua maioria é realizado a partir de análises multicritérios e depende de interpretações de analistas. Ao buscar por diferentes alternativas para este tipo de análise, veio o termo Inteligência Artificial (IA), ramo da ciência da computação, que vem sendo usado de forma abrangente não só no meio acadêmico, mas em funcionalidades usadas no dia a dia, como streaming de filmes e séries, carros inteligentes, reconhecimento facial, comportamento de consumo, entre muitos outros. Diante de tamanha versatilidade deste ramo, foi proposto para este estudo utilizar ferramentas de aprendizado de máquina, que é um dos campos da IA, para desenvolver modelos preditivos para classificação do potencial agrícola no Cerrado brasileiro. Foram desenvolvidos quatro modelos, utilizando o algoritmo Random Forest, entre eles o potencial de expansão da soja, potencial de intensificação da pecuária, potencial de expansão da floresta plantada e um modelo final que reúne as três cadeias agropecuárias. Como variáveis de entrada foram usados dados climáticos, edáficos, de infraestrutura e socioeconômicos, já como classe para treinamento do modelo utilizou-se dados de um estudo elaborado pela organização WWF-Brasil em parceria com outras instituições. A performance dos modelos foi avaliada a partir da matriz de confusão, e a melhor acurácia foi a do modelo de floresta plantada com 98%, seguido do modelo de soja e pecuária, com 86% e 79%, respectivamente. O modelo final apresentou uma acurácia geral de 80%.

Territorial planning is an extremely important tool for the sustainable development of the Brazilian agricultural sector, even more so in biomes with fast growing agricultural frontiers, such as the Cerrado. The agricultural zoning is one of the main instruments of territorial planning, which is mostly carried out based on multi-criteria analysis and depends on analysts' interpretations. When searching for different alternatives for this type of analysis, the term Artificial Intelligence (AI) came up, a branch of computer science that has been widely used not only in the academic environment, but in functionalities used in everyday life, such as streaming movies and series, smart cars, facial recognition, consumer behavior, among many other features. Given such versatility of this branch, it was proposed for this study to use machine learning tools, which is one of the fields of AI, to develop predictive models for classification of agricultural potential in the Brazilian Cerrado. Four models were developed, using the Random Forest algorithm, among them the potential for soybean expansion, potential for livestock intensification, potential for planted forest expansion, and a final model that brings together the three agricultural chains. Climate, edaphic, infrastructure and socioeconomic data were used as inputs variables, while data from a study prepared by WWF-Brazil in partnership with other institutions was used as a class to train the model. The performance of the models was evaluated from the confusion matrix, and the best accuracy was the planted forest model with 98%, followed by the soybean and cattle ranching models, with 86% and 79%, respectively. The final model presented an overall accuracy of 80%.