Os dados utilizados neste trabalho são provenientes dos satélites Sentinel-1 e Sentinel-2, integrantes do programa Copernicus da Agência Espacial Europeia (ESA), amplamente empregados em estudos de monitoramento agrícola. A área de estudo corresponde ao município de Machado, localizado na mesorregião do Sul de Minas Gerais, Brasil, região de destaque na produção de café. Foram utilizadas imagens multiespectrais do Sentinel-2, abrangendo bandas do espectro visível e infravermelho, bem como dados SAR do Sentinel-1, que opera na banda C com polarizações VV e VH, fornecendo informações complementares sobre a vegetação e a superfície do terreno. As imagens passaram por etapas de pré-processamento que incluíram recorte da área de interesse, alinhamento espacial entre os sensores, normalização dos valores espectrais e divisão em patches de 256×256 pixels com sobreposição. Após esse processo, cada amostra foi organizada como uma imagem multicanal resultante da fusão dos dados dos dois sensores, totalizando 14 bandas de entrada, enquanto as máscaras de referência representam uma classificação binária entre áreas de cafeicultura e não cafeicultura, utilizadas no treinamento e validação de uma rede neural do tipo U-Net para segmentação semântica. Por fim, as previsões geradas pelo modelo treinado foram incorporadas ao conjunto de dados, passando a integrar o dataset como camadas adicionais para análises posteriores e reutilização em estudos futuros.