Análise espaço-temporal da dinâmica agrícola em região de alta diversidade produtiva partir de imagens multisensor e aprendizado de máquina

• Processo: 24/13150-5
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geografia Física
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Édson Luis Bolfe
• Beneficiário: Taya Cristo Parreiras
• 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): Sensoriamento remoto Agricultura digital Classificação Inteligência artificial Análise espaço-temporal Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: agricultura digital | agricultura tropical | Classificação | Harmonized Landsat Sentinel | Inteligência Artificial | Sensoriamento Remoto | Sensoriamento Remoto

Resumo

O sensoriamento remoto e as geotecnologias são fundamentais para integrar ciência, tecnologia e geoinformação na produção agrícola em diferentes escalas, apoiando decisões locais e regionais. Recentemente, técnicas de fusão e harmonização de reflectâncias têm sido desenvolvidas para melhorar a resolução espacial e temporal dos dados. Um exemplo é o Harmonized Landsat Sentinel (HLS), iniciativa da NASA, que disponibiliza dados com alta resolução temporal e média resolução espacial, promovendo avanços no mapeamento agrícola em regiões tropicais. Neste contexto, propomos uma metodologia multisensor, multiescalar e multitemporal para mapear a dinâmica agrícola da microrregião de São João da Boa Vista, envolvendo 14 municípios do estado de São Paulo. O foco do estudo será o município de Caconde, integrante dos Distritos AgroTecnológicos (DAT's) definidos pelo Centro de Ciência para o Desenvolvimento em Agricultura Digital (CCD-AD SemeAr) e adicionalmente, Casa Branca, que fez parte do Projeto Mapeamento Agropecuário no Cerrado via Combinação de Imagens Multisensores (MultiCER ), também financiado com recursos da FAPESP. A proposta foi dividida em oito etapas, partindo de: i) coleta de dados in situ; ii) aquisição de imagens de satélite; iii) processamento digital das imagens; iv) estruturação de um banco de dados geoespaciais; v) integração e análises de variáveis espectrais, dados de campo e dados censitários dos sistemas de produção agrícolas; vi) geração de modelos hierarquizados a partir de algoritmos de aprendizado de máquina (AM) e aprendizado profundo (AP); vii) transferibilidade espacial e temporal dos modelos para demais municípios da microrregião e em diferentes anos-safra; e viii) análise dos processos de dinâmica agrícola como expansão, retração, conversão, intensificação e diversificação. Esta pesquisa de doutorado visa contribuir para o desenvolvimento de metodologias de mapeamento e monitoramento agrícola de regiões com elevada dinâmica, diversidade e espacialmente complexas com a predominância de pequenas e médias propriedades rurais, característica dos municípios integrantes dos DATs do CCD-AD Semear Digital. Assim, os resultados previstos poderão apoiar processos de tomada de decisão no âmbito dos atores envolvidos no DAT´s, destacando agricultores, cooperativas, associações, extensão rural, grupos de pesquisa e agentes públicos municipais. Objetiva-se, também, a publicações de artigos científicos em periódicos de alto impacto, e o apoio à formação profissional de pós-graduação. (AU)

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)

DA SILVA, LUCAS AUGUSTO PEREIRA; SANO, EDSON EYJI; PARREIRAS, TAYA CRISTO; BOLFE, EDSON LUIS; ESPIRITO-SANTO, MARIO MARCOS; FILGUEIRAS, ROBERTO; DE SOUZA, CRISTIANO MARCELO PEREIRA; DA SILVA, CLAUDIONOR RIBEIRO; LEITE, MARCOS ESDRAS. Climate Change Effects on Land Use and Land Cover Suitability in the Southern Brazilian Semiarid Region. LAND, v. 13, n. 12, p. 20-pg., 2024-12-01. (24/13150-5)

PARREIRAS, TAYA CRISTO; BOLFE, EDSON LUIS; PEREIRA, PAULO ROBERTO MENDES; DE SOUZA, ABNER MATHEUS; ALVES, VINICIUS FERNANDES. Applications, challenges and perspectives for monitoring agricultural dynamics in the Brazilian savanna with multispectral remote sensing. REMOTE SENSING APPLICATIONS-SOCIETY AND ENVIRONMENT, v. 37, p. 18-pg., 2025-01-21. (24/13150-5, 22/09319-9)

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)