DEEP LEARNING PARA IDENTIFICAÇÃO DE SISTEMAS INTEGRADOS DE PRODUÇÃO AGROPECUÁRIA - ILPF: IMPLEMENTAÇÃO DA U-NET COM SENTINEL-2

O artigo investiga o uso da U-Net para segmentação de áreas de Integração Lavoura-Pecuária-Floresta (iLPF) em imagens de satélite Sentinel-2, utilizando bandas NDVI e RGB. A U-Net foi escolhida por sua eficácia em segmentação semântica, essencial para identificar características específicas dos sistemas iLPF. Para treinar o modelo, um banco de dados foi criado a partir de 638 pontos iLPF, fornecidos pela Embrapa, que foram inspecionados manualmente e segmentados em duas classes: iLPF e Não-iLPF.

Após dividir o conjunto de dados em treinamento, validação e teste, técnicas de aumento de dados foram aplicadas para otimizar a generalização do modelo. Duas configurações de entrada foram avaliadas: uma com NDVI isolado e outra com NDVI e RGB combinados. A configuração combinada apresentou resultados superiores, com precisão de 94,58%, F1-Score de 93,91% e IoU de 88,15%, superando o uso exclusivo de NDVI.

O estudo faz parte do Projeto GeoABC+ e contribui para o desenvolvimento de uma ferramenta de mapeamento de sistemas iLPF, fortalecendo a compreensão da adoção de práticas sustentáveis e apoiando as diretrizes do Plano ABC para redução de emissões de carbono. Essa ferramenta é valiosa para monitorar o impacto ambiental e social dos sistemas iLPF, proporcionando informações relevantes para políticas públicas de agricultura sustentável no Brasil.