01936naa a2200241 a 450000100080000000500110000800800410001902400510006010000160011124502880012726000090041552010140042465300250143865300390146365300120150270000210151470000190153570000250155470000180157970000160159770000220161377300590163521602692023-12-27       2023    bl uuuu     u00u1 u    #d7 ahttps://doi.org/10.54033/cadpedv20n10-0182DOI1 aSIMÕES, M.  aInteligência artificial para a avaliação de pastagens degradadas a partir de fotos de smartphones e de séries temporais de imagens de satélitebuma abordagem baseada em deep e machine learning para subsidiar o cálculo de indicadores agro-socioambientais.h[electronic resource]  c2023  aEntre as principais potências agropecuárias, o Brasil se destaca como um dos poucos países que ainda dispõe de extensas áreas de terra com potencial de produção agropecuária, sem a necessidade do desmatamento. O país busca reverter a degradação do solo por meio de políticas públicas, incluindo a criação de indicadores Sócio-Agro-Ambientais multiescalares. Este trabalho tem como objetivo desenvolver uma solução para diagnosticar áreas degradadas, oferecendo recomendações técnicas regionalizadas para a conservação, recuperação e reintegração dessas áreas à cadeia produtiva de alto rendimento. Duas abordagens inovadoras foram adotadas: (i) uso de deep learning, com uma acurácia de 95,9% para diagnósticos locais por smartphones; (ii) baseada em machine learning e satélites, que alcançou 95,90% de acurácia para avaliações regionais. Ambas as metodologias convergem para soluções acessíveis e inovadoras, estimulando ações de recuperação de áreas degradadas.  aDegradação do solo  aIndicadores Sócio-Agro-Ambientais  aIS_Agro1 aFERRAZ, R. P. D.1 aKUCHLER, P. C.1 aALMEIDA, M. B. F. de1 aVIEIRA, L. P.1 aLAGE, S. M.1 aFREITAS, P. L. de  tCaderno Pedagógicogv. 20, n. 10, p. 4637-4657, 2023.