Frequência anual de cultivos
Quantifica os ciclos de cultivo em áreas de agricultura temporária no Brasil (2017–2024), via resposta espectral das plantas. Inclui safras comerciais e coberturas de entressafra, sem diferenciar culturas, utilizando dados do mapeamento de Cobertura 10m.
O mapa apresenta três classes representativas do número de ciclos agrícolas identificados a nível de pixel. Utilize a tabela abaixo para interpretar o arquivo baixado:
Classes — Frequência anual de cultivos
| Classe | Código | Cor (Hex) |
|---|---|---|
| 1 ciclo | 1 | #c7eef2 |
| 2 ciclos | 2 | #fe668c |
| 3 ciclos | 3 | #8f0620 |
O mapeamento contabiliza os ciclos de cultivo em áreas de agricultura temporária no Brasil por meio da resposta espectral das plantas, da emergência à senescência, sem distinguir o tipo de cultura. Os dados são derivados do mapeamento de Cobertura 10m, baseado em mosaicos anuais Sentinel-2.

Definição de ano-safra
O ano-safra compreende o intervalo de setembro a agosto do ano alvo. O mapeamento referente a 2019, por exemplo, engloba informações de setembro de 2018 até agosto de 2019.
Análise temporal EVI2
A série temporal utiliza o índice EVI2 de imagens Sentinel-2 com resolução de 5 dias por ano-safra. Sem máscaras de nuvens ou sombras para manter a continuidade dos dados, aplica-se a técnica HANTS (Harmonic ANalysis of Time Series) para remover ruídos e destacar os ciclos da vegetação. Um algoritmo foi desenvolvido para a detecção do número de ciclos agrícolas na série temporal a partir de inflexões na curva do EVI2.
Acurácia do mapeamento
A acurácia do mapeamento foi validada em uma região do oeste da Bahia (BA) por meio do cruzamento dos dados com o mapeamento de pivôs centrais da ANA, que identifica o número de ciclos agrícolas.
Acurácia do mapeamento — Frequência anual de cultivos
| Nº de ciclos | Acurácia produtor | Acurácia usuário |
|---|---|---|
| 1 | 87 % | 99 % |
| 2 | 99 % | 92 % |
| 3 | 85 % | 82 % |
Acurácia global: 94 %
Acesse a análise completa na seção ‘4. Accuracy evaluation’ do documento descritivo do método – Tabela 1B.
Plataforma MapBiomas
Como acessar dados?
- Seleção do dado de interesse
- Filtros espaciais e temporais
- Explore o mapa e estatísticas
Como baixar dados?
- Seção ‘Downloads’
- Seleção do dado de interesse
- Baixe o mapa em ‘Suas análises’

Google Earth Engine (GEE)
Como usar:
1. Copie e cole o script no Code Editor do GEE: https://code.earthengine.google.com
2. Ajuste as seções marcadas com ">>> EDITE AQUI" conforme sua necessidade.
3. Clique em "Run".
É necessária uma conta para usar o Google Earth Engine. Crie a sua gratuitamente em https://earthengine.google.com/noncommercial/
Os dados de Frequência anual de cultivos pode ser acessado via GEE por meio do asset ID:
projects/mapbiomas-public/assets/brazil/lulc/collection10/mapbiomas_brazil_collection10_agriculture_number_cycles_v2
Os dados estão organizados em uma imagem multibanda, em que cada banda representa a classificação de um ano da série (2017 – 2024). O script abaixo exemplifica a seleção dos dados para o ano de 2023:
// ========================================================
// MapBiomas – Frequência Anual de Cultivos | Coleção 10
// Ano desejado (2017 a 2024)
// ========================================================
var ANO = 2023;
// Classes a analisar (uma ou todas)
// 1 = Um cultivo
// 2 = Dois cultivos
// 3 = Tres cultivos
var CLASSES = [1, 2, 3];
// Região de recorte
// null = Brasil inteiro
var REGIAO = null;
// ========================================================
// Asset
// ========================================================
var ASSET =
'projects/mapbiomas-public/assets/brazil/lulc/collection10/mapbiomas_brazil_collection10_agriculture_number_cycles_v2';
// Nome da banda
var NOME_BANDA = 'classification_' + ANO;
// ========================================================
// Carregar imagem
// ========================================================
var imagem = ee.Image(ASSET).select(NOME_BANDA);
// ========================================================
// Filtrar apenas as classes desejadas
// ========================================================
var mascara = ee.Image(0);
CLASSES.forEach(function(c){
mascara = mascara.or(imagem.eq(c));
});
var imgFiltrada = imagem.updateMask(mascara);
// ========================================================
// Geometria
// ========================================================
var geometria = REGIAO !== null
? REGIAO
: imagem.geometry();
// ========================================================
// Visualização
// ========================================================
var PALETA = {
1: '#c7eef2', // 1 ciclo cultivo
2: '#fe668c', // 2 ciclos cultivos
3: '#8f0620' // 3 ciclos cultivos
};
var cores = CLASSES.map(function(c){
return PALETA[c];
});
Map.setCenter(-52, -14, 5);
Map.setOptions('HYBRID');
Map.addLayer(
imgFiltrada,
{
min: Math.min.apply(null, CLASSES),
max: Math.max.apply(null, CLASSES),
palette: cores
},
'Frequência Anual de Cultivos ' + ANO
);
// ========================================================
// Área por classe (ha)
// ========================================================
var FATOR_HA = 900 / 10000;
var hist = imagem.reduceRegion({
reducer: ee.Reducer.frequencyHistogram(),
geometry: geometria,
scale: 30,
maxPixels: 1e13,
bestEffort: true
});
var dictHist = ee.Dictionary(hist.get(NOME_BANDA));
var NOMES = {
1: 'Um_Cultivo',
2: 'Dois_Cultivos',
3: 'Tres_Cultivos'
};
var features = CLASSES.map(function(c){
var area_ha = ee.Number(
dictHist.get(String(c), 0)
).multiply(FATOR_HA);
return ee.Feature(null, {
classe: c,
frequencia: NOMES[c],
ano: ANO,
area_ha: area_ha
});
});
var tabelaEstat = ee.FeatureCollection(features);
print('Área por frequência de cultivo (ha) - ' + ANO,
tabelaEstat);
GitHub
O repositório público do MapBiomas no GitHub apresenta scripts para reproduzir o mapeamento de Frequência Anual de cultivos.
Artigos 20
ArtigoMatos et al – Accounting for alternation in temporal quality analysis in MapBiomas BrazilLer artigo
ArtigoRocha et al – Mapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesLer artigo
ArtigoFerreira Neto et al – Uncontrolled Illegal Mining and Garimpo in the Brazilian AmazonLer artigo
ArtigoRocha et al – Towards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Ler artigo
ArtigoArruda et al – Assessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Ler artigo
ArtigoBaeza et al – Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeLer artigo
ArtigoAlencar et al – Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningLer artigo
ArtigoCoelho-Junior et al – Unmasking the impunity of illegal deforestation in the Brazilian AmazonLer artigo
ArtigoSantos et al – Assessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Ler artigo
ArtigoSouza et al – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineLer artigo
ArtigoFendrich et al – Disclosing contrasting scenarios for future land cover in BrazilLer artigo
ArtigoNunes et al – Unmasking secondary vegetation dynamics in the Brazilian AmazonLer artigo
ArtigoSaraiva et al – Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningLer artigo
ArtigoParente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Ler artigo
ArtigoSouza Jr et al – Long-Term Annual Surface Water Change in the Brazilian Amazon BiomeLer artigo
ArtigoMas et al – Analysis of High Temporal Resolution Land Use/Land Cover TrajectoriesLer artigo
ArtigoParente & Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsLer artigo
ArtigoParente et al – Monitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsLer artigo
ArtigoRosa, Marcos R – Comparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaLer artigoDestaques 14
DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoVer destaque
DestaqueDestaques do Monitor da MineraçãoVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura – PastagemVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Ver destaque
DestaqueDestaques da Coleção 4 do MapBiomas Fogo (1985 a 2024)Ver destaque
DestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaVer destaqueRelatórios 5
RelatórioRelatório Anual do Desmatamento no Brasil – RAD2025Baixar PDF
RelatórioRelatório Anual do MapBiomas | 2025Baixar PDF
RelatórioRelatório Anual do MapBiomas | 2024Baixar PDF
RelatórioRelatório de Avaliação Independente do Projeto MapBiomas (2019-2022)Baixar PDF
RelatórioRelatório de Avaliação Independente da Fase 1 do Projeto MapBiomas (2015-2018)Baixar PDFNotas técnicas 8
Infográficos 10
InfográficoBrasilVer infográfico
InfográficoAmazôniaVer infográfico
InfográficoCaatingaVer infográfico
InfográficoCerradoVer infográfico
InfográficoMata AtlânticaVer infográfico
InfográficoPampaVer infográfico
InfográficoPantanalVer infográfico
InfográficoBosque Atlântico ParanaenseVer infográfico
InfográficoLitoral e Encostas da IbiapabaVer infográfico
InfográficoMineração — Coleção 9Ver infográfico