Estimativa da produção da cultura do arroz por meio de imagens multiespectrais Sentinel-2 utilizando uma ResNet18

Resumo

A segurança alimentar global depende de sistemas precisos de monitoramento agrícola, sendo o arroz uma das culturas mais importantes. No entanto, a estimativa de sua produção enfrenta desafios significativos em regiões onde há escassez de informações detalhadas em nível de parcela agrícola. Este estudo desenvolve e valida uma metodologia reprodutível para estimar a produção de arroz no Rio Grande do Sul, Brasil, por meio da integração de imagens multiespectrais da missão Sentinel-2 e redes neurais convulsionais profundas (CNNs). O fluxo de trabalho automatizado implementado abrange o download de produtos de satélite, o pré-processamento radiométrico e a segmentação de mosaicos correspondentes a duas fases fenológicas-chave: reprodutiva e de maturação. Para a análise, uma arquitetura ResNet18 foi adaptada mediante a modificação de sua camada de entrada para processar 10 canais espectrais, e o modelo foi treinado utilizando 2.304 patches de 64 × 64 pixels. Os rótulos de treinamento foram gerados proporcionalmente aos dados oficiais de produtividade do IBGE e da CONAB, permitindo que o modelo aprendesse a relação entre a resposta espectral e a produtividade real em nível municipal. O desempenho do modelo foi avaliado por meio do erro absoluto médio (MAE), da raiz do erro quadrático médio (RMSE) e do coeficiente de determinação (R²), alcançando valores de R² próximos de 0,91. Esses resultados refletem uma precisão significativamente superior em comparação com métodos tradicionais baseados exclusivamente em índices de vegetação, como o NDVI. Conclui-se que a metodologia proposta é altamente reprodutível e escalável, facilitando sua aplicação em outras regiões geográficas e tipos de culturas agrícolas. As contribuições desta pesquisa representam um avanço concreto rumo à democratização da agricultura de precisão por meio do uso de software de código aberto e de dados de satélite de livre acesso.