Método combina inteligencia artificial con imágenes satelitales para mapear áreas con integración cultivo-ganado
20 de marzo de 2024
Trabajo desarrollado por grupos de Embrapa Agricultura Digital y Unicamp favorece la gestión de recursos agrícolas y ofrece subsidios para la formulación de políticas públicas
Thais Szegö | Agência FAPESP – El sistema integrado agropecuario (ILP) consiste en combinar plantaciones, especialmente de cereales (soja, maíz y sorgo), con plantas forrajeras, utilizadas para la alimentación de ganado vacuno y porcino, y ganado, principalmente vacuno, en forma rotativa en el forma de consorcio. De esta manera, la plantación garantiza la mayor parte del insumo de capital, mientras que los animales tienen alimento disponible incluso durante la estación seca y ayudan con el manejo de semillas. Como resultado, se produce un aumento de la fertilidad del suelo, la productividad y la recuperación de áreas degradadas, así como una reducción en el uso de pesticidas, el riesgo de erosión, la estacionalidad de la producción y los costos operativos. El trabajo se desarrolla de una manera más integrada y sostenible, ya que una actividad beneficia a la otra y hay menos impacto ambiental y reducción de emisiones de carbono.
En un estudio publicado en la revista Teledetección del Medio Ambiente , investigadores de la Empresa Brasileña de Investigación Agropecuaria (Embrapa) y de la Universidad Estadual de Campinas (Unicamp) describen un método, basado en herramientas de inteligencia artificial, que permite la identificación de áreas mediante imágenes satelitales .qué sistemas ILP se están empleando. Este conocimiento, según los autores, puede beneficiar la producción agrícola brasileña de varias maneras.
La investigación fue financiada por la FAPESP (proyectos 21/15001-9 , 18/24985-0 y 17/50205-9 ) y la Organización Holandesa para la Investigación Científica (NWO).
“El principal objetivo del proyecto, resultado de una colaboración internacional para abordar temas relacionados con la agricultura sostenible, fue promover la integración de datos de sensores con imágenes de la superficie terrestre obtenidas remotamente utilizando técnicas de inteligencia artificial, agricultura de precisión y modelos biogeoquímicos para comprender y crear modelos de la dinámica de este tipo de sistemas”, dice Inácio Thomaz Bueno , ingeniero forestal cuyo proyecto postdoctoral enfatiza el monitoreo de sistemas de integración cultivo-ganado mediante imágenes de teledetección con alta resolución espacial y temporal.
“También nos enfocamos en la necesidad de aumentar el conocimiento sobre ILP, ya que aún quedan muchas preguntas abiertas y faltan métodos efectivos para monitorear la estrategia y explorar su potencial, además de la necesidad de identificar áreas de ILP alineadas con el Objetivos de Desarrollo Sostenible [ODS] de la ONU [Naciones Unidas] relacionados con la agricultura, el medio ambiente, el desarrollo económico y social”.
Mapas temáticos finales de cobertura y uso del suelo en las áreas de estudio de trabajo ( imagen: colección de investigadores )
Metodología
El equipo trabajó con algoritmos de aprendizaje profundo, un método de inteligencia artificial que enseña a las computadoras a procesar datos de una manera inspirada en el funcionamiento del cerebro humano y que tiene una gran capacidad para manejar datos complejos, como imágenes de satélite a lo largo del tiempo, y extraerlos. patrones de estos datos para identificar correctamente las áreas de integración cultivo-ganadería. El análisis, que estudió áreas de São Paulo y Mato Grosso en intervalos de diez y 15 días, se realizó en cuatro pasos: adquisición de datos obtenidos a través de imágenes de PlanetScope, un sistema de imágenes satelitales que capturó la evolución de la integración de las áreas en el tiempo; entrenamiento de algoritmos, que aprendieron a reconocer patrones asociados con sistemas ILP; mapeo de áreas que utilizan esta tecnología de trabajo; y evaluación de precisión, que consiste en la exactitud del modelo evaluada comparando resultados automáticos con datos previamente conocidos.
Bueno dice que este método se utilizó para monitorear y mapear la ubicación de los sistemas ILP a partir de imágenes satelitales considerando su dinámica en el tiempo. Los prometedores resultados obtenidos en el estudio tienen el potencial de tener un impacto positivo en la agricultura de varias maneras.
“La identificación precisa de las áreas ILP permite una gestión más eficiente de los recursos agrícolas, en la que los agricultores pueden optimizar la asignación de tierras y mejorar la eficiencia del uso. Además, la diversificación de actividades puede proporcionar una fuente adicional de ingresos para los productores”, afirma. La información detallada derivada del mapeo ILP también proporciona una base sólida para el proceso de toma de decisiones en el área de producción, ya que los agricultores pueden tomar decisiones basadas en información científica sobre prácticas de cultivo, manejo de rebaños e inversiones en diferentes áreas de la propiedad.
Finalmente, este producto actúa para incentivar prácticas agrícolas sustentables, ya que el reconocimiento y mapeo de áreas de integración cultivo-ganadería puede apoyar políticas y programas gubernamentales que promuevan prácticas agrícolas sustentables, contribuyendo al suministro regular y formación de ingresos de los productores rurales, incluyendo la implementación de incentivos financieros y líneas de crédito específicas para apoyar la adopción de sistemas integrados.
El artículo Mapeo de sistemas integrados de cultivo y ganadería en Brasil con series temporales planetscope y aprendizaje profundo se puede leer en: www.sciencedirect.com/science/article/abs/pii/S0034425723004376 .
Copiar TextoHTML
Copiar Texto
MAS NOTICIAS