Institucional

Todos os campi

UFV desenvolve tecnologia em parceria com IBGE para automatizar Censo Agropecuário

23/02/2026

Estão saindo da UFV conhecimentos que transformarão a maneira como o Censo Agropecuário é realizado no Brasil. Modelos computacionais desenvolvidos com a participação de pesquisadores do Departamento de Informática (DPI) da Universidade combinarão Inteligência Artificial (IA) e imagens de satélites para possibilitar que o Instituto Brasileiro de Geografia e Estatística (IBGE) obtenha dados estatísticos sobre os estabelecimentos agropecuários do país, sem depender exclusivamente da atuação presencial dos recenseadores. A iniciativa é inovadora ao abranger uma extensão e diversidade territorial tão grandes quanto as do Brasil e está sendo considerada, por outros países, como exemplo. A tecnologia, inclusive, integra o mais recente manual prático da Organização das Nações Unidas (ONU) sobre Sensoriamento Remoto para Estatísticas Agrícolas.

O Censo Agropecuário, Florestal e Aquícola é realizado pelo IBGE e corresponde a uma investigação detalhada sobre as áreas rurais brasileiras, sua estrutura e atividades; ele está em sua 12ª edição, sendo que a última foi realizada em 2017 (Imagem: Reprodução/IBGE)

O desenvolvimento dos modelos computacionais, para automatizar parte da coleta de dados do Censo Agropecuário, vem de uma parceria proposta pela Gerência de Inteligência em Dados Agropecuários e Inovação do IBGE e a participação da UFV é liderada pelo professor do DPI Hugo Neves de Oliveira. De acordo com ele, trata-se de um trabalho de visão computacional, em que uma IA é treinada para identificar informações visuais. Simplificadamente, é como “ensinar” o computador a “enxergar” determinadas formas contidas em imagens, como fotografias e vídeos. Na pesquisa em andamento, a IA está sendo treinada para identificar padrões da agropecuária em imagens geradas por satélites.

O Censo Agropecuário é a principal investigação sobre as regiões rurais e contribui com dados que embasam diferentes ações, como a implementação de políticas públicas. Sua próxima edição está prevista para 2027 e Hugo (foto ao lado) conta que a tecnologia desenvolvida na UFV já será usada para mapear talhões agrícolas — que são parcelas ou divisões das produções agrícolas em uma propriedade. Esses correspondem às menores unidades analisadas por meio do Censo, ou seja: geram os dados mais precisos sobre quais áreas têm plantações, o que é plantado, se há mudança no uso do solo, etc.

O treinamento da IA para detectar os talhões agrícolas em imagens geradas por satélites vem acontecendo na UFV desde 2024 e inclui reunir e relacionar uma grande e diversa quantidade de bases de dados, justamente para que a IA tenha parâmetros para o que são e o que não são padrões a serem identificados. Anotações técnicas manuais, de profissionais de superintendências do IBGE em todo o país, são exemplos de bases de dados, que podem ajudar a diferenciar áreas de plantação e áreas de vegetação nativa ou pastagens e terra exposta, entre outros.

Anotações à mão serviram para treinar a IA na análise preditiva e identificação dos talhões agrícolas em quaisquer imagens geradas por satélites; a imagem acima é um exemplo qualitativo da pesquisa, para a cidade de Taquaral (SP)

É um trabalho que, a cada novidade, vai sendo aprimorado. Inicialmente, os modelos computacionais foram abastecidos com imagens de satélites da Agência Espacial Europeia que são públicas e têm a resolução de 10m x 10m (mostram uma área de 100 m² por pixel). Em 2025, a equipe de pesquisa teve acesso a imagens de outro satélite, com resolução de 4,77m x 4,77m (~22.75 m²). E em 2026, a expectativa é obter imagens que mostram ainda mais detalhes. Essa melhoria da qualidade das imagens, como o professor do DPI explica, impacta o treinamento da IA, que passa a identificar os talhões agrícolas com mais refinamento.

“É uma pesquisa muito interessante. Desafiadora, além de tudo”, Hugo destaca. Principalmente em relação ao processo acadêmico, de explorar e ampliar os conhecimentos da Ciência da Computação para responder às questões que aparecem. O professor avalia que o início foi difícil e, depois de aproximadamente dois anos, o trabalho está bem consolidado. “Não é trivial. A parte da pesquisa é muito forte e tem produzido conhecimentos que agregarão em outras atividades também”, ressalta.

Segundo Hugo, “tudo isso é relativamente novo”. Há dez anos, ele lembra, tais satélites ainda não tinham sido lançados e o conhecimento sobre algoritmos para mapeamento agrícola era incipiente: “em poucos anos, a literatura da Ciência da Computação é atualizada e os recursos tecnológicos mudam. Então, uma certeza é que essa pesquisa sempre poderá ser aprimorada”.

Processar tudo exige equipamentos potentes e, além do DPI, o Instituto de Inteligência Artificial e Computacional (Idata) da UFV contribui com recursos computacionais, disponibilizando seu cluster

 

O futuro com IA

O Censo Agropecuário continuará contando com a atuação presencial dos recenseadores. Os modelos computacionais serão instrumentos a mais para otimizar desde o planejamento até a sistematização dos resultados, garantindo dados mais próximos da realidade. "Teremos informações muito mais detalhadas e granulares sobre o agro brasileiro", afirma Ian Monteiro Nunes, responsável pela Gerência de Inteligência em Dados Agropecuários e Inovação do IBGE.

Como os satélites monitoram e geram imagens do país inteiro em questão de dias, também será viável realizar investigações específicas com frequência. Isso possibilitará ao IBGE acompanhar mudanças no uso do solo, expansões ou modificações de lavouras, impactos de secas ou de eventos climáticos e meteorológicos extremos, como as enchentes no Rio Grande do Sul, em 2024, entre outros. “Será possível ter um acompanhamento muito mais granular, regular. Isso pode contribuir até mesmo com a projeção de safras e com cálculos do PIB, já que o Brasil produz muitas commodities”, de acordo com Hugo.

Na continuidade da parceria de pesquisa, a proposta é possibilitar o reconhecimento dos talhões agrícolas e o tipo de cultura em cada um. Este, inclusive, é o estudo do mestrado do estudante do campus de Florestal Mateus Pinto da Silva, que integra a equipe da pesquisa e é orientado por Hugo. Segundo o professor, é mais um desafio: “compreende relacionar várias passagens do satélite em cima de um mesmo talhão, verificar sua evolução, suas cores, enfim: obter informações que podem gerar uma série temporal e entender as fases específicas das culturas para identificá-las”.

 

Manual prático da ONU

Ao mostrar a experiência brasileira em conferências internacionais, o IBGE tem chamado atenção e, recentemente, foi convidado para apresentá-la por meio de um capítulo do novo manual prático da ONU sobre Sensoriamento Remoto para Estatísticas Agrícolas. "O trabalho está sendo usado como referência pela Organização das Nações Unidas para a Alimentação e a Agricultura (FAO) para mostrar a viabilidade de realizar mapeamentos, talhonamento, automatizados; a metodologia apresenta resultados excelentes, mesmo o Brasil sendo um pais de paisagem extremamente complexa e dimensões continentais, sem falar na dinâmica agropecuária única no mundo", Ian explica. Esse convite, para ele, "é o reconhecimento de que a pesquisa é sólida a ponto de ser referência mundial no assunto".

Ian acredita que a iniciativa está "no caminho mais que certo" e que isso também significa fortalecer os laços com a UFV, "diversificar projetos e continuar entregando excelencia nos resultados". Ele salienta que ações como essa são fundamentais para o país: "temos profissionais competentes e condições de avançar muito se tivermos foco e recursos para desenvolver o trabalho".

Hugo informa que os resultados da pesquisa serão disponibilizados para o público futuramente. Salvo as especificidades das localidades — como tipo de vegetação nativa, solo e clima —, a intenção é que outros países entendam o que foi feito e possam desenvolver métodos em conformidade com as características dos seus territórios.

Até lá, os interessados podem acessar os artigos científicos sobre a pesquisa já publicados: Advancing agricultural remote sensing: A comprehensive review of deep supervised and Self-Supervised Learning for crop monitoring; A Lightweight Pipeline for Crop Time-Series Parcel Classification via Self-Supervision e Learning Visual Patterns in Remote Sensing: An Overview of Agricultural Applications.