{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreifbmujddky2hj4scyegadqdf2ckznlw4yczwkvrzlyrv6qyyx63e4",
    "uri": "at://did:plc:fi6ft2rjjxnr5a5bbljvn7of/app.bsky.feed.post/3mm3uk6jgnch2"
  },
  "coverImage": {
    "$type": "blob",
    "ref": {
      "$link": "bafkreiee6ushj3aqk74szi57kqkle5i44qkg6huq6iqzibiw37px2f6o5q"
    },
    "mimeType": "image/jpeg",
    "size": 213949
  },
  "path": "/tecnologia-e-inovacao/noticia/2026/05/ferramenta-usa-inteligencia-artificial-para-criar-mapa-global-inedito-da-agricultura.ghtml",
  "publishedAt": "2026-05-17T10:15:35.000Z",
  "site": "https://globorural.globo.com",
  "tags": [
    "globorural"
  ],
  "textContent": "\nPesquisadores de quatro universidades americanas criaram um mapa que, através de inteligência artificial (IA), identifica campos agrícolas em todo o mundo. Chamada Fields of the World, a ferramenta usa aprendizado de máquina para, com imagens de satélite, mapear a posição dos campos agrícolas ao redor do globo. O estudo mapeou 1,55 bilhão de polígonos agrícolas, áreas definidas como campos em 2025, cobrindo 241 países e territórios. O objetivo é criar uma base global padronizada para monitoramento agrícola, segurança alimentar e estudos sobre uso da terra. Segundo os autores, não existia até agora um mapa agrícola global aberto e consistente nesse nível de detalhamento. A pesquisa destaca que, embora o número de fazendas no mundo seja estimado em cerca de 570 milhões, a quantidade total de campos agrícolas nunca havia sido calculada. Leia mais Imagens de satélite formam mapa global de plantações de café Saiba como a Nasa usa dados espaciais para ajudar nas lavouras O Brasil é o país com o melhor desempenho na validação do modelo. De acordo com o estudo, o país registrou recall de 0,97, métrica que mede a capacidade do sistema de encontrar áreas agrícolas reais presentes nos dados de referência. Na prática, isso significa que o modelo conseguiu identificar aproximadamente 97% dos campos agrícolas utilizados na validação. Os pesquisadores afirmam que o mapeamento pode ajudar em aplicações como estimativa de produtividade, monitoramento de lavouras, fiscalização ambiental, programas climáticos e análises sobre expansão agrícola. O trabalho também cita a crescente demanda internacional por dados espaciais detalhados para rastreamento de cadeias produtivas e regulamentações ambientais. Apesar dos resultados, os autores reconhecem limitações. O modelo foi treinado principalmente com culturas anuais e ainda apresenta dificuldades em algumas regiões do mundo, especialmente em sistemas agrícolas muito fragmentados ou fora dos padrões mais representados nos dados de treinamento.",
  "title": "Ferramenta usa inteligência artificial para criar mapa global inédito da agricultura"
}