Método aliando inteligência artificial a imagens de satélite para mapear áreas com integração lavoura-pecuária

O sistema de integração lavoura-pecuária (ILP) consiste em combinar plantações, especialmente de grãos (como soja, milho e sorgo), com plantas forrageiras, usadas para alimentar bois e porcos, e pecuária, sobretudo gado de corte, de forma rotacional em sistema de consórcio. Assim, a plantação assegura a maior parte da receita, enquanto os animais têm alimento disponível mesmo durante a estação seca e auxiliam no manejo das sementes. Com isso, há um aumento da fertilidade do solo, da produtividade e da recuperação de áreas degradadas, além da redução do uso de agrotóxicos, do risco de erosão, da sazonalidade na produção e dos custos operacionais. O trabalho é realizado de forma mais integrada e sustentável, pois uma atividade beneficia a outra e gera menos impacto ambiental e redução nas emissões de carbono.
Em estudo publicado na revista Remote Sensing of Environment, pesquisadores da Empresa Brasileira de Pesquisa Agropecuária (Embrapa) e da Universidade Estadual de Campinas (Unicamp) apresentam um método, baseado em ferramentas de inteligência artificial, que possibilita identificar por imagens de satélite as áreas onde sistemas ILP estão sendo implementados. Esse conhecimento, de acordo com os autores, pode ser benéfico para a produção agropecuária brasileira em diversas maneiras.
A pesquisa contou com financiamento da FAPESP e da Organização Neerlandesa para a Pesquisa Científica (NWO).
“O objetivo principal do projeto resultante de uma colaboração internacional para abordar questões relacionadas à agricultura sustentável foi promover a integração de dados de sensoriamento com imagens da superfície terrestre obtidas remotamente utilizando técnicas de inteligência artificial, agricultura de precisão e modelos biogeoquímicos para entender e criar modelos da dinâmica desse tipo de sistema”, afirma um engenheiro florestal cujo projeto de pós-doutorado enfatiza o monitoramento de sistemas de integração lavoura-pecuária utilizando imagens de sensoriamento remoto de alta resolução espacial e temporal.
A equipe trabalhou com algoritmos de aprendizado profundo, método de inteligência artificial que ensina computadores a processar dados de forma semelhante ao cérebro humano e é capaz de lidar com dados complexos, como imagens de satélite ao longo do tempo, e extrair padrões desses dados para identificar corretamente as áreas de integração lavoura-pecuária. A análise, realizada em áreas de São Paulo e Mato Grosso com intervalos de dez e 15 dias, foi efetuada em quatro etapas: aquisição de dados de imagens PlanetScope, treinamento dos algoritmos, mapeamento das áreas que utilizam essa tecnologia de trabalho e avaliação da precisão.
Esse método foi usado para monitorar e mapear a localização de sistemas ILP a partir de imagens de satélite considerando sua dinâmica ao longo do tempo. Segundo o engenheiro florestal, os resultados promissores obtidos têm o potencial de impactar positivamente a agropecuária, possibilitando uma gestão mais eficiente dos recursos agrícolas e fornecendo informações precisas para tomada de decisões na área de produção.
Em suma, o reconhecimento e o mapeamento de áreas de integração lavoura-pecuária podem apoiar práticas sustentáveis de agropecuária, contribuindo para a regularidade do abastecimento e a renda do produtor rural. Essa abordagem pode ainda beneficiar políticas governamentais e programas de apoio à adoção de sistemas integrados na agricultura.