Ferramenta de IA é usada para mapeamento agrícola
O método integra o novo Manual da ONU sobre Sensoriamento Remoto para Estatísticas Agrícolas
O Instituto Brasileiro de Geografia e Estatística (IBGE) apresentou uma tecnologia inovadora capaz de automatizar a identificação e o monitoramento de campos agrícolas em todo o território nacional. O método, que utiliza Inteligência Artificial e Machine Learning (ML), integra o novo Manual da ONU sobre Sensoriamento Remoto para Estatísticas Agrícolas, colocando o Instituto na vanguarda do uso de ML para a produção estatística agropecuária. Na prática, os algoritmos modernizam o setor ao entregar resultados mais próximos à realidade, com maior agilidade e frequência de atualização. O trabalho marca a segunda contribuição do IBGE para publicações da ONU sobre estatísticas agropecuárias e observação da terra no ciclo de 2025.
Ao utilizar redes neurais profundas, a metodologia desenvolvida inova ao “aprender” os padrões do agro brasileiro, permitindo a identificação precisa de áreas contínuas com atividade agropecuária. O avanço elimina a dependência de processos manuais, conferindo ao sistema autonomia para delimitar automaticamente os talhões, que são subdivisões estratégicas, ou seja, áreas normalmente homogêneas dedicadas a uma única cultura. O talhão é a menor unidade de análise da atividade agropecuária no Brasil.
“O modelo é pré-treinado para assimilar características intrínsecas ao nosso território, o que lhe confere robustez. Ele aprende a generalizar padrões complexos da paisagem brasileira antes mesmo de ser ajustado para a tarefa específica de encontrar e desenhar talhões. O resultado é um sistema muito mais preciso e com menor custo de anotação de dados”, analisa Ian Monteiro Nunes, pesquisador do IBGE e responsável pela Gerência de Inteligência em Dados e Inovação (GIDAI).
O professor da UFV, Hugo Oliveira, explica que o principal papel do ML diante desse conjunto de bases de dados consolidadas é o processamento dos dados. “Em vez de depender exclusivamente de especialistas humanos e/ou de visitas de campo dispendiosas, o processo de produção de estatísticas agropecuárias se beneficia do uso ML principalmente pela automação de algumas tarefas que anteriormente precisavam de um conjunto de profissionais treinados para serem realizadas”.
