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

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.