Uso de séries temporais densas Sentinel-2/MSI e algoritmos de aprendizado de máquinas para melhorar o monitoramento agrícola no bioma Cerrado

• Processo: 21/07382-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de janeiro de 2022
• Vigência (Término): 03 de agosto de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Geociências
• Pesquisador responsável: Ieda Del'Arco Sanches
• Beneficiário: Michel Eustáquio Dantas Chaves
• Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). Ministério da Ciência, Tecnologia e Inovação (Brasil). São José dos Campos , SP, Brasil
• Assunto(s): Sensoriamento remoto Análise de séries temporais Algoritmos Aprendizado computacional Monitoramento Produção agrícola Segurança alimentar Uso do solo Cerrado
• Palavra(s)-Chave do Pesquisador: Cubos de dados de observação da Terra | detecção de mudanças | Índices de vegetação | Mapeamento de uso e cobertura da terra | Monitoramento da vegetação | Sensoriamento Remoto Agricola | Sensoriamento Remoto

Resumo

Dotado de recursos naturais e produção agrícola ímpares, o bioma Cerrado é estratégico para o Brasil. Contudo, a dicotomia entre conservar e produzir suscita preocupações associadas a mudanças no uso e cobertura da terra. A produção agrícola é intensa, sobretudo, no MATOPIBA, realidade geográfica territorial rica em características edafoclimáticas e tecnologia para alta produtividade. Porém, enquanto área e volumes de produção e exportação crescem, a perda de biodiversidade intensifica mudanças climáticas e gera consequências econômicas. Com mudanças no perfil de consumo global, menos tolerante a produtos oriundos de áreas desmatadas ilegalmente, sem certificação ambiental, exportações brasileiras têm sofrido ameaças de boicote no mercado internacional. O setor agrícola tem sido considerado vilão do desmatamento e precisa monitorar e rastrear a cadeia produtiva. Informações precisas sobre uso e cobertura da terra subsidiam tais práticas, bem como a implementação de políticas voltadas a mudanças climáticas, segurança alimentar e dinâmica agrícola, entre outros. Porém, resolver isso ainda é um desafio. Por escassez de dados ou por modelos desconexos da realidade do campo, análises precisas ocorrem só no pós-colheita, inibindo a detecção detalhada e atualizada de mudanças. Esta proposta visa desenvolver um método para melhorar o mapeamento agrícola no Cerrado a partir de aprendizado de máquinas e análise de séries temporais derivadas de analysis-ready data compostos por dados da missão Sentinel-2/MultiSpectral Instrument, sensíveis a variações sutis na vegetação, em arquitetura de cubo de dados multidimensionais em espaço, tempo e propriedades. Espera-se propor um sistema de monitoramento agrícola within-season (dentro da safra) e gerar informações precisas em nível de culturas e fitofisionomias de vegetação natural. (AU)

Publicações científicas

(7)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ESCOBAR-SILVA, ELTON VICENTE; BOURSCHEIDT, VANDOIR; DAUGHTRY, CRAIG S. T.; KINIRY, JIM R.; BACKES, ANDRE R.; CHAVES, MICHEL E. D.. A general grass growth model for urban green spaces management in tropical regions: A case study with bahiagrass in southeastern Brazil. URBAN FORESTRY & URBAN GREENING, v. 73, p. 12-pg., 2022-07-01. (21/07382-2, 18/12428-9, 17/24038-8)

PARREIRAS, TAYA CRISTO; BOLFE, EDSON LUIS; DANTAS CHAVES, MICHEL EUSTAQUIO; SANCHES, IEDA DEL'ARCO; SANO, EDSON EYJI; VICTORIA, DANIEL DE CASTRO; BETTIOL, GIOVANA MARANHAO; VICENTE, LUIZ EDUARDO. Hierarchical Classification of Soybean in the Brazilian Savanna Based on Harmonized Landsat Sentinel Data. REMOTE SENSING, v. 14, n. 15, p. 22-pg., 2022-08-01. (19/26222-6, 21/07382-2)

MATAVELI, GUILHERME; CHAVES, MICHEL; GUERRERO, JOAO; ESCOBAR-SILVA, ELTON VICENTE; CONCEICAO, KATYANNE; DE OLIVEIRA, GABRIEL. Mining Is a Growing Threat within Indigenous Lands of the Brazilian Amazon. REMOTE SENSING, v. 14, n. 16, p. 13-pg., 2022-08-01. (21/07382-2, 21/11435-4, 19/25701-8)

CHAVES, MICHEL E. D.; SANCHES, IEDA D.. Improving crop mapping in Brazil's Cerrado from a data cubes- derived Sentinel-2 temporal analysis. REMOTE SENSING APPLICATIONS-SOCIETY AND ENVIRONMENT, v. 32, p. 13-pg., 2023-11-01. (21/07382-2)

CHAVES, MICHEL E. D.; SANCHES, IEDA D.; ADAMI, MARCOS. Brazil needs juridical security to recover agri-environmental epistemic sovereignty. LAND USE POLICY, v. 132, p. 4-pg., 2023-09-01. (21/07382-2)

CHAVES, MICHEL E. D.; MATAVELI, GUILHERME; ZU ERMGASSEN, ERASMUS; ARAGAO, RAFAELA B. DE A. B.; ADAMI, MARCOS; SANCHES, IEDA D.. Reverse the Cerrado's neglect. NATURE SUSTAINABILITY, v. N/A, p. 2-pg., 2023-07-17. (21/07382-2, 23/03206-0, 19/25701-8, 16/02018-2, 20/15230-5)

MATAVELI, GUILHERME; DE OLIVEIRA, GABRIEL; CHAVES, MICHEL E. D.; DALAGNOL, RICARDO; WAGNER, FABIEN H.; IPIA, ALBER H. S.; SILVA-JUNIOR, CELSO H. L.; ARAGAO, LUIZ E. O. C.. Science-based planning can support law enforcement actions to curb deforestation in the Brazilian Amazon. CONSERVATION LETTERS, v. 15, n. 6, p. 9-pg., 2022-11-01. (21/07382-2, 19/25701-8, 16/02018-2, 19/21662-8)