Título

PARQUE_CAFEEIRO_ES_2026_AP1

Licença

Not Specified

+ O autor original não especificou uma licença.

Resumo

Conjunto de dados geoespaciais que representa a distribuição espacial das áreas cultivadas com café no estado do Espírito Santo, referente ao ano de 2026. A camada é composta por polígonos que delimitam lavouras cafeeiras identificadas por meio da análise integrada de imagens dos satélites Sentinel-1 e Sentinel-2. O mapeamento foi realizado utilizando técnicas de classificação supervisionada baseadas em algoritmos de aprendizado de máquina, considerando informações espectrais, índices de vegetação e variáveis derivadas dos dados de radar, complementadas por procedimentos de fotointerpretação, pós-processamento e validação com dados auxiliares. O produto tem como finalidade apoiar análises de uso e cobertura da terra, o planejamento e o monitoramento da cafeicultura, bem como subsidiar políticas públicas relacionadas ao setor cafeeiro no Espírito Santo.

Data de Publicação

8 de Outubro de 2026 às 11:04

Tipo

Vector Data

Palavras-chave

café , mapeamento

Categoria

Agricultura

Rearing of animals and/or cultivation of plants. Examples: agriculture, irrigation, aquaculture, plantations, herding, pests and diseases affecting crops and livestock.

Regiões

BRA-Espirito Santo

Responsável

RenatoTaques

Mais informações

-

Frequência de manutenção

Dados São Atualizados Duas Vezes Por Ano

Restrições

Nenhuma informação fornecida

Finalidade

Nenhuma informação fornecida

Idioma

Português

Extensão temporal

1 de Janeiro de 2026 às 11:15 - 30 de Junho de 2026 às 11:15

Qualidade dos dados

O mapeamento das áreas cultivadas com café foi elaborado a partir da integração de imagens dos satélites Sentinel-1, com dados de radar de abertura sintética (SAR), e Sentinel-2, com dados ópticos multiespectrais. As imagens foram submetidas a procedimentos de pré-processamento e seleção temporal, incluindo filtragem de nuvens e sombras para os dados ópticos e preparação das variáveis derivadas dos dados de radar. A partir das imagens Sentinel-2, foram utilizadas bandas espectrais e índices de vegetação, combinados com informações derivadas do Sentinel-1, visando ampliar a capacidade de discriminação das classes de uso e cobertura da terra. A classificação foi realizada por meio de técnicas de aprendizado de máquina, utilizando o algoritmo Random Forest e amostras de treinamento obtidas por fotointerpretação de imagens de maior resolução espacial, levantamentos de campo e outras bases de dados auxiliares. Após a classificação, foram aplicados procedimentos de pós-processamento espacial e temporal para redução de ruídos, eliminação de feições inconsistentes e melhoria da continuidade e da consistência espacial das áreas mapeadas.

Informações complementares

Nenhuma informação fornecida

Tipo de representação espacial

dados vetoriais são usados ​​para representar dados geográficos

Documento WMS GetCapabilities da camada