Uso inovador de técnicas de Inteligência Artificial para mapeamento agrícola é publicado em manual da ONU

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.

Toda a metodologia foi desenvolvida e implementada pela Gerência de Inteligência em Dados Agropecuários e Inovação (GIDAI/COAGRO/DPE) e está publicada no capítulo Semantic Segmentation for Automatic Field Boundary Delineation do “UN Handbook on Remote Sensing for Agricultural Statistics” (Manual prático da ONU sobre Sensoriamento Remoto para Estatísticas Agrícolas). O artigo é assinado pelos técnicos do IBGE Ian Nunes e Octavio Oliveira, além do professor da Universidade Federal de Viçosa (UFV), Hugo Oliveira e do pesquisador independente Edemir Ferreira.

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”.

Além da precisão elevada, Ian Nunes e Hugo Oliveira destacam que a automação traz ganho de escala e redução de custos, garantindo um impacto contínuo no monitoramento do território. Segundo os pesquisadores, a estratégia pode encurtar o intervalo da produção de dados oficiais. Para Ian Nunes, essa agilidade permite ajustar políticas públicas a mudanças granulares de produção com a rapidez que o contexto atual exige.

Mudanças aplicadas no dia a dia

Na prática, a nova tecnologia será um pilar do 12º Censo Agropecuário, Florestal e Aquícola, viabilizando uma coleta de dados geoespacializados com detalhamento inédito no país. Além do retrato censitário, o sistema permitirá o acompanhamento contínuo das mudanças no uso da terra, identificando, por exemplo, a expansão e modificação de lavouras. Outro ganho crucial está na projeção de safras, pois ao delimitar com exatidão a área plantada e cruzar esse dado com modelos de rendimento, o IBGE poderá aprimorar a produção de estatísticas.

Com essa inovação, o Instituto passa a contar com uma ferramenta que indica áreas em expansão, potenciais usos agropecuários e apoia diretamente o trabalho de campo das também das pesquisas regulares, como a Pesquisa Agrícola Municipal (PAM), Pesquisa da Pecuária Municipal (PPM) e o Levantamento Sistemático da Produção Agrícola (LSPA).

Esforço coletivo e nacional para construção dos algoritmos

A construção da base de dados que alimenta as redes neurais usadas pela metodologia é um projeto contínuo de anotação que iniciou há 17 meses e só é possível por meio de uma força-tarefa que envolveu mais de uma centena de profissionais de quase todas as Superintendências do IBGE espalhadas pelo Brasil. Juntos, a equipe fez a anotação manual de mais de 1,6 milhão de polígonos (campos agrícolas) sobre imagens de satélite. “Isso é um marco para a produção estatística nacional. É crucial destacar que, sem o apoio maciço e o engajamento das Superintendências, não teria sido possível avançar e obter os resultados que alcançamos”, ressalta Ian Nunes.

A versatilidade do método extrapola as fronteiras agrícolas, tornando-se aplicável a qualquer desafio de mapeamento territorial, seja rural ou urbano. Para o IBGE, a tecnologia abre novas frentes: desde a classificação refinada de cobertura e uso da terra até o mapeamento de áreas verdes intraurbanas e a delimitação precisa de favelas. Há ainda potencial para inovar em outras áreas, como na demografia, utilizando o sistema para apoiar estimativas populacionais em recortes geográficos específicos.

Publicações da ONU com participação do IBGE

Esta é a segunda publicação da ONU em 2025 que conta com a participação ativa de técnicos do IBGE, reforçando o protagonismo do Instituto no cenário estatístico internacional. O atual projeto é conduzido pelo UN Committee of Experts on Big Data and Data Science (UN CEBD) em parceria com o UN Expert Group on Rural, Agricultural and Food Security Statistics (CEAG), um desdobramento direto do Task Team on Earth Observations for Agricultural Statistics.

Para Ian, a publicação no manual da ONU é um reconhecimento de que o IBGE busca a fronteira do conhecimento, aplicando ciência de dados de ponta para modernizar e aprimorar suas estatísticas. “O trabalho da GIDAI/COAGRO, alicerçado no esforço das unidades regionais, serve agora como um estudo de caso e um guia prático para outros países que buscam incorporar a observação da Terra e a Inteligência Artificial em seus sistemas oficiais. A busca de longo prazo é transformar a maneira como produzimos estatísticas agropecuárias”, finaliza.

Fonte: https://agenciadenoticias.ibge.gov.br/agencia-noticias/2012-agencia-de-noticias/noticias/45757-producao-cientifica-no-ibge-uso-inovador-de-tecnicas-de-inteligencia-artificial-para-mapeamento-agricola-e-publicado-em-manual-da-onu