By Marina Sousa 
O Instituto Brasileiro de Geografia e Estatística (IBGE) alcançou um marco significativo ao ter sua tecnologia de inteligência artificial (IA) e machine learning (ML) para mapeamento agrícola integrada ao novo Manual de Sensoriamento Remoto para Estatísticas Agrícolas da Organização das Nações Unidas (ONU). O reconhecimento, publicado no final de janeiro de 2026, posiciona o IBGE como um dos pioneiros globais na aplicação dessa tecnologia avançada na produção de estatísticas agropecuárias, prometendo aprimorar a precisão, agilidade e frequência dos resultados em todo o território nacional.
Como a IA do IBGE Transforma o Campo
A tecnologia desenvolvida pelo IBGE combina o poder de processamento de IA e ML com séries temporais de imagens provenientes de satélites. Ana Cláudia dos Santos Luciano, professora da Escola Superior de Agricultura Luiz de Queiroz (Esalq) da USP, no Departamento de Engenharia de Biossistemas (LEB), explica o funcionamento: “Ela utiliza inteligência artificial e séries temporais de imagens para identificação de culturas, depois faz associação desses dados com a produção, que o IBGE já tem o senso. Essa é uma tecnologia muito interessante, visto que funciona muito bem na identificação de dados, agregando as imagens provenientes de satélite com as técnicas de machine learning e ainda em nível nacional.”
Agilidade e Precisão: A Evolução do Mapeamento
A diferença mais notória entre o mapeamento tradicional, realizado por fotointerpretadores humanos, e o mapeamento por IA reside na eficiência e na escala. Enquanto humanos desenham em mapas, a IA, por meio de redes neurais, é capaz de processar milhares de hectares em segundos com uma consistência global inigualável. “A diferença mais notória entre essas duas tecnologias é a redução de mão de obra nos processos. Vai ter menos pessoas trabalhando dentro desse contexto nacional, já que exige um número elevado de profissionais”, comenta a professora Luciano. Contudo, ela ressalta que a fotointerpretação humana ainda é essencial para a tomada de decisões em pequenos detalhes, complementando a capacidade da IA de mapear grandes áreas de forma mais generalista.
Previsão de Safra em Tempo Real com Satélites
Uma das grandes vantagens do machine learning é a agilidade na coleta e análise de dados, que pode ser crucial para prever quebras de safra em tempo real. A alta repetitividade dos satélites, que geram imagens de um mesmo local diversas vezes ao longo do tempo, permite um monitoramento contínuo. “Esse conjunto de imagens geradas permite-nos observar algumas variações, como o índice de vegetação, vigor da cultura, da lavoura e da vegetação, e entender possíveis influências que podem ter diminuído a produtividade”, detalha Ana Cláudia Luciano. Essa capacidade de detecção antecipada permite a criação de políticas e ações preventivas, mitigando impactos negativos na produção agrícola.
Credibilidade Internacional e Potencial para o Brasil
O reconhecimento da ONU é um endosso de peso para a tecnologia brasileira. “Na minha visão, é muito importante ter esse reconhecimento de uma tecnologia pela ONU, prestigiando os métodos que utilizamos para o monitoramento do nosso país, e que podem também ser utilizados na produção de alimentos e na exportação para outras nações”, afirma a professora. Além de trazer credibilidade às pesquisas desenvolvidas no Brasil, essa validação internacional abre portas para a aplicação do método em outros países, reforçando o papel do Brasil como líder em inovação tecnológica para o setor agropecuário.
Fonte: jornal.usp.br