Identificação de lavouras de soja e milho no Cerrado brasileiro via imagens de satélite

• 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: 31 de agosto 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.

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)

CHAVES, MICHEL E. D.; SOARES, LIVIA G. D.; BARROS, GUSTAVO H. V.; PESSOA, ANA LETICIA F.; ELIAS, RONALDO O.; GOLZIO, ANA CLAUDIA; CONCEICAO, KATYANNE V.; MORAIS, FLAVIO J. O.. Mixing Data Cube Architecture and Geo-Object-Oriented Time Series Segmentation for Mapping Heterogeneous Landscapes. AGRIENGINEERING, v. 7, n. 1, p. 15-pg., 2025-01-01. (21/07382-2, 23/09903-5, 24/08083-7)