Mais lidas 🔥

Venda Nova do Imigrante
Festa da Polenta não será realizada este ano

Alfredo Chaves
Alfredo Rural: destaca cultivo de caqui e batata-baroa

Cafeicultura
Café arábica produz mais com ajuda da abelha mandaguari

Avicultura em alerta
Prorrogação de emergência zoossanitária reforça combate à Influenza Aviária no ES

Safra de café
Colheita de café avança lentamente em maio

Pesquisadores da Universidade Estadual Paulista (Unesp), em Tupã, desenvolveram uma nova metodologia de inteligência geoespacial que promete revolucionar o mapeamento de áreas agrícolas e florestais. A ferramenta, que combina a arquitetura de cubos de dados do projeto Brazil Data Cube com a abordagem Geobia, alcançou 95% de precisão na delimitação de áreas de floresta amazônica, Cerrado, pastagens e culturas agrícolas em sistema de cultivo duplo no Mato Grosso.
Precisão e rapidez no mapeamento
A nova metodologia utiliza séries temporais de imagens de satélite do sensor Modis da Nasa e algoritmos de aprendizado de máquinas para identificar a vegetação e as práticas de cultivo duplo, como soja e milho, ao longo de uma safra. A abordagem Geobia, que processa imagens de satélite a partir de segmentações que agrupam pixels semelhantes em geo-objetos, permite uma interpretação mais próxima da realidade do que os mapeamentos tradicionais, que analisam pixels isoladamente.
“É como se a imagem fosse quebrada e classificada de acordo com cada peça. Com isso, foi possível reduzir erros recorrentes de borda e identificar os alvos de forma aderente, mesmo usando resolução espacial moderada”, explica o professor Michel Eustáquio Dantas Chaves, da Unesp, autor correspondente do artigo que descreve a metodologia.
Potencial para políticas públicas e planejamento territorial
A ferramenta tem um grande potencial para auxiliar na formulação de políticas públicas voltadas à produção agrícola e conservação ambiental, além de otimizar o planejamento territorial. A precisão e rapidez do mapeamento permitem estimar a área de cultivo ainda dentro da mesma safra, favorecendo as estimativas de produtividade, e analisar perturbações em florestas e outros tipos de vegetação natural, identificando desmatamento e degradação de forma mais rápida.




