Título:	Inteligência artificial para a avaliação de pastagens degradadas a partir de fotos de smartphones e de séries temporais de imagens de satélite: uma abordagem baseada em deep e machine learning para subsidiar o cálculo de indicadores agro-socioambientais.
Autor:	SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. ALMEIDA, M. B. F. de VIEIRA, L. P. LAGE, S. M. FREITAS, P. L. de
Afiliación:	MARGARETH GONCALVES SIMOES, CNPS RODRIGO PECANHA DEMONTE FERRAZ, CNPS PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO MATHEUS BENCHIMOL FERREIRA DE ALMEIDA, FUNARBE LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO SOFIA MARTINS LAGE, FUNARBE PEDRO LUIZ DE FREITAS, CNPS.
Año:	2023
Referencia:	Caderno Pedagógico, v. 20, n. 10, p. 4637-4657, 2023.
Descripción:	Entre as principais potências agropecuárias, o Brasil se destaca como um dos poucos países que ainda dispõe de extensas áreas de terra com potencial de produção agropecuária, sem a necessidade do desmatamento. O país busca reverter a degradação do solo por meio de políticas públicas, incluindo a criação de indicadores Sócio-Agro-Ambientais multiescalares. Este trabalho tem como objetivo desenvolver uma solução para diagnosticar áreas degradadas, oferecendo recomendações técnicas regionalizadas para a conservação, recuperação e reintegração dessas áreas à cadeia produtiva de alto rendimento. Duas abordagens inovadoras foram adotadas: (i) uso de deep learning, com uma acurácia de 95,9% para diagnósticos locais por smartphones; (ii) baseada em machine learning e satélites, que alcançou 95,90% de acurácia para avaliações regionais. Ambas as metodologias convergem para soluções acessíveis e inovadoras, estimulando ações de recuperação de áreas degradadas.
Palabras clave:	Indicadores Sócio-Agro-Ambientais Degradação do solo IS_Agro
DOI:	https://doi.org/10.54033/cadpedv20n10-018
Tipo de Material:	Artigo de periódico
Acceso:	openAccess
Aparece en las colecciones:	Artigo em periódico indexado (CNPS)