Metodologia com IA da Embrapa aprimora mapeamento da intensificação agrícola no Cerrado, permitindo precisão de até 97% em Sorriso, Mato Grosso.
Uma metodologia pioneira baseada em algoritmos de classificação digital de imagens de satélites, impulsionados pela Inteligência Artificial (IA), está revolucionando o mapeamento da intensificação agrícola no Cerrado brasileiro. Desenvolvida por pesquisadores da Embrapa, Universidade Estadual de Campinas (Unicamp), Instituto Nacional de Pesquisas Espaciais (Inpe) e Universidade Federal de Uberlândia (UFU), essa abordagem inovadora oferece uma precisão de até 97% nas análises de imagens do município de Sorriso, em Mato Grosso, uma das principais regiões agrícolas do país.
A precisão desse mapeamento desempenha um papel crucial na avaliação do uso da terra e no planejamento da intensificação agrícola, fornecendo informações geoespaciais de alta qualidade para tomadores de decisão nos setores público e privado.
A metodologia desenvolvida utiliza algoritmos de IA para a classificação de imagens de satélite, combinando dados dos satélites Landsat, da NASA, e Sentinel-2, da ESA, em uma abordagem chamada Harmonized Landsat Sentinel-2 (HLS). Isso possibilita a identificação de áreas que cultivam até três safras diferentes em um único ano agrícola, uma prática em crescimento no Brasil.
De acordo com o pesquisador Édson Bolfe, da Embrapa Agricultura Digital e coordenador do projeto Mapeamento agropecuário no Cerrado via combinação de imagens multisensores - MultiCER, financiado pela Fundação de Amparo à Pesquisa de São Paulo (Fapesp), "os resultados demonstram a robustez da metodologia desenvolvida com foco na identificação de processos de dinâmica de uso da terra, como a intensificação agrícola".
Veja mais (a reportagem continua): Cotações do trigo em queda, de acordo com o CEPEA
O estudo mapeou a produção agrícola de 2021-2022 em Sorriso, escolhido por sua relevância econômica e agroambiental no contexto do Cerrado e do Brasil. A maioria dos mapeamentos existentes não rastreia a evolução das práticas de intensificação agrícola, como a produção de múltiplas safras na mesma área. O uso de algoritmos de aprendizado de máquina, como Random Forest e Extreme Gradient Boost, permitiu a análise de padrões espectrais e texturais complexos em conjuntos extensos de dados agrícolas, proporcionando uma identificação precisa de diferentes tipos de culturas, condições do solo e variáveis ambientais.
Os resultados deste projeto estão disponíveis gratuitamente para consulta no Repositório de Dados de Pesquisa da Embrapa (Redape). Além disso, a estrutura metodológica pode ser replicada em outras regiões do Cerrado com características semelhantes, tornando-a uma ferramenta valiosa para acadêmicos, autoridades públicas e o setor produtivo no planejamento agroambiental. Com essa abordagem avançada, o mapeamento da intensificação agrícola está dando um passo importante para promover práticas agrícolas mais sustentáveis e eficientes no Brasil.
0 Comentários