Pesquisadores desenvolvem tecnologia para mapeamento agrícola

Nova metodologia de inteligência geoespacial foi desenvolvida por pesquisadores da Universidade Estadual Paulista (Unesp), em Tupã, para aprimorar o mapeamento do uso da terra e o planejamento territorial. A ferramenta, baseada na combinação de cubos de dados e análise de imagens por geo-objetos, permitiu a identificação precisa de vegetação nativa, áreas agrícolas e cultivos duplos no Estado de Mato Grosso.

A tecnologia combina a arquitetura de cubos de dados, disseminada pelo projeto Brazil Data Cube do Instituto Nacional de Pesquisas Espaciais (Inpe), com a abordagem Geobia (Geographic Object-Based Image Analysis).

O método foi aplicado a séries temporais de imagens do sensor Modis, da Nasa, permitindo a identificação de vegetação e culturas como soja e milho ao longo de uma safra. O estudo indicou que o modelo atingiu 95% de acerto no mapeamento, superando abordagens tradicionais baseadas na análise de pixels isolados.

A Geobia agrupa pixels semelhantes em geo-objetos e analisa suas características, como forma e textura, melhorando a interpretação da paisagem.

Já os cubos de dados armazenam informações em dimensões de tempo e espaço, facilitando o acompanhamento da evolução da cobertura do solo.

A metodologia reduz erros de classificação em áreas de transição, onde diferentes usos da terra se encontram.

De acordo com Michel Eustáquio Dantas Chaves, professor da Faculdade de Ciências e Engenharia da Unesp e autor correspondente do artigo científico, o método pode ser aplicado a imagens de outros satélites, como Landsat e Sentinel, ampliando sua aplicabilidade para mapeamento e monitoramento ambiental.

Aplicação na prática

Mato Grosso foi escolhido como área de estudo por ser o maior produtor de grãos do Brasil, respondendo por 31,4% da produção nacional. O território mato-grossense também abriga parte da Amazônia, do Cerrado e do Pantanal, tornando-se uma região estratégica para estudos sobre o uso do solo e conservação ambiental.

A pesquisa utilizou dados da safra 2016/2017 para validar a metodologia, classificando áreas de plantio, como soja-milho e soja-algodão, além de vegetação natural e corpos d’água.

O modelo apresentou alta precisão na delimitação de florestas e terras agrícolas, destacando-se como ferramenta útil para planejamento territorial e estimativas de produtividade.

Mais informações podem ser obtidas em doi.org/10.3390/agriengineering7010019