Geotechnology applied to the remote mapping of coffee and digital currency investment simulations

Ano: 2022 | Volume: 14 | Número: Não se aplica

Autores: M. E. P. Rissatti, E. de O. Rodrigues, e L. A. Barbosa,

Palavras-chave: Coffee production; coffee coin; Google Earth Engine; Web Mapping; agriculture

Resumo Português:

A cafeicultura, atividade de grande importância econômica e social para o país, é um segmento do agronegócio com destaque na economia das pequenas cidades do sul de Minas Gerais, pois envolve a agricultura familiar e a permanência da população no campo. Este trabalho foi desenvolvido no sentido de contribuir e adequar metodologias fundamentadas em geotecnologias para o mapeamento remoto da cafeicultura e fortalecimento da permanência da população rural disponibilizando uma plataforma online de simulação da negociação da sua produção de café. O município de Inconfidentes/MG foi selecionado como área de estudo. No desenvolvimento do trabalho, foram utilizadas imagens orbitais do satélite Sentinel-2A. As imagens foram classificadas de forma supervisionada com o classificador random forest na plataforma Google Earth Engine (GEE) e posteriormente utilizadas como fonte de dados na plataforma online desenvolvida sob a Application Programming Interface(API) Leaflet, na qual é possível simular a negociação de talhões de café envolvendo a criptomoeda Coffee Coin. Com os resultados, foi possível identificar e mapear as áreas cultivadas com café por meio do Sensoriamento Remoto e, também, demonstrar que a plataforma online pode ajudar no planejamento de novos investimentos na cafeicultura, além de apresentar um panorama geral da importância econômica do café para o município.

Resumo Inglês:

Coffee production is an activity of great economic and social importance in Brazil. This agribusiness segment stands out in the economy of small cities in southern Minas Gerais, as it involves family farming and the permanence of the rural population in the countryside. This study aimed to contribute and adapt geotechnology-based methods for the remote mapping of coffee and the strengthening of the permanence of this population, providing an online platform to simulate coffee trading. The municipality of Inconfidentes/MG was the study area. Orbital images of the Sentinel-2A satellite were used in the development of the study. Images were classified in a supervised way with the random forest classifier in Google Earth Engine (GEE) and later used as a data source in the online platform developed in the Application Programming Interface (API) Leaflet to simulate coffee trading involving the cryptocurrency Coffee Coin. Results allowed the identification and mapping of coffee growing areas by remote sensing and, also, to demonstrate that the online platform can help in the planning of new investments in coffee production, in addition to presenting an overview of the economic importance of coffee to the municipality.