Desenvolvimento de métodos de mapeamento de uso da terra baseados em dados multisensores e algoritmos de aprendizado de máquina

• Processo: 24/05205-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de junho de 2024
• Data de Término da vigência: 30 de abril de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Geociências
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Édson Luis Bolfe
• Beneficiário: Danielle Elis Garcia Furuya
• Instituição Sede: Embrapa Agricultura Digital. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Campinas , SP, Brasil
• Vinculado ao auxílio: 22/09319-9 - Centro de Ciência para o Desenvolvimento em Agricultura Digital - CCD-AD/SemeAr, AP.CCD
• Assunto(s): Agricultura digital Desenvolvimento rural Processamento digital de imagens Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: agricultura digital | Desenvolvimento rural | processamento digital de imagens | Sensoriamento Remoto

Resumo

Diferentes iniciativas de mapeamento agrícola têm sido realizadas para apoiar o planejamento rural e a predição das safras. No entanto, em função da complexa dinâmica e escala da agropecuária brasileira, existe a necessidade de gerar metodologias com maior detalhamento, frequência e precisão para discriminar os cultivos agrícolas, pastagens e silvicultura. O crescente aumento da resolução espacial, temporal e espectral de imagens de satélites disponíveis, a elevada capacidade computacional de processamento de grandes volumes de dados, e o desenvolvimento da inteligência artificial associado aos classificadores baseados em algoritmos de aprendizado de máquina, potencializam as pesquisas em sensoriamento remoto agrícola para a classificação, monitoramento e manejo agrícola. Porém, gerar mapeamentos agrícolas multisensores mais eficazes e precisos ainda apresenta-se como um grande desafio, em função do: i) nível de préprocessamento necessário nas diferentes imagens e sua relação com a integridade e homogeneidade dos alvos agrícolas; ii) da complexidade em combinar diferentes resoluções temporais e espaciais, que possibilita análises diárias e inferiores a 0,5 metros; iii) pela dificuldade em gerar análises multisensores que potencializam os métodos de classificação digital via aprendizado de máquina. Com a implementação dessa bolsa de pós-doutorado, objetiva-se desenvolver métodos de mapeamentos agrícolas a partir de algoritmos de aprendizado de máquina e abordagem multisensor com imagens de satélites, de nanossatélites e de VANTs nas regiões dos Distritos Agrotecnológicos (DAT s) definidos pelo Centro. Dentre os resultados, espera-se gerar novas metodologias aplicadas ao monitoramento agrícola, publicações científicas qualificadas, fomentar a formação profissional de pós-graduação.

Publicações científicas

(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)

GARCIA FURUYA, DANIELLE ELIS; BOLFE, EDSON LUIS; PARREIRAS, TAYA CRISTO; ARNAL BARBEDO, JAYME GARCIA; SANTOS, THIAGO TEIXEIRA; GEBLER, LUCIANO. Combination of Remote Sensing and Artificial Intelligence in Fruit Growing: Progress, Challenges, and Potential Applications. REMOTE SENSING, v. 16, n. 24, p. 29-pg., 2024-12-01. (24/05205-4, 24/13150-5, 22/09319-9)