A Embrapa Territorial vai testar inteligência artificial para melhorar o mapeamento de lavouras brasileiras a partir de imagens de satélite. 🛰️ O foco: áreas irrigadas e culturas de inverno, hoje difíceis de identificar em grande escala. 🧵

Imagem indisponível

O desafio começa no tamanho e na diversidade do país: solos, temperaturas e regimes de chuva variam muito. Métodos atuais ainda exigem bastante rotulagem de dados e interpretação visual humana, o que eleva custos e limita a frequência do monitoramento.

O projeto não pretende entregar um mapa pronto nem uma plataforma final. A meta é produzir diretrizes metodológicas para a comunidade científica e órgãos públicos: onde o aprendizado profundo funciona, quais são seus limites e como aplicá-lo no sensoriamento remoto agrícola.

Imagem indisponível

Um dos testes será o mapeamento da irrigação. Embora já existam iniciativas na área, elas ainda dependem de análise humana em alguma etapa ou ficam restritas a períodos específicos. Escalar o acompanhamento para grandes áreas continua sendo um problema em aberto.

O segundo cenário são os cereais de inverno no Sul: trigo, aveia e cevada. Em imagens de satélite, essas culturas podem ter aparência muito parecida e são plantadas na mesma época. Nem especialistas conseguem diferenciá-las facilmente em todos os estágios.

Imagem indisponível

Segundo a pesquisadora Celina Maki Takemura, da Embrapa Territorial, se a distinção é difícil para especialistas, também é um grande desafio para máquinas. O estudo comparará diferentes arquiteturas de redes profundas e protocolos de análise.

A previsão é de 36 meses de trabalho. Se os protocolos forem robustos, a observação da Terra poderá apoiar dados agrícolas mais regulares e acessíveis para pesquisa e gestão pública — sem substituir a validação humana quando ela for necessária.

Imagem indisponível