Inteligência geoespacial revoluciona mapeamento de áreas agrícolas
por Agência FAPESP
em 11/03/2025 às 5h00
2 min de leitura

Os pesquisadores aplicaram a nova metodologia em Mato Grosso usando dados da safra estratégica de 2016/2017 (imagem: Michel Eustáquio Dantas Chaves)
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.
Mais Conexão Safra
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.