Pesquisadores da Empresa Brasileira de Pesquisa Agropecuária (Embrapa) desenvolveram uma ferramenta para mapear plantações de café via sensoriamento remoto com inteligência artificial com mais de 95% de precisão. O trabalho mapeou o município de Caconde, em São Paulo.
Leia mais
Além da equipe da Embrapa, o estudo contou com a participação de pesquisadores da Universidade Estadual de Campinas (Unicamp), da Administração Nacional Aeronáutica e Espacial dos EUA (Nasa) e da Universidade Estadual da Paraíba (UEPB).
A técnica também é capaz de distinguir quatro estágios fenológicos da cultura: plantio, produção, poda e renovação. Segundo a Embrapa, a taxa de acurácia é de 77% a 95%, mesmo em áreas fragmentadas, acidentadas e dominadas por pequenas propriedades, características padrões da cafeicultura do Brasil.
Para a Embrapa, a técnica é escalável e pode ser aplicada em qualquer região produtora. “Isso abre caminho para políticas públicas, acesso a crédito rural e práticas de adaptação climática em regiões produtoras”, diz o estudo.
Para o pesquisador da Embrapa Agricultura Digital (SP) Édson Bolfe, o desafio do sensoriamento remoto é mapear com precisão as regiões que são altamente produtivas mas, com perfil de pequena e média escala produtiva, porque os mapeamentos de larga escala, normalmente, deixam as menores áreas invisíveis.
“Com o uso de algoritmos de inteligência artificial como esse, é possível fazer a identificação dessas áreas e dar maior precisão aos mapeamentos por meio imagens de satélite”.
Como funciona o método
O sistema analisou quatro níveis de classificação. O primeiro separou a vegetação nativa das áreas agrícolas. O segundo nível fez a separação entre culturas perenes, culturas anuais e pastagens. O terceiro nível diferenciou os cafezais de plantios de eucalipto.
Já o quarto nível fez a classificação dos cafezais entre áreas de formação (até três anos de plantio), áreas em produção, áreas com poda de esqueletamento e lavouras em renovação por meio da recepa (poda na base da planta).
Nos três primeiros níveis, a precisão ultrapassou 96%. No quarto nível, a acurácia caiu para a média de 83%, justificado pelo “aumento da complexidade”, mas que, segundo a Embrapa, ainda teve bom desempenho. A poda de renovação foi a categoria que teve a menor precisão, com 78%.
“Do ponto de vista das imagens de satélite, a cafeicultura em fase de produção se assemelha a certos cultivos de frutíferas, como os citros. E quando está recém-plantado, se confunde com áreas de pastagens”, explica a doutoranda da Unicamp, Taya Parreiras.
Próximos passos
Todos os mapas desenvolvidos e dados gerados estão disponíveis no Repositório de Dados de Pesquisa da Embrapa (Redape) com acesso gratuito. Agora, os pesquisadores planejam expandir os testes e melhorar a precisão em classes menos representadas, como a renovação.
“Estamos desenvolvendo alguns modelos para fazer a delimitação dos talhões porque, observou-se que houve uma confusão na separação de carreadores, estradas de terra e mata. A ideia é usar um modelo de aprendizado profundo para fazer delimitação exata das parcelas com o uso de imagens de alta resolução”, explica Parreiras.
O objetivo da Embrapa é tornar o sistema uma ferramenta para órgãos públicos, cooperativas, sindicatos e produtores.
Deixe um comentário