Produção de imagens de recursos terrestres no Instituto de Pesquisas Espaciais

No item dedicado às Atividades Espaciais, o III Plano Básico de Desenvolvimento Cientifico e Tecnológico 1980/1985 menciona, como um dos objetivos, o "desenvolvimento de metodologias de utilização das imagens obtidas pelos satélites de sensoriamento remoto, no levantamento e monitoramento de recursos naturais e flagelos, análise do meio ambiente, uso da terra e cartografia ". O estudo é centrado no programa de produção de imagens implementado pelo INPE descrevendo-o e comentando-o e, ao final, permitindo-nos fazer algumas sugestões para o seu aprimoramento.

Avaliação do desempenho de classificadores neurais para aplicações em sensoriamento remoto

Atualmente, pesquisadores das mais diversas áreas, tais como: Geologia, Física, Cartografia, Oceanografia, entre outras, utilizam imagens de satélite como uma fonte valiosa para a extração de informações sobre a superfície terrestre. Muitas vezes, a análise (classificação) destas imagens é realizada por métodos tradicionais sejam eles supervisionados (como o Método de Máxima Verossimilhança Gaussiana) ou nãosupervisionados (como o Método de Seleção pelo Pico do Histograma). Entretanto, pode-se utilizar as Redes Neurais Artificiais como uma alternativa para o aumento da acurácia em classificações digitais. Neste trabalho, utilizou-se imagens multi-espectrais do satélite LANDSAT 5-TM para a identificação de espécies vegetais (Mata Nativa, Eucalyptus e Acácia) em uma região próxima aos municípios de General Câmara, Santo Amaro e Taquari, no Estado do Rio Grande do Sul, Brasil. Comparou-se qualitativamente e quantitativamente os resultados obtidos pelo método de Máxima Verossimilhança Gaussiana e por uma Rede Neural Artificial Multinível com BackPropagation na classificação da área de estudo. Para tanto, parte desta área foi mapeada através de uma verificação de campo e com o auxílio de classificadores nãosupervisionados (Kohonen, que é uma Rede Neural, e o método de Seleção pelo Pico do Histograma). Com isto, foi possível coletar dois conjuntos de amostras, sendo que um deles foi utilizado para o treinamento dos métodos e o outro (conjunto de reconhecimento) serviu para a avaliação das classificações obtidas. Após o treinamento, parte da área de estudo foi classificada por ambos os métodos. Em seguida, os resultados obtidos foram avaliados através do uso de Tabelas de Contingência, considerando um nível de significância de 5%. Por fim, na maior parte dos testes realizados, a Rede Neural Artificial Multinível com BackPropagation apresentou valores de acurácia superiores ao Método de Máxima Verossimilhança Gaussiana. Assim, com este trabalho observou-se que não há diferença significativa de classificação para as espécies vegetais, ao nível de 5%, para a área de estudo considerada, na época de aquisição da imagem, para o conjunto de reconhecimento.

Sensoriamento remoto na identificação do uso e ocupação da terra na área do projeto Conquista da Água, Ilha Solteira - SP, Brasil

A cidade de Ilha Solteira está propondo o projeto Conquista da Água, visando ao desenvolvimento sustentável do Município, a partir do turismo, da cultura e da ciência e tecnologia. Para atingir esse objetivo, os planejadores do meio físico-ambiental necessitam de dados que possam auxiliá-los na seleção dos melhores locais onde serão instalados as avenidas, o aeroporto e os demais espaços que comporão esse projeto. A elaboração do mapa de uso e cobertura do solo da área de interesse do projeto constitui um dos temas necessários ao banco de dados a ser utilizado pelos planejadores. Neste trabalho, é apresentado o estado de degradação dessa área, o que auxiliará na definição das estratégias de conservação ambiental.

Monitoramento geoambiental do estuário do Rio Paraíba do Norte - PB por meio da cartografia temática digital e de produtos de sensoriamento remoto

The North Paraíba River Estuary, located in the eastern portion of the Paraíba State, Northeast Brazil, on coordinates 34º50 00 -34º57 30 S and 6º55 00 -7º7 30 W, constitutes a fluvio-marine plain formed by the North Paraíba River and its tributaries Sanhauá, Paroeira, Mandacaru, Tiriri, Tambiá, Ribeira and Guia. This estuary comprises an area of about 260 km2. Increasing human demands on the estuary area and inadequate environment managing have generated conflicts. The present work main purpose is to evaluate the geodynamic evolution of the North Paraíba River Estuary in the period from 1969 to 2001, using digital image processing techniques, thematic digital cartography and multitemporal data integration, combined to geological-geophysical field surveys. The SUDENE cartographic database, converted to digital format were, used to obtain occupation and topographic maps from 1969 and to generate a Digital Elevation Model (DEM). Digital Landsat 7 ETM+ and Spot HRVIR-PAN satellite images interpretation allowed the environmental characterization of the estuary. The most important digital processing results were achieved color composites RGB 5-4-3, 5-3-1, 5-2-NDWI and band ratio 7/4-5/3-4/2, 5/7-3/1-5/4). In addition the fusion image technique RGBI was used by the inclusion of the Spot HRVRI and Landsat 7 ETM+ panchromatic band on I layer with RGB triplets 5-4-3, 5-3-1 and 5/7-3/1-5/4. The DEM and digital images integration allowed the identification of seven geomorphological units: coastal tableland, flowing tray, tide plain, fluvial terrace, submerged dune, beach plain and beach). Both Side Scan Sonar and Echosound were used to analyse underwater surface and bedforms of the estuarine channel, sand predominance (fine to very fine) and 2D dune features 5 m wide and 0.5 m height. This investigation characterized the estuary as an environment dominated by regimen of average flow. The channel depth varies between 1 m and 11 m, being this last quota reached in the area of Porto de Cabedelo. The chanel estuary is relatively shallow, with erosion evidences mainly on its superior portion, attested by sand banks exposed during the low tide. Multitemporal digital maps from 1969 and 2001 integration were obtained through geoprocessing techniques, resulting the geodynamic evolution of the estuary based on landuse, DEM geomorphology and bathymetric maps

Sensoriamento remoto e geoestatística na caracterização espaço-temporal de plantas aquáticas

Pós-graduação em Ciências Cartográficas - FCT

Utilização do sensoriamento remoto orbital e redes neurais artificiais no mapeamento de macrófitas aquáticas emersas em grandes reservatórios

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Análise geoambiental da plataforma continental Rasa Equatorial, por meio de sensoriamento remoto e dados sedimentológicos: parrachos de Rio do Fogo-RN, Brasil

In the shallow continental shelf in Northeastern Rio Grande do Norte - Brazil, important underwater geomorphological features can be found 6km from the coastline. They are coral reefs, locally known as “parrachos”. The present study aims to characterize and analyze the geomorphological feature as well as the ones of the benthic surface, and the distribution of biogenic sediments found in parrachos at Rio do Fogo and associated shallow platforms, by using remote sensing products and in situ data collections. This was made possible due to sedimentological, bathymetric and geomorphological maps elaborated from composite bands of images from the satellite sensors ETM+/Landsat-7, OLI/Landsat-8, MS/GeoEye and PAN/WordView-1, and analysis of bottom sediments samples. These maps were analyzed, integrally interpreted and validated in fieldwork, thus permitting the generation of a new geomorphological zoning of the shallow shelf in study and a geoenvironmental map of the Parrachos in Rio do Fogo. The images used were subject to Digital Image Processing techniques. All obtained data and information were stored in a Geographic Information System (GIS) and can become available to the scientific community. This shallow platform has a carbonate bottom composed mostly by algae. Collected and analyzed sediment samples can be classified as biogenic carbonatic sands, as they are composed 75% by calcareous algae, according to the found samples. The most abundant classes are green algae, red algae, nonbiogenic sediments (mineral grains), ancient algae and molluscs. At the parrachos the following was mapped: Barreta Channel, intertidal reefs, submerged reefs, the spur and grooves, the pools, the sandy bank, the bank of algae, sea grass, submerged roads and Rio do Fogo Channel. This work presents new information about geomorphology and evolution in the study area, and will be guiding future decision making in the handling and environmental management of the region

Características ambientais e a ocorrência de leishmaniose visceral em Teresina, Piauí: uma aplicação utilizando sensoriamento remoto

Nas Américas, a leishmaniose visceral (LV) experimenta um processo de urbanização e o cão doméstico é considerado o principal reservatório da doença neste cenário, embora seu papel no ciclo de transmissão não esteja totalmente explicado. Este estudo teve como objetivo investigar, por meio da análise de dados espaciais e imagens de sensoriamento remoto, a relação de fatores ambientais com a ocorrência de infecção canina por Leishmania chagasi e sua correlação espacial com a doença humana na cidade de Teresina (Piauí - Brasil), onde foi relatada a primeira epidemia urbana de LV no Brasil. Os resultados são apresentados na forma de dois manuscritos, nos quais são utilizados dados georreferenciados obtidos por meio de um inquérito sorológico canino realizado durante o ano de 2011, em diferentes bairros com transmissão moderada ou intensa. No primeiro, a regressão logística multinível foi utilizada para correlacionar a prevalência da infecção canina com variáveis ambientais de quadrículas de 900m2 (30mx30m) onde os domicílios estavam localizados, ajustando para as características individuais dos cães (sexo, idade e raça) e da residência. Participaram desta análise 717 cães distribuídos em 494 domicílios e 396 quadrículas. Um percentual >16,5% da área da quadrícula coberta por pavimentação clara (ruas de terra ou asfalto antigo) foi a única variável ambiental associada com a infecção canina por L. chagasi (Odds ratio [OR] = 2,00, intervalo de 95% de confiança [IC95%]: 1,22 - 3,26). Estas áreas provavelmente correspondem àquelas mais pobres e com pior infraestrutura urbana, sugerindo a ocorrência de um padrão de transmissão intra-urbano similar aos padrões rurais e peri-urbanos da LV. No segundo manuscrito, a partir da análise hierárquica do vizinho mais próximo foi verificada a presença de sete clusters de maior concentração de cães soropositivos em relação aos soro negativos em áreas menos urbanizadas e com vegetação pouco densa. Participaram desta análise 322 cães distribuídos em cinco bairros. A relação espacial entre os caninos soropositivos e os casos humanos foi investigada através do método da distância média entre os pontos e analisada por meio do teste t. Foi encontrada uma maior proximidade de casos humanos em relação a cães soropositivos quando comparada à distância em relação aos soro negativos, sugerindo a existência de uma relação espacial entre a LV humana e a soropositividade canina. Os resultados contribuem para uma maior compreensão sobre a dinâmica da doença em meio urbano além de fornecer informações úteis para a prevenção e controle da LV em seres humanos.

Mapeamento de uso das terras utilizando processamento digital de imagem de sensoriamento remoto.

O uso dos métodos tradicionais de levantamento do uso das terras, em razão do custo elevado dos instrumentos e a dificuldade de disponibilizar as informações de maneira rápida aos tomadores de decisão, torna proibitivo seu emprego de forma sistemática e repetitiva sobre grandes extensões de território. Desta forma, existe a necessidade de se utilizar métodos que possibilitem o levantamento do uso das terras de maneira eficiente, rápida e que tenham relativamente baixo custo. Neste contexto, a forma mais eficiente e rápida para caracterizar o uso atual das terras é por meio dos recursos instrumentais oferecidos pelo sensoriamento remoto (SR), com auxílio dos Sistemas de Informações Geográficas (SIGs) e dos Sistema de Posicionamento Global (GPSs). O processo de levantamento e caracterização do uso das terras, nesse caso, pode ser grandemente facilitado pela utilização de imagens de satélites e outros recursos de sensoriamento remoto, que podem gerar dados passíveis de serem geocodificados, ou seja, integrados, relacionados e espacializados nos SIGs. Esses, em conjunto com os GPSs, são considerados, atualmente, como a maneira mais eficiente de levantamento e identificação do uso das terras. Desta forma, o trabalho teve como objetivo o mapeamento de uso das terras utilizando o processamento digital de imagem de sensoriamento remoto, utilizando-se a interpretação visual, a classificação digital supervisionada, e a classificação híbrida (classificação digital + interpretação visual), utilizando-se imagem TM do satélite LANDSAT 7.

Estimativa da precipitação através de técnicas de sensoriamento remoto : estudo de caso para o estado do Rio Grande do Sul

A quantificação da precipitação é dificultada pela extrema aleatoriedade do fenômeno na natureza. Os métodos convencionais para mensuração da precipitação atuam no sentido de espacializar a precipitação mensurada pontualmente em postos pluviométricos para toda a área de interesse e, desta forma, uma rede com elevado número de postos bem distribuídos em toda a área de interesse é necessária para um resultado satisfatório. No entanto, é notória a escassez de postos pluviométricos e a má distribuição espacial dos poucos existentes, não somente no Brasil, mas em vastas áreas do globo. Neste contexto, as estimativas da precipitação com técnicas de sensoriamento remoto e geoprocessamento pretendem potencializar a utilização dos postos pluviométricos existentes através de uma espacialização baseada em critérios físicos. Além disto, o sensoriamento remoto é a ferramenta mais capaz para gerar estimativas de precipitação nos oceanos e nas vastas áreas continentais desprovidas de qualquer tipo de informação pluviométrica. Neste trabalho investigou-se o emprego de técnicas de sensoriamento remoto e geoprocessamento para estimativas de precipitação no sul do Brasil. Três algoritmos computadorizados foram testados, sendo utilizadas as imagens dos canais 1, 3 e 4 (visível, vapor d’água e infravermelho) do satélite GOES 8 (Geostacionary Operational Environmental Satellite – 8) fornecidas pelo Centro de Previsão de Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais. A área de estudo compreendeu todo o estado do Rio Grande do Sul, onde se utilizaram os dados pluviométricos diários derivados de 142 postos no ano de 1998. Os algoritmos citados buscam identificar as nuvens precipitáveis para construir modelos estatísticos que correlacionem as precipitações diária e decendial observadas em solo com determinadas características físicas das nuvens acumuladas durante o mesmo período de tempo e na mesma posição geográfica de cada pluviômetro considerado. Os critérios de decisão que norteiam os algoritmos foram baseados na temperatura do topo das nuvens (através do infravermelho termal), reflectância no canal visível, características de vizinhança e no plano de temperatura x gradiente de temperatura Os resultados obtidos pelos modelos estatísticos são expressos na forma de mapas de precipitação por intervalo de tempo que podem ser comparados com mapas de precipitação obtidas por meios convencionais.

Integração de técnicas de SIG e sensoriamento remoto na classificação de imagens digitais através do uso da teoria da evidência

O desenvolvimento de novos, e mais eficientes, métodos de classificação de imagem digitais em Sensoriamento Remoto se constitui em uma importante área que tem chamado a atenção de muitos pesquisadores. Nesta área em particular, um problema que freqüentemente surge para a classificação de imagens digitais provenientes de cenas naturais, é a ocorrência de classes espectrais com resposta espectral muito similar. Nestes casos, os sistemas sensores mais comuns e os métodos tradicionais de classificação de imagem apresentam muito baixa precisão ou mesmo falham completamente. Várias abordagens vem sendo propostas na literatura. Uma das possíveis abordagens consiste em fazer uso de informações auxiliares que possuam poder discriminante para as classes sob análise. Esta é a possibilidade explorada nesta dissertação, utilizar-se de dados auxiliares, provenientes de fontes diversas, tais como: temperatura, precipitação, altitude e classes de solo. Estes dados são então combinados com dados provenientes de imagens multiespectrais de acordo com a Teoria de Evidência proposta por Dempster e Shafer. Esta abordagem é testada usando dados de uma área no Estado do Rio Grande do Sul, Brasil, com a finalidade de delimitar a ocorrência da Mata Nativa com Araucária (composta pela conifera Araucaria angustifolia), que é de difícil separação em relação a outras classes espectrais que ocorrem na região, tornando difícil o processo preciso de classificação.

Classificação de imagens de sensoriamento remoto baseada em textura por redes neurais

O objetivo principal deste trabalho é propor uma metodologia de classificação de imagens de sensoriamento remoto que integre a importância de atributos de textura na seleção de feições, através da utilização de freqüências espaciais de cada classe textural e sua direção, com a eficiência das redes neurais artificiais para classificá-las. O processo é composto por uma etapa de filtragem baseada nos filtros de Gabor, seguida de uma fase de classificação através de uma rede neural Multi-Layer Perceptron com algoritmo BackPropagation. A partir da transformada de Fourier são estimados os parâmetros a serem utilizados na constituição dos filtros de Gabor, adequados às freqüências espaciais associadas a cada classe presente na imagem a ser classificada. Desta forma, cada filtro gera uma imagem filtrada. O conjunto de filtros determina um conjunto de imagens filtradas (canais texturais). A classificação pixel a pixel é realizada pela rede neural onde cada pixel é definido por um vetor de dimensionalidade igual ao número de filtros do conjunto. O processo de classificação através da rede neural Multi-Layer Perceptron foi realizado pelo método de classificação supervisionada. A metodologia de classificação de imagens de sensoriamento remoto proposta neste trabalho foi testada em imagens sintética e real de dimensões 256 x 256 pixels. A análise dos resultados obtidos é apresentada sob a forma de uma Matriz de Erros, juntamente com a discussão dos mesmos.

Subsídios à previsão de safra da soja no Rio Grande do Sul usando técnicas de geoprocessamento e sensoriamento remoto

Informações sobre as condições de crescimento e expectativa de produção de culturas são importantes para a economia brasileira, visto que permitem um planejamento adequado da economia agrícola, contornando problemas de escassez e administrando com vantagens o excesso de produtos. Neste contexto, as tecnologias de sensoriamento remoto e geoprocessamento permitem a obtenção de informações precisas, em tempo hábil e com baixo custo. O presente trabalho teve como principal objetivo gerar subsídios para o aprimoramento do sistema atual de acompanhamento e previsão da safra de soja no Brasil, incorporando técnicas de sensoriamento remoto e geoprocessamento. Como objetivos específicos, buscou-se avaliar a acurácia da classificação digital de imagens LANDSAT para estimativa da área cultivada com soja e verificar a influência de aspectos regionais, tais como condições climáticas, de ocupação e de manejo, sobre a evolução temporal do índice de vegetação por diferença normalizada (NDVI), obtidos de imagens NOAA, visando o monitoramento da cultura da soja em projetos de previsão de safras. A estimativa de área cultivada com soja foi realizada através da classificação digital não supervisionada. Como verdade terrestre foram selecionadas 24 lavouras de soja, individualizadas na imagem com diferentes tamanhos e de diferentes regiões de uso e cobertura do solo, as quais foram quantificadas usando GPS de precisão topográfica. A verificação da acurácia da estimativa foi feita através de análise de regressão linear, sendo testada a significância do coeficiente de determinação. O monitoramento da cultura da soja foi realizada usando imagens decendiais de máximo NDVI. Nestas imagens, foram selecionadas 18 janelas amostrais, sendo extraídos os valores de NDVI e expressos na forma de perfis espectrais. Os resultados mostraram que a estimativa de área das lavouras cultivadas com soja, obtida através do processo de classificação digital não supervisionada em imagens LANDSAT, foi acurada e precisa para pequenas, médias e grandes lavouras, mostrando-se ser uma técnica eficiente para ser utilizada em projetos de previsão de safras de soja na região estudada. A evolução temporal do NDVI, obtida de imagens NOAA, apresentou sensibilidade quanto às diferenças de uso e cobertura do solo, demonstrando que as escalas espacial e temporal das imagens NOAA são adequadas para o acompanhamento em nível regional da evolução temporal da biomassa. Existe, ainda, potencial de uso de imagens NDVI para inferir sobre a área cultivada com soja em projetos de previsão de safras em escalas regionais, desde que a cultura seja predominante no pixel.

Desenvolvimento de uma metodologia para planejamento urbano, utilizando técnicas de sensoriamento remoto, modelagem numérica do terreno (MNT) e sistemas de informações geográficas (SIG)

o monitoramento da expansão das áreas urbanas e a análise da sua interação com o meio físico têm sido um grande desafio para os técnicos de planejamento urbano. No Brasil, em especial, dada a velocidade com que o fenômeno se processa e graças a um crescimento desordenado das cidades nas últimas décadas, esses estudos, que envolvem um elevado número de informações, tem exigido decisões e diagnósticos urbanos cada vez mais rápidos. Esta dissertação propõe uma metodologia para o planejamento racional do uso do solo urbano através do emprego integrado de tecnologias recentes como Sistema de Informações Geográficas (SIG), Modelagem Numérica do Terreno (MNT) e Sensoriamento Remoto através de imagens orbitais. Para isso, são implementados no SIG desenvolvido pelo INPE dados provenientes de cartas topográficas, de mapas temáticos do meio físico e de imagens orbitais LANSAT/TM da região estudada. A partir desses dados iniciais são geradas, também num SIG, outras informações com objetivo de estudar a evolução da área urbana, identificar áreas com suscetibilidade preliminar à erosão laminar, áreas com restrição ao uso urbano e áreas de eventos perigosos e riscos. o trabalho apresenta inicialmente uma revisão bibliográfica sobre a aplicação de Sensoriamento Remoto, Modelagem Numérica do Terreno (MNT) e Sistema de Informações Geográficas (SIG) em estudos urbanos. Segue-se a conceituação e aspectos teóricos dessas três ferramentas básicas utilizadas. A metodologia propriamente dita traz os planos de informações originais e as suas respectivas fontes de informações, os processos de classificação de imagens digitais empregados e os modelos de cruzamentos desenvolvidos para um SIG. A área teste escolhida é a sub-bacia do Arroio Feijó, localizada na região metropolitana de Porto Alegre, na porção centro-leste do Estado do Rio Grande do Sul. A região é caracterizada por uma elevada densidade populacional, pela presença de áreas inundáveis e pela ocorrência de processos eroslVOS. Os resultados mostram que a metodologia proposta é adequada e eficiente para agilizar as atividades de planejamento urbano, subsidiando a elaboração de Planos Diretores de Desenvolvimento Integrado e orientando o crescimento das cidades para regiões mais favoráveis. Além disso, contribui para a prevenção de parcela dos riscos e problemas geotécnicos relacionados ao meio físico nas áreas urbanas.

Gestão de riscos associados a cultivos agroenergéticos por meio da modelagem espaço-temporal de parâmetros agrometeorológicos e do monitoramento da vegetação com imagens de sensoriamento remoto - Estudo de caso em lavouras de milho safrinha

A agricultura é a atividade econômica mais dependente das condições climáticas. Os eventos climáticos afetam não só os processos metabólicos das plantas, diretamente relacionados à produção vegetal, como também as mais diversas atividades no campo. De acordo com Petr (1990) e Fageria (1992), citados por Hoogenboom (2000), ao redor de 80% da variabilidade da produção agrícola no mundo se deve à variabilidade das condições climáticas durante o ciclo de cultivo, especialmente para as culturas de sequeiro, já que os agricultores não podem exercer nenhum controle sobre esses fenômenos naturais. Além de influenciar o crescimento, o desenvolvimento e a produtividade das culturas, o clima afeta também a relação das plantas com microorganismos, insetos, fungos e bactérias, favore-cendo ou não a ocorrência de pragas e doenças, o que demanda as medidas de controle ade-quadas. Muitas das práticas agrícolas de campo, como o preparo do solo, a semeadura, a adu-bação, a irrigação, as pulverizações, a colheita, entre outras, também dependem de condições de tempo e de umidade no solo específicas para que possam ser realizadas de forma eficiente (PEREIRA et al., 2002). Dada a grande importância do clima para a produção agrícola, o uso de informações meteoro-lógicas e climáticas é fundamental para que a agricultura se torne atividade sustentável (SIVAKUMAR et al., 2000). Neste contexto, a agrometeorologia, ciência interdisciplinar que estuda a influência do tempo e do clima na produção de alimentos, fibras e energia, assume papel estratégico no entendimento e na solução dos problemas enfrentados pela agricultura (MAVI E TUPPER, 2004). Os governos apoiam usualmente a gestão de risco dos agricultores concentrando-se nos riscos imprevisíveis e inevitáveis, possivelmente raros, mas que têm graves consequências (perdas catastróficas) se os agricultores não conseguirem gerir estes riscos sozinhos já que existe nú-mero limitado de opções políticas a serem consideradas, quer a nível interno ou internacional, quando o assunto é referente à alimentação dos concidadãos. A preocupação crescente com o aumento da população mundial, com a degradação dos recur-sos naturais e com a sustentabilidade da agricultura tem exigido maiores esforços no desen-volvimento de melhores estratégias e práticas do uso do solo, a partir do melhor entendimento das relações entre a agricultura e o clima. Nesse sentido, o desenvolvimento de ferramentas que auxiliem o planejamento e o processo de tomadas de decisão que resultem em menores impactos ambientais e no aumento da resiliência da agricultura, tem sido um dos objetivos das instituições governamentais e não gover-namentais ligadas à agricultura, ao ambiente e aos recursos naturais. Sem embargo, as sofisticadas técnicas utilizadas para estimar preços no mercado futuro, as perspectivas relativamente instáveis das commodities agrícolas resultam do pressuposto de que em condições normais, as incertezas associadas ao clima, fatores macroeconômicos, in-tervenções de políticas e o custo da energia, entre outros fatores relevantes, sugerem que os preços dos produtos de base agrossilvipastoris permanecerão imprevisíveis. Mesmo que estratégias de hedging continuem sendo preponderantes no que tange à mitigação do risco financeiro causado pela volatilidade de preços, para a grande maioria das empresas, seguradoras, governos e produtores que dependem dos resultados da lavoura para colher os benefícios financeiros da produção agrícola, como no caso das empresas agrossilvipastoris, a mitigação dos riscos de mercado concomitantemente ao gerenciamento do risco agrometeoro-lógico faz todo sentido. A utilização de uma ferramenta de suporte a decisão baseado em sistemas de informação geo-gráfica é a melhor maneira de aproveitar todo o conhecimento que está disponível para o acompanhamento da produção de alimentos e de energia. Os filtros espaciais utilizados para analisar a situação como um todo, aliados a produtos de informação atualizados em tempo hábil para verificar a produção local permitem monitorar de fato os principais riscos relacio-nados condições agrometeorológicas e o manejo da produção agrícola. A convergência tecnológica entre os sistemas de informação e de suporte à decisão por meio de servidores nas nuvens possibilita hoje automatizar grande parte das análises que se podem obter com base nas informações disponíveis e fazer chegar o conhecimento até o usuário final. As redes de empresas formadas para produzir dados espaciais, seja por meio de satélites de sensoriamento remoto ou redes de estações meteorológicas, estão preparadas para garantir um fluxo contínuo de informação para serem consumidos por usuários deste conhecimento. Os informes deste trabalho e as conclusões desta investigação remetem à hipótese de que a comunicação de informações de forma inteligente, em tempo hábil de serem aplicadas na to-mada de decisão eficiente, permite que os riscos associados aos cultivos sejam mais bem mi-tigados e, portanto gerem valor aos acionistas com ativos ligados ao agronegócio. O maior desafio desta dissertação de mestrado encontra-se em mostrar aos atores do agrone-gócio que, ao dotar os agricultores de meios para que eles possam gerir sua atividade com base nas melhores práticas de manejo agrometeorológico, incentivar a criação de mecanismos que aperfeiçoem a gestão rural e ampliem o acesso à informação, e não apenas auxiliá-los sob a forma de apoio ad hoc e assistência agronômica, de fato se amplia a capacidade de gestão dos riscos associados às atividades agrossilvipastoris.