Os avanços na tecnologia geoespacial e o uso cada vez mais inovador de inteligência artificial e aprendizado profundo estão permitindo uma abordagem científica baseada em dados para o monitoramento ambiental eficaz. As tecnologias de sensoriamento remoto estão permitindo o estudo de mudanças na cobertura do solo da Terra, que inclui vegetação, superfícies de água e recursos artificiais, bem como vários padrões de uso da terra.
As atividades humanas nos últimos séculos aceleraram e intensificaram a transformação da superfície da Terra. Sob essa luz, a classificação e avaliação dos padrões de uso e cobertura da terra (LULC) são fundamentais para estudos de monitoramento global, conservação ambiental, planejamento do uso da terra, gestão de recursos e desenvolvimento sustentável em todo o mundo.
A terra é o insumo primário e mais essencial para a agricultura, e é desnecessário dizer que produzir alimentos, rações e fibras suficientes para a população mundial seria impossível se não houvesse terra suficiente para fins agrícolas. Por esta razão, a análise da distribuição das terras cultiváveis torna-se imperativa para determinar a disponibilidade de terras para fins agrícolas em diferentes regiões e, consequentemente, impulsionar a produção agrícola em todo o mundo. A comparação de dados de satélite de sensoriamento remoto capturados em diferentes pontos do tempo também permite o monitoramento de alterações de LULC para identificar o encolhimento de terras agrícolas devido a eventos climáticos ou atividades humanas.
Como a Cropin define o uso e a cobertura da terra com IA e aprendizado profundo?
O motor alimentado por IA da Cropin classifica o uso da terra com base no sistema de classificação de uso da terra desenvolvido pelo United State Geological Survey (USGS). Este sistema classifica o uso e cobertura da terra em vários níveis, as categorias em cada uma formando uma hierarquia aninhada de subcategorias. Por exemplo, Agricultura, que é uma das categorias amplas no Nível I, inclui categorias detalhadas, como ‘
Plantas e pastagens ’, ‘
Pomares, Bosques, Vinhas e Viveiros ' e '
Operações de alimentação confinada '. Enquanto as categorias de Nível I são de dados do tipo LANDSAT, as categorias de Nível II são dados de alta altitude (12400m ou acima) com melhores resoluções espaciais, espectrais e temporais.
O mapeamento LULC por Cropin é baseado no Nível I do sistema USGS que é relevante para aplicações regionais e de grande escala. O motor de Cropin adota cinco das nove subcategorias no Nível I,
viz terrenos agrícolas, terrenos estéreis, terrenos edificados ou urbanos, florestas e massas de água.
Como a primeira etapa da classificação LULC, os dados de imagens de satélite brutas são extraídos e treinados usando os algoritmos proprietários da Cropin para georreferenciar os limites estaduais e distritais na Índia. Os dados são então limpos para remover os limites irregulares das parcelas e melhorar a precisão dos pontos de dados e, em seguida, treinados novamente para mapear o uso da terra para a temporada atual (Rabi/Kharif).
Para mapear cada uma das cinco categorias com limites distintos e precisos, os modelos treinados passam por uma remoção de valores discrepantes em duas etapas. A sanitização repetida de pontos de dados resulta em pixels puros onde ‘Construído/Urbano’ não inclui nenhum corpo de água, ou não há presença de ‘Terra Estéril’ dentro de ‘Terra Agrícola’. Esses modelos são testados quanto à precisão e treinados novamente usando vários métodos
até uma precisão não inferior a 90% é alcançado.
O mapa de uso da terra gerado pelo sistema Cropin para a temporada de Rabi é baseado em um modelo óptico. No entanto, para a temporada de Kharif, os modelos estão sendo construídos com base em dados de imagem do Radar de Abertura Sintética (SAR) considerando o aumento da cobertura de nuvens durante o período.
Figura 1:mapa LULC de uma região no noroeste de Madhya Pradesh
Assim que o LULC for classificado e auditado quanto à precisão, o mapeamento do uso da terra para a agricultura será extraído pelo SmartRisk e exibido em seu painel interativo baseado em mapa, com base em quais culturas em determinada região serão identificadas de acordo com a necessidade do usuário.
Como isso se traduz em valor para as partes interessadas do agro?
A informação LULC atualizada e confiável tem muitas vantagens no domínio agro, particularmente quando usada por órgãos governamentais e instituições de crédito agropecuário, para desenvolver políticas agrárias eficazes.
O SmartRisk facilita as principais partes interessadas em
órgãos governamentais para determinar a disponibilidade de terras agrícolas em uma determinada região (no nível de fazenda/código postal/estado/país) para aquela estação específica. A plataforma inteligente também estabelece o desempenho histórico da região, o que permite que os usuários comparem dados atuais com registros anteriores para examinar as mudanças de LULC como resultado de urbanização, invasão ou eventos climáticos severos na região. Outras atividades, como o planejamento do abastecimento de água para as necessidades de irrigação, também se tornam efetivas com o uso dos recursos LULC desta plataforma de ponta.
Figura 2:painel SmartRisk exibindo a classificação LULC para Bareli, Madhya Pradesh
Bancos, seguros e outras instituições financeiras podem analisar a área líquida semeada em nível regional para decidir sobre suas políticas de crédito e expansão de negócios para novas regiões. Em nível de parcela, a instituição pode identificar se uma parcela de fazenda está sendo cultivada e aproveitar os registros do desempenho histórico da parcela para uma subscrição de empréstimos mais rápida e avaliação de risco apoiada por dados agropecuários alternativos. Saiba tudo sobre como a IA está otimizando o pagamento de seguro para um dos maiores programas de seguro agrícola do mundo.
Fabricantes de sementes e outros empresas de insumos agrícolas podem otimizar suas estratégias de vendas com base na área líquida semeada e nos dados de classificação de culturas disponibilizados no painel do SmartRisk. O conhecimento de qual cultura cresce onde, e qual é o estágio e a saúde da cultura, capacita as empresas de insumos a disponibilizar seus produtos nos pontos de distribuição mais próximos.
Por outro lado, empresas de sourcing e compras , bem como comerciantes de commodities, podem aproveitar essa inteligência agrícola para identificar culturas espalhadas por uma região e tomar decisões de compra mais inteligentes com base na disponibilidade da safra.
