Pesquisadores da Embrapa e parceiros desenvolveram uma metodologia para o monitoramento por satélite, de forma remota e automática, da expansão das áreas com sistemas integrados de produção agropecuária. O mapeamento e os dados gerados possibilitam obter, anualmente, indicadores quantitativos sobre a adoção desses sistemas e, consequentemente, monitorar a expansão da intensificação sustentável no País.
A metodologia técnico-científica já permite detectar áreas com duplo cultivo (soja e milho ou algodão em sucessão, por exemplo) e com integração lavoura-pecuária (ILP). Os cientistas vêm trabalhando para ajustar a metodologia de detecção remota para as demais modalidades:
O objetivo é desenvolver os protocolos metodológicos, baseados em inteligência artificial, que integrarão um sistema capaz de analisar automaticamente imagens de satélite, fornecendo indicadores atualizados sobre as áreas que adotam esses sistemas de produção sustentáveis. As informações geradas serão úteis, por exemplo, para a gestão de políticas públicas setoriais, para monitorar a adoção de tecnologias mitigadoras e para a estimativa da mitigação de gases de efeito estufa (GEEs) da agropecuária.
A metodologia foi desenvolvida no âmbito do projeto GeoABC, que teve o objetivo de desenvolver metodologias e inovações tecnológicas para o monitoramento por satélite da agricultura de baixa emissão de carbono, em apoio à governança do Plano ABC.
Margareth Simões, pesquisadora da Embrapa Solos (RJ) que liderou o estudo, conta que a agropecuária nacional passa por um importante processo de intensificação sustentável que tem levado à consolidação de polos produtivos e à crescente adoção de sistemas de produção sustentáveis de alto rendimento. Ela aponta como exemplos:
“O País necessita urgentemente de indicadores e métricas para quantificar e demonstrar o quanto a sua agropecuária vem evoluindo rumo à desejada intensificação sustentável”, pondera Simões.
As soluções tecnológicas utilizadas |
Os pesquisadores explicam que a metodologia desenvolvida no âmbito do projeto GeoABC é baseada na convergência de alguns adventos técnico-científicos, a partir da utilização de soluções gratuitas (open source). Uma delas é a metodologia de classificação digital de séries temporais de imagens de satélite utilizando algoritmos de inteligência artificial (machine learning). Outra é a utilização de plataformas nas nuvens (cloud computing platform) e computação paralela de alto desempenho (high performance computing).
Margareth Simões esclarece que, no início do trabalho, muitos desafios técnicos tiveram que ser contornados. A começar pela dificuldade para detectar por sensoriamento remoto alvos terrestres tão complexos e dinâmicos como os sistemas de ILPF, devido às diferentes estratégias adotadas pelos produtores e à inerente integração de diversos elementos de lavoura, pecuária e floresta sob práticas de consórcio, sucessão e rotação. “Esse desafio exigiu o trabalho com séries temporais de imagens de satélites com base no conceito de cubos de dados multidimensionais, ou data cube”, explica.
A pesquisadora destaca ainda que havia a necessidade de se contar com uma metodologia eficaz para a extração de informação e uma robusta estrutura para o processamento de uma quantidade massiva de dados. “A integração das soluções de cubo de dados, de aprendizado de máquina e computação paralela de alto desempenho resolveu o nosso problema”, lembra.
Patrick Kuchler, pesquisador vinculado ao grupo de pesquisa GeoABC pela Universidade do Estado do Rio de Janeiro (UERJ/PPG-MA), lembra que outra grande dificuldade enfrentada pela equipe foi a aquisição de dados de campo, já que os algoritmos de classificação e validação necessitam de uma grande quantidade de dados qualificados, georreferenciados e com o histórico detalhado de cada parcela amostrada. “Foi um grande esforço para realizar as campanhas de campo e, por sorte, pudemos contar com a inestimável parceria de técnicos e produtores que nos ajudaram muito”, conta Kuchler.
O pesquisador da Embrapa Rodrigo Ferraz destaca a estrutura hierárquica de classificação, capaz de distinguir a cultura da soja solteira da soja em duplo cultivo (soja+cereais ou soja+algodão) e os sistemas de integração lavoura-pecuária (ILP) em sucessão direta (soja+pastagem) ou indireta (soja+cereal+pastagem).
“O algoritmo para a detecção dessas classes está plenamente desenvolvido e já pode compor um protocolo para um monitoramento sistemático. Para as demais variações dos sistemas integrados (ILF, IPF e ILPF), assim como para o sistema plantio direto, será necessário dar continuidade ao trabalho de pesquisa”, revela.
Ferraz acrescenta que, a partir da utilização do mesmo método, com os algoritmos de machine learning já desenvolvidos, aplicado a uma base de aprendizado mais ampla, a equipe poderá consolidar os demais protocolos de forma a prover o Brasil com um sistema completo de monitoramento.
“Vale destacar que o sistema de monitoramento gera dados espacializados, possibilitando computar estatísticas em diferentes unidades espaciais de análise, tanto político-administrativas, como país, estados, microrregiões, municípios, polos de desenvolvimento agrícola, quanto unidades fisiográficas, como biomas e bacias hidrográficas.”
Metodologia testada no Mato Grosso |
Os algoritmos computacionais para a detecção e monitoramento dos diferentes sistemas de produção (sistema de ILP e duplo-cultivo) foram testados no estado de Mato Grosso, no período de 2012 a 2019. Os resultados mostram o potencial que a metodologia de classificação apresenta para o mapeamento ou monitoramento anual em escala nacional (veja figuras de 1 a 4).
Kuchler explica que a Figura 1 apresenta, com base no método de densidade de Kernel, a clara intensificação da agropecuária ocorrida em Mato Grosso entre os anos-safra de 2012/2013 e 2018/2019.
Figura 1: Mapas de densidade Kernel mostrando a intensificação dos sistemas de produção na cadeia da soja em Mato Grosso, entre os anos-safra 2012/2013 e 2018/2019
A Figura 2 mostra um cartograma que representa o crescimento das áreas de ILP por municípios mato-grossenses entre os anos-safra de 2012/2013 e 2018/2019. Já nas Figuras 3 e 4 pode ser observada a evolução das áreas dos sistemas soja+cereal, soja+algodão e ILP para os anos safra de 2012/2013 a 2018/2019.
Figura 2: Cartograma dos municípios do estado de Mato Grosso, ranqueados em função das áreas de sistemas de integração lavoura-pecuária (ILP) no ano-safra 2018/2019.
Figura 3: Mapa dos sistemas de integração lavoura-pecuária (ILP) e duplo-cultivo em Mato Grosso, no ano-safra 2018/2019.
Figura 4: Gráfico da evolução das áreas dos sistemas de integração lavoura-pecuária (ILP) e duplo cultivo em Mato Grosso, entre os anos-safra 2012/2013 e 2018/2019.
“Nesse caso de Mato Grosso, podemos destacar que a área de ILP saltou de aproximadamente 1,1 milhão para 2,6 milhões de hectares entre 2013 e 2019, ou seja, mais do que dobrou no período de sete safras”, destaca Kuchler. Os resultados do estudo de sensoriamento remoto para identificar áreas de ILP no Mato Grosso estão em um artigo científico – baixe aqui.
Próximos passos |
“Uma vez tendo todos os protocolos metodológicos desenvolvidos, o objetivo é integrá-los em uma plataforma que possa realizar o monitoramento anual de todos os sistemas produtivos preconizados pelo Plano de Adaptação à Mudança do Clima e Baixa Emissão de Carbono na Agropecuária (Plano ABC+)”, explica Margareth Simões.
O pesquisador da Embrapa Pedro Freitas acrescenta que a metodologia desenvolvida se aplica a diversos sistemas de produção envolvendo culturas anuais, como soja, milho e algodão, em várias regiões do País.
Já Ferraz destaca que, em apoio às políticas e à gestão setoriais, a equipe também está formulando e propondo diversos índices espaciais que apresentam, por exemplo, as taxas de expansão e adoção dos sistemas integrados de produção ou o processo de intensificação sustentável, como Índice de Expansão Absoluta, Índice de Expansão Relativa, Índice de Adoção e Índice de Intensificação Sustentável.
“Já estamos trabalhando na disponibilização dos resultados em uma plataforma interativa, com apresentação dos mapas, dados, estatísticas e indicadores no conceito de dashboards. Entendemos que devemos dar ampla divulgação aos dados produzidos, e a melhor forma de fazê-lo será por meio de uma plataforma digital, a exemplo da plataforma do Programa Nacional de Levantamento e Interpretação de Solos no Brasil (PronaSolos). Será um ativo tecnológico, que estamos chamando de Plataforma GeoABC, e que será muito útil ao Ministério da Agricultura (Mapa) na condução do Plano ABC+”, projeta.
Fonte: Fernando Gregio | Embrapa Solos
Foto: Gabriel Faria
10 maio
04 maio
04 maio
04 maio
03 maio
03 maio
02 maio
20 abr
19 abr
14 abr
13 abr
12 abr
09 abr
09 abr
08 abr
05 abr
04 abr
04 abr
30 mar
29 mar
29 mar
29 mar
25 mar
22 mar
22 mar
22 mar
22 mar
21 mar
18 mar
17 mar
16 mar
16 mar
16 mar
11 mar
11 mar
10 mar
08 mar
08 mar
04 mar
04 mar
04 mar
03 mar
03 mar
03 mar
02 mar
02 mar
24 fev
24 fev
24 fev
21 fev
18 fev
16 fev
15 fev
10 fev
09 fev
09 fev
08 fev
07 fev
07 fev
04 fev
04 fev
03 fev
02 fev
31 jan
31 jan
27 jan
26 jan
24 jan
20 jan
20 jan
13 jan
12 jan
11 jan
11 jan
10 jan
06 jan
06 jan
05 jan
31 dez
29 dez
28 dez
27 dez
22 dez
16 dez
15 dez
13 dez
08 dez
07 dez
06 dez
06 dez
01 dez
24 nov
23 nov
23 nov
19 nov
18 nov
17 nov
17 nov
16 nov
11 nov
09 nov
05 nov
03 nov
01 nov
30 out
29 out
28 out
28 out
28 out
26 out
25 out
22 out
20 out
19 out
19 out
15 out
14 out
07 out
06 out
05 out
01 out
01 out
29 set
28 set
24 set
23 set
23 set
22 set
22 set
15 set
14 set
13 set
09 set
06 set
06 set
02 set
01 set
31 ago
31 ago
30 ago
27 ago
26 ago
25 ago
19 ago
19 ago
18 ago
17 ago
16 ago
12 ago
06 ago
06 ago
05 ago
02 ago
30 jul
26 jul
26 jul
22 jul
21 jul
15 jul
15 jul
13 jul
08 jul
06 jul
05 jul
05 jul
01 jul
30 jun
29 jun
29 jun
28 jun
24 jun
24 jun
23 jun
22 jun
18 jun
16 jun
15 jun
14 jun
10 jun
09 jun
08 jun
08 jun
07 jun
07 jun
03 jun
28 maio
27 maio
27 maio
26 maio
26 maio
26 maio
25 maio
24 maio
18 maio
18 maio
17 maio
14 maio
13 maio
12 maio
11 maio
11 maio
10 maio
10 maio
06 maio
05 maio
04 maio
04 maio
04 maio
03 maio
30 abr
30 abr
27 abr
26 abr
26 abr
23 abr
23 abr
21 abr
20 abr
14 abr
12 abr
12 abr
09 abr
08 abr
01 abr
31 mar
30 mar
30 mar
26 mar
23 mar
22 mar
20 mar
19 mar
15 mar
02 mar
26 fev
25 fev
23 fev
16 fev
01 fev
29 jan
24 jan
03 set
Por João Luiz Pratti Daniel
View morePor Luciano Trevizan
View morePor Cibele Silva Minafra
View morePor Caio Abércio da Silva
View morePor Leandro Moreira da Silva
View morePor Leandro Moreira da Silva
View morePor Juan Pablo Russi
View morePor Juan Pablo Russi
View morePor Marcos Henrique Soares
View morePor Marcos Henrique Soares
View moreVeja outras revistas
Copyright Grupo de Comunicação AgriNews SL. Todos os direitos reservados. É proibida a reprodução do conteúdo desta página em qualquer meio de comunicação, eletrônico ou impresso, sem autorização expressa. Solicite autorização.
Este sitio web utiliza Cookies propias y de terceros, para recopilar información con la finalidad de mejorar nuestros servicios, para mostrarle publicidad relacionada con sus preferencias, así como analizar sus hábitos de navegación. Si continua navegando, supone la aceptación de la instalación de las mismas. Leer más
Cerrar AceptarThis website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Read More