Recentemente, um avance significativo foi realizado no campo da bioeconomia, com a união entre tecnologias de inteligência artificial e imagem de satélite para mapear sistemas integrados de lavoura-pecuária (ILP) em território brasileiro. A pesquisa, desenvolvida por equipes da Embrapa Agricultura Digital e da Unicamp, traz uma nova perspectiva para o gerenciamento de recursos agrícolas e formulação de políticas públicas, ao identificar áreas onde esta prática sustentável é aplicada.
O método inovador, agora publicado na reputable revista Remote Sensing of Environment, envolveu o uso de algoritmos de aprendizado profundo, capazes de processar e extrair padrões de dados complexos, como imagens de satélite capturadas em intervalos de tempo. Essa tecnologia permite monitorar a dinâmica de ILP, favorecendo a produção agropecuária brasileira de maneira multifacetada.
Com os resultados da pesquisa, os produtores podem esperar uma gestão de recursos mais eficiente e uma fonte adicional de renda, graças à alocação otimizada de terras e ao fomento de práticas agrícolas sustentáveis. O estudo apontou uma precisão promissora na identificação de áreas de ILP, o que pode apoiar tanto a decisão dos produtores quanto a implementação de políticas governamentais incentivando sistemas agrícolas sustentáveis.
As imagens de satélite viabilizaram o monitoramento da localização e dinâmica das áreas ILP ao longo do tempo, essencial para uma maior precisão no mapeamento. As estratégias desenvolvidas podem integrar-se a programas governamentais, como o Plano de Agricultura de Baixo Carbono do Brasil, que já oferece linhas de crédito específicas para a disseminação de ICLS.
O estudo foi apoiado pela FAPESP e pela Organização Neerlandesa para a Pesquisa Científica (NWO) e contou com a participação internacional para abordar desafios da agricultura sustentável. Além disso, alinhou-se com os Objetivos de Desenvolvimento Sustentável da ONU, integrando o aspecto social e econômico ao desenvolvimento agrícola e ambiental.
O mapeamento dinâmico do uso da terra como ICLS, abordado pelo estudo, se mostrou viável com a aplicação de imagens de alta resolução espacial e temporal, conjuntamente a classificadores de redes neurais profundas. Este é um grande passo para a precisão no mapeamento de ICLS e outras atividades agrícolas complexas, marcando uma evolução na forma como o setor encara seus desafios logísticos e ambientais.
O artigo completo Mapping integrated crop-livestock systems in Brazil with planetscope time series and deep learning pode ser acessado para maiores detalhes no site da revista.
Fonte:
