| Processo: | 25/01750-0 |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Data de Início da vigência: | 01 de abril de 2025 |
| Data de Término da vigência: | 31 de março de 2027 |
| Área de conhecimento: | Ciências Exatas e da Terra - Geociências - Geografia Física |
| Pesquisador responsável: | Édson Luis Bolfe |
| Beneficiário: | Victória Beatriz Soares Leandro |
| Instituição Sede: | Embrapa Agricultura Digital. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). 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): | Desenvolvimento rural Sensoriamento remoto |
| Palavra(s)-Chave do Pesquisador: | Desenvolvimento rural | Imagens de Satélite | Sensoriamento remoto |
Resumo A produção agrícola brasileira, caracterizada pela monocultura extensiva e pelo uso intensivo da terra, tem agravado questões sociais, econômicas e ambientais nas últimas décadas. Nesse contexto, os sistemas agrícolas diversificados surgem como uma alternativa sustentável, integrando culturas agrícolas, espécies arbóreas lenhosas e/ou criações animais de forma planejada. Esses sistemas oferecem benefícios como maior diversificação produtiva, incremento na geração de renda, conservação do solo e da água e fortalecimento da participação das comunidades locais. A aplicação de técnicas de Deep Learning, um subcampo do Machine Learning, tem se expandido como uma abordagem promissora para o monitoramento e mapeamento automatizado de áreas de produção diversificada. Este projeto tem como objetivo o desenvolvimento de uma metodologia baseada em sensoriamento remoto e algoritmos de Deep Learning para a identificação e análise dessas áreas. O estudo possui como possíveis áreas de atuação os Distritos Agrotecnológicos (DATs) definidos pelo Centro de Ciência para o Desenvolvimento em Agricultura Digital (CCD-AD SemeAr Digital), abrangendo os Jacupiranga (SP), Breves (PA), Guia Lopes da Laguna (MS) e Boa Vista do Tupim (BA). A metodologia proposta será estruturada em três etapas principais: aquisição e processamento de imagens de sensores remotos para extração de informações espaciais, coleta e estruturação de bancos de dados amostrais associando dados de campo e imagens georreferenciadas, e análises estatísticas e modelagem computacional baseada em Deep Learning para classificação e monitoramento das áreas produtivas. Este estudo de mestrado busca contribuir para a tomada de decisão dos pequenos e médios produtores vinculados ao projeto SemeAr Digital, fornecendo uma ferramenta automatizada para o mapeamento e monitoramento de sistemas agrícolas diversificados. Os resultados obtidos poderão subsidiar iniciativas de políticas públicas voltadas à sustentabilidade agrícola e à inovação tecnológica no setor rural. | |
| 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) | |