| Processo: | 24/08083-7 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de setembro de 2024 |
| Data de Término da vigência: | 29 de novembro de 2025 |
| Área de conhecimento: | Ciências Exatas e da Terra - Geociências |
| Pesquisador responsável: | Michel Eustáquio Dantas Chaves |
| Beneficiário: | Livia Gabriele Dias Soares |
| Instituição Sede: | Faculdade de Ciências e Engenharia. Universidade Estadual Paulista (UNESP). Campus de Tupã. Tupã , SP, Brasil |
| Bolsa(s) vinculada(s): | 25/00099-4 - Aprimoramento de métricas fenológicas e aplicação computacional para identificar soja e milho no bioma Cerrado, BE.EP.IC |
| Assunto(s): | Monitoramento agrícola Sensoriamento remoto |
| Palavra(s)-Chave do Pesquisador: | Cubos de dados de observação da Terra | detecção de mudanças | índices espectrais | Mapeamento de uso e cobertura da terra | Monitoramento agrícola | Sensoriamento Remoto Agricola | Sensoriamento Remoto |
Resumo Estimativas de produção agrícola baseadas em entrevistas e questionários aplicados a produtores rurais causam incertezas que comprometem, em última instância, a segurança alimentar. Logo, aprimorar a precisão é essencial. Técnicas de sensoriamento remoto, por exemplo, permitem acompanhar o desenvolvimento fenológico de culturas agrícolas via imagens de satélite. Atualmente, agências espaciais permitem acesso e uso gratuito de acervos de imagens de missões espaciais, como a Landsat, da National Aeronautics and Space Administration (NASA). Tais acervos permitem monitorar diferentes alvos da superfície desde que sejam aplicadas chaves de interpretação relacionadas à identificação de cada alvo agrícola a partir de características inerentes, como formato, espectralidade e ciclo fenológico. A presente proposta visa integrar séries temporais de imagens Landsat 8/Operational Land Imager (OLI), dados de campo e de calendários agrícolas e algoritmos de Machine Learning para identificar lavouras agrícolas de soja e milho no bioma Cerrado. Para tanto, será usada a plataforma de computação em nuvem Google Earth Engine (GEE), que possui ferramentas para tal integração e permite criar bancos de amostras representativas e mapas derivados do monitoramento agrícola. Serão avaliadas as safras 2020/2021, 2021/2022 e 2022/2023. Como resultados, busca-se gerar bancos de amostras para o bioma e aumentar a assertividade dos métodos de classificação, o que se alinha aos Objetivos de Desenvolvimento Sustentável (ODS) 2, 12, 13 e 15, intitulados de "Fome Zero e Agricultura Sustentável", "Consumo e Produção Responsáveis", "Combate às alterações climáticas" e "Vida na Terra", respectivamente. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |