Hilton Luís Ferraz da Silveira

Family farming is a cornerstone of Brazil's economic and social structure. It accounts for a significant portion of the national food production and plays a crucial role in promoting food security in the country. In the Metropolitan Region of the Cuiabá River Valley and Surroundings, this segment encompasses approximately 28,000 families residing in rural areas, organized into 10,547 agricultural establishments. The strengthening of family farming depends on its support by public policies which are capable of understanding regional specificities and creating effective mechanisms for the development and consolidation of the sector. In this context, a partnership was established between the Mato Grosso Company of Rural Research, Assistance, and Extension (EMPAER) and Embrapa, to develop a digital platform that integrates data across different territorial dimensions, aiming to characterize the region and, above all, provide analytical tools to support public policy and local investment decisions. This solution was based on the strategic territorial intelligence concept, which thematically organizes spatial data into five major frameworks: natural, agrarian, agricultural, infrastructural, and socioeconomic. We expect the platform to support territorial management efforts by public and private organizations by classifying the region’s municipalities according to their environmental and production potential. This, in turn, will assist research institutions and organizations responsible for rural planning, management, and technical assistance.

A agricultura familiar representa um pilar fundamental da estrutura econômica e social do Brasil, sendo responsável por uma parte significativa da produção nacional de alimentos e desempenhando um papel crucial na promoção da segurança alimentar no País. Na Região Metropolitana do Vale do Rio Cuiabá e Entorno, este segmento é representado por cerca de 28.000 famílias residentes no meio rural, organizadas em 10.547 estabelecimentos agropecuários. Seu fortalecimento depende do apoio de políticas públicas capazes de compreender especificidades regionais e criar mecanismos eficientes de desenvolvimento e consolidação do setor. Neste contexto, a Empresa Mato-Grossense de Pesquisa, Assistência e Extensão Rural (EMPAER) e a Embrapa estabeleceram uma parceria para desenvolver uma plataforma digital capaz de integrar dados de diversas dimensões territoriais. O objetivo foi caracterizar a região de forma abrangente e, principalmente, disponibilizar ferramentas de análise inteligente que auxiliem na formulação de políticas públicas e na orientação de investimentos locais. A solução foi estruturada a partir do conceito de inteligência territorial estratégica, que prevê a organização temática de dados espaciais em cinco grandes quadros: natural, agrário, agrícola, de infraestrutura e socioeconômico. Espera-se que a plataforma possa ser utilizada para subsidiar ações de gestão territorial de organizações públicas e privadas por meio da tipificação dos municípios da região em função dos seus potenciais ambientais e produtivos, apoiando instituições de pesquisa, órgãos de planejamento, gestão e de assistência técnica rural.

Land-use and land-cover (LULC) changes in the Amazon biome are key processes that influence the environment and societies at local, national, and global scales. Numerous studies have already relied on land-cover and land-use maps to analyze change processes. This study presents a new dataset created by calculating the time required for deforested areas to transition to agriculture (annual and permanent crops) in the Brazilian Amazon biome. The calculations were performed over MapBiomas land-cover data (version 7), which range from 1985 to 2021, at a spatial resolution of 30 m. The method consists of basic algebraic operation and recursion to identify every conversion from forest to agriculture between 1985 and 2021. The results show a correlation between environmental policies and the time required for the conversion to be completed, such as the adoption of the soy moratorium and the New Forest Code, that were followed by a search for old cleared areas for the establishment of new agricultural sites. The new data can be useful in interdisciplinary studies focused on land-use and land-cover change analysis in Brazil, such as planning of forest restoration initiatives, and the evaluation of carbon stocks according to conversion length. Our accuracy assessment shows an opportunity to improve conversion length calculations by reducing errors in the classification of agriculture establishment. The major innovation of this study is the establishment of explicit links between the deforestation year of a given pixel and its respective year of agriculture establishment, which can provide new insights into understanding long-term land-use conversion processes in tropical ecosystems.

A pecuária é um dos setores de destaque do agronegócio brasileiro. No entanto, muitas áreas de pastagens estão em processo de degradação. Este é um fenômeno complexo que atua na queda da capacidade de suporte da pastagem e, com isso, pode influenciar na redução de produção e produtividade de carne e leite. O presente estudo objetivou monitorar e avaliar as condições das pastagens a partir da aplicação da metodologia do coeficiente de inclinação da linha de regressão ajustada em cada pixel (Slope) e do uso de dados NDVI/MODIS. Para as áreas de pastagens cultivadas nos municípios avaliados nos Estados de Mato Grosso do Sul e de São Paulo, respectivamente, cerca de 36% e 45% das áreas de pastagens apresentaram algum indicativo de degradação. O índice Kappa foi muito baixo (< 0,20) quando aplicado na avaliação da classificação considerando três níveis de degradação (baixa, moderada e forte), os erros de omissão e comissão foram mais frequentes nas áreas consideradas degradadas por predominância de plantas daninhas. Além disso, o número limitado de amostras coletadas em cada nível de degradação das pastagens pode ter influenciado na avaliação da acurácia do método aplicado. Por outro lado, verificou-se exatidão global de 59% e índice Kappa de 0,56, ao considerar duas classes ou níveis qualitativos das pastagens (degradada e não degradada).