For major emerging countries with significant land resources such as Brazil, the Agriculture, Forestry and Land Use (AFOLU) sector is one of the major sources of greenhouse gas (GHG) emissions. At the same time, this sector offers a large potential for climate change mitigation through best management practices. São Paulo state is the main producer of both eucalyptus and sugarcane in Brazil, and there is potential for expansion in the area managed under both crops. These land uses can have a large impact on the regional carbon balance, both though carbon fixation in the vegetation and soils and though offsetting fossil fuel emissions by the production and consumption of biofuels. Process-based models, calibrated and validated previously, and applied spatially could help quantifying the fluxes and stocks of carbon at the field level, with different time scales (from years to decades) and spatial scales (from stands to regions). The main objective of this project is to take advantage of satellite and field data collected in the past decade; state-of-the-art process-based models; and computational tools that allow processing large amounts of data to assess the carbon dynamics of eucalyptus and sugarcane in São Paulo state. A bottom-up approach will be used, by parameterizing and testing process models based on field measurements, and then upscaling to São Paulo State. Images from Landsat will CBERS, Terra and Aqua satellites will be registered, radiometrically corrected and organized into a data set covering the 2000-2015 period in São Paulo State, with the associated metadata. Soils data will be compiled from published soil surveys, and meteorological variables will be collected from weather stations and global models. Different vegetation indices time-series will be produced, like the normalized difference vegetation index (NDVI) and the enhanced vegetation index (EVI). A time-series classification method will be used, in which the algorithm will use the seasonal and/or pluriannual vegetation indices profiles to classify the vegetation through time series pattern analysis. Estimation of vegetation structural parameters and in particular Leaf Area Index (LAI) and/or the fraction of absorbed photosynthetically active radiation (FAPAR) will also be derived from remote sensing data. Data collected over the last decade by EMBRAPA, CIRAD and CTBE on Eucalyptus plantations and sugarcane fields will be used to calibrate and validate models such as the G'Day process-based model. Both the remote sensing correction and processing, the classification procedure (calibration and application), process-based modelling at the site scale and the upscaling procedures will require a large amount of calculations and data processing. Therefore, novel computer science tools and techniques will be used in this project, including cloud-based computing, machine learning and visualization interfaces for spatial data. The expected outcome of accurate predictions of carbon fluxes and dynamics with satellite-data constrained crop models is in high demand from the scientific community, policy makers, and the forestry and agricultural sectors. Additionally, the science developed in this project will be useful as input to applications in other crops and regions. (AU)

Utilização das 220 bandas do sensor orbital hiperespectral Hyperion/EO-1 para caracterizar espectralmente a cultura do café, geando informações aplicáveis em

Com os avanços na tecnologia de sensores no Sensoriamento Remoto, novos desafios e oportunidades têm proporcionado um aumento significativo em pesquisas na área de reconhecimento de padrões. O aumento da disponibilização destas imagens, as quais possuem melhores resoluções espaciais/espectrais e temporais, têm demonstrado que mais detalhes podem ser encontrados com possibilidade de aplicações em várias áreas como urbanismo, agricultura e ecologia. Em geral, devido a fatores técnicos, os sensores são desenhados para um determinado objetivo específico, caracterizando-o em uma determinada resolução (especial, espectral ou temporal). Então, uma imagem de um sensor que coleta dados em uma alta resolução espacial, normalmente não oferece muitas bandas espectrais e oferecerá imagens poucas vezes por mês (baixa resolução temporal). Então, o maior desafio é encontrar uma técnica apropriada para reconhecimentos de objetos/alvos na superfície terrestre usando dados de vários sensores diferentes. Neste trabalho, o foco será no estudo e no desenvolvimento de algoritmos de "Aprendizado de Máquina" (Machine Learning) capaz de aprender e combinar padrões baseado em dados de imagens de diferentes sensores. O objetivo é ter um protocolo capaz de criar mapas temáticos utilizando dados de sensores com diferentes resoluções espaciais, espectrais e temporais. (AU)

O objetivo deste projeto é desenvolver uma metodologia para monitorar as dinâmicas nas mudanças do uso ida terra na agricultura incluindo aquelas devido à expansão da cana-de-açúcar para produção de etanol utilizando-se de dados Ide sensoriamento remoto. O desenvolvimento da metodologia prevê a combinação de dados de radar e óticos para produzir um meio efetivo e a baixo custo de monitorar a dinâmica do uso da terra na agricultura. Este método poderá contribuir para o desenvolvimento de um sistema de monitoramento do uso da terra no Brasil além de permitir relacionar estas ocorrências aos impactos no meio ambiente e na sócio-economia. Esta avaliação é muito importante para a certificação e planejamento dos tomadores de decisão para a produção sustentável de biocombustível no Brasil. (AU)

O entendimento dos fluxos de carbono para a atmosfera e da atmosfera e como ele é armazenado são de extrema importância na agricultura. No contexto do Brasil a agricultura oferece um potencial de mitigação dos impactos nas mudanças climáticas globais se tiver políticas públicas bem fundamentadas.O Estado de São Paulo (250.000 km2) é um dos Estados onde a vegetação natural tem sido trocada por outros usos da terra como cana, eucalipto, culturas anuais, citrus, pastos e etc desde a longo tempo. Dois destes usos a cana-de-açúcar e eucalipto foram predominantes nos últimos 15 anos provocando grandes impactos no balanço de carbono. Assim o principal objetivo deste plano de trabalho de posDoc é aplicar um modelo biofísico para quantificar fluxos e estoques de carbono, nas culturas de cana e eucalipto, em diferentes tempos e diferentes escalas (talhão a regional). A metodologia considera dois modelos GDay e AgroIbis os quais serão integrados. Portanto a metodologia considera três partes:- Implementação do GDay no AgroIbis- Calibração e validação para o Eucalipto- Rodar o modelo para o Estado de São Paulo

Integração de esforços, em regime de colaboração, dos trabalhos consistentes em ções direcionadas à organização da informação, do conhecimentoe das

O projeto de pesquisa está se propondo a focar, em escala global, como a intensificação de pastagem, sob análise espacial e ambiental é relevante a bioenergia. Este projeto temático, de 3 anos, está concebido como uma contribuição a iniciativa GSB (Global Sustainable Bioenergy), onde está estruturado em 3 partes com os objetivos correspondendo a atingir hipóteses definidas em artigos estruturados a priori sob 3 grandes grupos. Grupo I: Potencial de Pastagem e Subsequente Produção de Culturas Energéticas; Artigo I.1- Análise da Perfomance da produção de pastagem utilizando "Climate Binning" através de dados de campo; Artigo I.2 - O impacto do solo na variabilidade sazonal da precipitação e mudanças climáticas na Perfomance da produção da pastagem baseada no estudo de "Climate Binning"; Artigo I.3 - Desenvolvimento de um modelo global de produtividade para a cultura de Algave; Artigo I.4 - Desenvolvimento e Aplicação preliminar de um modelo multi culturas para a produção de energia, em áreas de pastagens. Grupo II: Sustentabilidade na Intensificação de Pastagem e sua Subsequente avaliação para os diferentes cenários. Artigo II.1 - Desenvolvimento de um modelo biogeoquímico, em escala global, para sistemas pastoris; Artigo II.2 - Modelando os cenários para Intensificação de pastagens. Grupo III: Análise Espacial, Sensoriamento Remoto e Modelagem. Artigo III.1: Análise Geoespacial do incremento da produtividade em termos de ocupação por área (número de cabeças/área); Artigo III.2: Detecção e Mapeamento de áreas com uso de lavoura-pecuária através de Sensoriamento Remoto. O projeto será liderado pelo Dr. John Sheehan e será realizado por uma equipe internacional. Um detalhado plano de execução é apresentado incluindo os períodos de cada tarefa e os membros da equipe envolvidos. Exceto os pesquisadores do projeto este projeto ainda contará com 4 PósDoc?s, 4 estudantes de pós-graduação e 4 estudantes de graduação. O Grupo I se baseará em uma revisão de artigos reportando uma importante análise espacial do potencial de intensificação para áreas de pastagens, este será liderado pelo Dr. Sheehan e desenvolvido com outros membros da equipe. O Grupo I também terá a colaboração dos membros da equipe do Dr. Steve Long (Universidade de Illinois) no modelamento de culturas energéticas e suas repostas às mudanças climáticas. Os resultados encontrados no Grupo I serão utilizados diretamente nas atividades do grupo II, liderado pelo Dr. Marcelo Galdos (CTBE) e pela equipe do Dr. Keith Paustian (Universidade Estadual do Colorado) que atua na modelagem de ecossistemas agrícolas. O Grupo III leva em consideração uma vantagem, em particular, que o Brasil apresenta no sentido de ter um bem desenvolvido sistema de integração lavoura-pecuária e dados associados a este, para construir, uma expertise ligando o Sensoriamento Remoto e integração Lavoura-pecuária (Grupo liderado pelo Dr. Jansle Vieira Rocha). Cabe ressaltar que as atividades dos Grupos I e III oferecem grande oportunidade de validação para ambas. Complementarmente o Grupo III contribuirá com um trabalho de campo para subsidiar novas técnicas para medidas da performance e localização de sistemas de lavoura-pecuária, o qual representa uma fração significativa da produção pecuária global. O sucesso do projeto significará um avanço intelectual da fronteira nos domínios geoespacial de análise de áreas de pastagens, na estimativa potencial de produtividade destas áreas, na modelagem de culturas energéticas assim como a oportunidade para incrementar a produtividade através da integração (lavoura-pecuária), aumentando o manejo e a intensificação das terras e a sustentabilidade destas estratégias. Os resultados permitirão avançar no entendimento do potencial da Bioenergia assim como estabelecer uma nova equipe, posicionada a entender mais sobre os impactos e contribuir para o desenvolvimento dos recursos humanos no Brasil. (AU)