Metodologias de processamento digital de imagens podem ser aplicadas a uma ampla
classe de problemas em visão computacional. Dentre as aplicações, pode ser citada a
avaliação da dinâmica de corpos hídricos a partir de imagens. O monitoramento e a
previsão de volumes e áreas alagadas de corpos hídricos são fundamentais para emitir
alertas desde inundações à escassez de água. Para prever a dinâmica da área alagada
de corpos hídricos, esse artigo propõe o uso de modelos de séries temporais geradas a
partir de imagens multitemporais. O corpo hídrico investigado foi o lago Kirwin (USA)
no período de 2013 a 2022. As imagens do lago foram adquiridas em cada período e
suas áreas alagadas foram estimadas com o auxílio do método de Otsu. Para descrever
o comportamento temporal da área alagada do lago Kirwin, foram investigados
modelos autorregressivos integrados de médias móveis (ARIMA), autorregressivos
integrados de médias móveis com sazonalidade (SARIMA), de suavização exponencial
(ETS) e de Holt-Winters. Dentre os modelos investigados para prever a dinâmica da
área alagada do corpo hídrico, o de Holt-Winters foi o que obteve as melhores
medidas de desempenho, com erro de previsão inferior a 6% em relação à série
predita. Sua previsão sugere um cenário que para os 12 meses subsequentes à série
sob estudo há uma baixa possibilidade de ocorrer aumento da área alagada na região
do lago Kirwin.