Uso agrícola

Uso agrícola

O Uso Agrícola mapeia os cultivos no Brasil (1985–2024) com base nos dados anuais de Cobertura 30m. O mapeamento de 1ª Safra foca em cultivos de verão (outubro a março), representando a primeira safra brasileira.

O produto Uso agrícola 1ª Safra apresenta 9 classes.

Utilize a tabela abaixo para interpretar o arquivo baixado:

Classes — Uso agrícola 1ª Safra

Nível Nome da classe Código Cor
1 1. Lavoura Temporária 19 #C27BA0
2 1.1 Soja 39 #f5b3c8
2 1.2 Cana 20 #db7093
2 1.3 Arroz 40 #c71585
2 1.4 Algodão (beta) 62 #ff69b4
2 1.5 Outras Lavouras Temp. 41 #f54ca9
1 2. Lavoura Perene 36 #d082de
2 2.1 Café 46 #d68fe2
2 2.2 Citrus 47 #9932cc
2 2.3 Dendê 35 #9065d0
2 2.4 Outras Lavouras Perenes 48 #e6ccff

O mapeamento dos cultivos agrícolas no Brasil é realizado por meio de um fluxo de classificação supervisionada utilizando algoritmos de aprendizado de máquina, especificamente Random Forest e Redes Neurais Convolucionais (Deep Learning, com a arquitetura U-Net).

Apresentamos a versão completa das etapas e algoritmos empregados em nosso documento descritivo do método. Abaixo, resumimos as principais informações sobre o mapeamento e os dados.

 

Etapas gerais do mapeamento

O mapeamento de cultivos agrícolas segue as etapas gerais da metodologia MapBiomas, com adaptações específicas : 1) no processo de seleção de imagens para composição de mosaicos anuais, baseado no calendário de safras agrícola; 2) e na classificação, que utiliza dois algoritmos classificadores para identificar cultivos segundo análise espectral e de contexto.

O diagrama abaixo ilustra as etapas gerais do mapeamento de agricultura.

Detalhes do método de mapeamento de uso agrícola — variáveis e algoritmos

 

Classes mapeadas

Os cultivos agrícolas mapeados são agrupados em três classes: Lavoura temporária, Lavoura Perene e Silvicultura.

Fluxo de classificação supervisionada do mapeamento de uso agrícola

 

Lavouras temporárias: cultivos de 1ª e 2ª safra

  • Cultivos de 1ª Safra: As classes de lavoura temporária na Cobertura 30m e no Uso Agrícola apresentam cultivos de verão (outubro a março), representando a primeira safra brasileira.
  • Cultivos de 2ª Safra: O mapeamento dos cultivos de 2ª safra foi implementado como um conjunto complementar às classes de agricultura. Em sua primeira versão, o mapeamento apresenta as classes de ‘milho’, ‘algodão’ e ‘outras culturas de segunda safra’ para um recorte temporal de 2000 a 2024.

 

Composição de mosaicos anuais

O mapeamento de cultivos agrícolas é baseado em mosaicos de imagens Landsat 5, 7, 8 e 9 (Landsat TOA — Coleção 2).

  • Período de seleção de imagens: O período de seleção é adaptado ao calendário de cultivo de cada classe agrícola mapeada.
  • O diagrama abaixo exemplifica o processo de definição de janelas temporais para seleção de imagens com base no monitoramento do vigor vegetativo de cada tipo de cultivo.

Calendário de safra via satelite

 

    • As janelas temporais variam segundo a classe mapeada. Exemplos de janelas temporais para a seleção de imagens de mosaico por classe de agricultura:
Classe Período Agrícola Início Término
Algodão (beta), Soja e Outras lavouras temporárias Safra (Growing season) pico de vegetação − 3 meses pico de vegetação + 3 meses
Entressafra (Off-season) pico de vegetação − 3 meses pico de vegetação − 5 meses
Anual pico da vegetação pico da vegetação + 12 meses

 

Consulte os diferentes períodos para cada classe na seção 2.2 ‘Definition of the temporal period’ do documento completo de descrição do método do mapeamento de cultivos agrícolas.

 

  • Regiões de classificação: Devido à distribuição heterogênea de cultivos e silvicultura no Brasil, a seleção de cenas Landsat para mosaicos anuais priorizou áreas com maior ocorrência de cada classe mapeada, conforme mapas de referência.

 

Mapas de referência

As amostras para treinamento dos algoritmos de classificação foram extraídas de mapas de referência de agricultura no Brasil. Abaixo listamos os mapas utilizados e seus links para consulta:

Classe MapBiomas Mapa ou Fonte de Referência Ano de referência
Soja ‘Massive soybean expansion in South America since 2000 and implications for conservation’ — Song et al. (2021) 2020–2021
Cana TerraClass 2020
Arroz Mapeamento do Arroz Irrigado no Brasil — Agência Nacional de Águas (ANA) & Companhia Nacional de Abastecimento (CONAB) 2020
Algodão Coleção 8 do Mapeamento de Cobertura e Uso da Terra no Brasil (MapBiomas) Todos
Outras lavouras temporárias Coleção 8 do Mapeamento de Cobertura e Uso da Terra no Brasil (MapBiomas) Todos
Café Mapa de café — Companhia Nacional de Abastecimento (CONAB) 2015, 2016, 2017, 2018, 2019
Outras lavouras perenes Quarta comunicação nacional do Brasil à UNFCCC 2016
Silvicultura Global Forest Watch, Transparent World (2015) 2012–2014

 

Mais informações sobre o número de amostras e as estratégias de amostragem adotadas para cada mapa de referência podem ser encontradas no documento completo de descrição do método — Tabela 8.

 

Variáveis de classificação

O espaço de atributos é o conjunto de variáveis, métricas e índices extraídos dos mosaicos anuais e escolhidos para treinar o modelo de classificação. A escolha dos atributos varia conforme a classe mapeada e a região de classificação — para o mapeamento de arroz, por exemplo.

A lista completa das variáveis utilizadas está disponível no documento completo de descrição do método — Tabela 7.

Orientações sobre como reproduzir o espaço de atributos e executar as etapas de processamento e classificação também estão disponíveis no repositório público do MapBiomas no GitHub: github.com/mapbiomas/brazil-agriculture.

 

Estratégias de validação e Análise de Acurácia

  • Pontos de validação fornecidos pelo LAPIG/UFG: A análise de acurácia do mapeamento foi desenvolvida a partir dos pontos de validação de campo fornecidos pelo Laboratório de Processamento de Imagens e Geoprocessamento da Universidade Federal de Goiás (LAPIG/UFG). As classes foram agrupadas em três macro classes de uso agrícola — lavouras temporárias, lavouras perenes e silvicultura — para a análise de acurácia.

 

  • O painel de estatísticas de acurácia exibe as métricas completas do mapeamento.

 

  • Comparação com outros mapeamentos — TerraClass:
    A consistência do produto ‘Uso agrícola’ foi validada frente ao TerraClass. Na Amazônia e Cerrado (2020 e 2022), o TerraClass indicou áreas maiores que o MapBiomas. Isso ocorre pois a metodologia TerraClass agrupa pixels por interpretação visual, enquanto o MapBiomas classifica cada pixel individualmente, gerando dados mais fragmentados.

 

Acesse a análise completa na seção ‘5.2 Comparison with other maps’ do documento descritivo do método de agricultura.

 

O TerraClass é um projeto conduzido pelo Instituto Nacional de Pesquisas Espaciais (INPE) que identifica a dinâmica de uso e cobertura da terra nas áreas que sofreram desmatamento (detectadas pelo projeto PRODES) nos biomas Amazônia e Cerrado.

Plataforma MapBiomas

  • Como acessar mapas e dados?
    1. Acesse: https://plataforma.brasil.mapbiomas.org/
    2. Selecione o dado de interesse: Agricultura > Uso agrícola
    3. Filtre um território e ano
    4. Explore o mapa e as estatísticasTutorial de acesso e download dos dados de uso agrícola na Plataforma MapBiomas

 

  • Como baixar mapas e dados?
    1. Acesse: https://plataforma.brasil.mapbiomas.org/
    2. Clique na seção ‘Downloads’
    3. Selecione do dado de interesse: Agricultura > Uso agrícola
    4. Baixe o mapa em ‘Suas análises’
    5. Baixe estatísticas a partir da interação com os gráficosTutorial de acesso e download dos dados de uso agrícola na Plataforma MapBiomas

 

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/

Não há um conjunto de dados específico para o produto ‘Uso agrícola’ no Google Earth Engine, mas é possível acessar os dados de uso agrícola por meio do asset da coleção mais recente do produto Cobertura 30m.

Visualizar e analisar classes de uso agrícola no GEE — Coleção 10.1 
// MapBiomas Col.10.1 - Uso da Terra (1985-2024)

var ASSET_ID = 'projects/mapbiomas-public/assets/brazil/lulc/collection10_1/mapbiomas_brazil_collection10_1_coverage_v1';
var ANO = 2024; // EDITE AQUI
var CLASSES = [20, 39, 62]; // EDITE AQUI (Códigos das classes de agricultura selecionadas)
var PALETA = {20:'#db7093',39:'#f5b3c8',62:'#ff69b4'}; // EDITE AQUI (Códigos e cores das classes de agricultura selecionadas)

var banda = 'classification_' + ANO;
var img = ee.Image(ASSET_ID).select(banda);
var mask = ee.Image(0);
CLASSES.forEach(function(c){mask = mask.or(img.eq(c));});
var filtrado = img.updateMask(mask);
var cores = CLASSES.map(function(c){return PALETA[c]||'#ccc';});

Map.addLayer(filtrado, {min:Math.min.apply(null,CLASSES), max:Math.max.apply(null,CLASSES), palette:cores}, 'MapBiomas '+ANO);
Map.setCenter(-52,-14,5);
Abrir no Google Earth Engine

GitHub

O repositório público do MapBiomas Brasil no GitHub exibe todos os scripts utilizados para o processo de classificação dos mapas de ‘Uso agrícola’.

GitHub MapBiomas Brasil | Agricultura

Artigos 20

ArtigoMatos et al – Accounting for alternation in temporal quality analysis in MapBiomas BrazilMatos et al. · International Journal of Digital Earth · 2025Ler artigoArtigoRocha et al – Mapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesRocha et al. · Fire · 2024Ler artigoArtigoFerreira Neto et al – Uncontrolled Illegal Mining and Garimpo in the Brazilian AmazonFerreira Neto et al. · Nature Communications · 2024Ler artigoArtigoRocha et al – Towards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Rocha et al. · Land · 2024Ler artigoArtigoArruda et al – Assessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Arruda et al. · Fire Ecology · 2024Ler artigoArtigoSouza et al – Landsat sub-pixel land cover dynamics in the Brazilian AmazonSouza et al. · Frontiers in Forests and Global Change · 2023Ler artigoArtigoBaeza et al – Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeBaeza et al. · Remote Sensing Applications · 2022Ler artigoArtigoAlencar et al – Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningAlencar et al. · Remote Sensing · 2022Ler artigoArtigoCoelho-Junior et al – Unmasking the impunity of illegal deforestation in the Brazilian AmazonCoelho-Junior et al. · Environmental Research Letters · 2022Ler artigoArtigoSantos et al – Assessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Santos et al. · Remote Sensing · 2022Ler artigoArtigoSouza et al – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineSouza et al. · Remote Sensing · 2020Ler artigoArtigoFendrich et al – Disclosing contrasting scenarios for future land cover in BrazilFendrich et al. · Science of The Total Environment · 2020Ler artigoArtigoNunes et al – Unmasking secondary vegetation dynamics in the Brazilian AmazonNunes et al. · Environmental Research Letters · 2020Ler artigoArtigoSaraiva et al – Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningSaraiva et al. · Remote Sensing · 2020Ler artigoArtigoParente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Parente et al. · Remote Sensing of Environment · 2019Ler artigoArtigoSouza Jr et al – Long-Term Annual Surface Water Change in the Brazilian Amazon BiomeSouza Jr. et al. · Water · 2019Ler artigoArtigoMas et al – Analysis of High Temporal Resolution Land Use/Land Cover TrajectoriesMas et al. · Land · 2019Ler artigoArtigoParente & Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsParente & Ferreira · Remote Sensing · 2018Ler artigoArtigoParente et al – Monitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsParente et al. · International Journal of Applied Earth Observation · 2017Ler artigoArtigoRosa, Marcos R – Comparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaRosa, Marcos R. · Boletim Paulista de Geografia · 2017Ler artigo

Destaques 14

DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilArqueologia · 12 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasÁreas Urbanizadas · 4 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoAgricultura · 10 de dezembro de 2025Ver destaqueDestaqueDestaques do Monitor da MineraçãoMineração · 3 de dezembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalBiomas · 12 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – PastagemPastagem · 9 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoBiomas · 7 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaBiomas · 28 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaBiomas · 10 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaBiomas · 18 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaBiomas · 16 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Coleção Anual · 22 de agosto de 2025Ver destaqueDestaqueDestaques da Coleção 4 do MapBiomas Fogo (1985 a 2024)Fogo · Junho de 2025Ver destaqueDestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaAmazônia · 6 de fevereiro de 2023Ver destaque

Mapeamento anual das classes de lavoura cultivadas na segunda safra (safrinha) para o período de 2000 a 2024. Produto em versão beta.

Este é um produto em versão beta (experimental). As características e limitações estão descritas no documento completo do método.

O produto Uso agrícola – 2ª Safra apresenta 3 classes:

Classes — Uso agrícola – 2ª Safra

Nível Nome da classe Código Cor
1 Milho de segunda safra 1 #a95f33
1 Algodão de segunda safra 62 #bcb761
1 Outras culturas de segunda safra 41 #f54ca9

O mapeamento dos cultivos agrícolas de segunda safra está em sua versão experimental – beta – e foi implementado como um conjunto complementar às classes de agricultura do produto Cobertura 30m.

O método baseia-se em um fluxo de classificação supervisionada, que utiliza o modelo de aprendizado de máquina Random Forest como algoritmo preditivo para as três classes mapeadas –  ‘milho’, ‘algodão’ e ‘outras culturas de segunda safra’ -, em um recorte temporal de 2000 a 2024. As etapas seguem o modelo geral da metodologia de mapeamento MapBiomas, com adaptações de classificação  por estado – unidade da federação (UF) -, em vez de por cenas Landsat.

Apresentamos a versão completa das etapas e algoritmos empregados em nosso documento descritivo do método. Abaixo, resumimos as principais especificidades do mapeamento e dos dados.

 

Composição de mosaicos anuais

O mapeamento de cultivos de 2ª safra é baseado em mosaicos de imagens Landsat (SR – Coleção 2).

  • Período de seleção de imagens: O período de seleção de imagens foi de fevereiro a maio, com variações específicas de janela temporal a nível de UF.
    • Exemplos de janelas temporais por UF:
      UF Início Término
      BA 01/abril 30/agosto
      GO 01/fevereiro 31/maio
      MS 01/fevereiro 30/junho
    • Consulte os diferentes períodos para cada UF mapeada na seção 3.1 ‘State-specific configuration’ do documento completo de descrição do método do mapeamento de cultivos agrícolas de segunda safra.

 

  • Regiões de classificação: Em sua primeira versão, o mapeamento de cultivos de segunda safra foi feito a nível de UFs. O mapeamento focou em UFs com predominância de cultivos de 2ª safra e calendário agrícola bem definido.
    • UFs mapeadas: MT, MS, GO, PR, SP, MG, BA, MA, PI, TO

Plataforma MapBiomas

  • Como acessar dados?
    1. Acesse: https://plataforma.brasil.mapbiomas.org/
    2. Selecione o do dado de interesse: Agricultura > Uso agrícola – Segunda safra
    3. Filtre territórios e período
    4. Explore o mapa e as estatísticas
      Tutorial de acesso e download dos dados de uso agrícola na Plataforma MapBiomas

 

  • Como baixar dados?
    1. Acesse: https://plataforma.brasil.mapbiomas.org/
    2. Clique na seção ‘Downloads’
    3. Selecione o dado de interesse e o ano: Agricultura > Uso agrícola – Segunda safra | 2022
    4. Baixe o mapa em ‘Suas análises’
    5. Baixe estatísticas a partir da interação com os gráficosTutorial de acesso e download dos dados de uso agrícola na Plataforma MapBiomas

 

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 necessário uma conta para usar o Google Earth Engine. Crie a sua gratuitamente em https://earthengine.google.com/noncommercial/

Visualizar dados de Uso agrícola - 2ª safra 
// MapBiomas Col.10 - Agricultura Segunda Safra
var ASSET_ID = 'projects/mapbiomas-public/assets/brazil/lulc/collection10/mapbiomas_brazil_collection10_agriculture_second_crop_v1';
var ANO = 2024; // EDITE AQUI
var CLASSES = [1,41, 62]; // Milho, Algodão, Outras (segunda safra)
var PALETA = {1:'#a95f33',41:'#f54ca9',62:'#ff69b4'};
var banda = 'classification_' + ANO;
var img = ee.Image(ASSET_ID).select(banda);

Map.addLayer(img, {
  min: 1,
  max: 62,
  palette: ['#a95f33', '#f54ca9', '#bcb761']  // cores fixas, na mesma ordem de CLASSES
}, 'MapBiomas '+ANO);
Abrir no Google Earth Engine

GitHub

O repositório público do MapBiomas Brasil no GitHub exibe todos os scripts utilizados para o processo de classificação dos mapas de ‘Uso agrícola – 2ª safra’.

GitHub MapBiomas Brazil | Agricultura

Artigos 20

ArtigoMatos et al – Accounting for alternation in temporal quality analysis in MapBiomas BrazilMatos et al. · International Journal of Digital Earth · 2025Ler artigoArtigoRocha et al – Mapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesRocha et al. · Fire · 2024Ler artigoArtigoFerreira Neto et al – Uncontrolled Illegal Mining and Garimpo in the Brazilian AmazonFerreira Neto et al. · Nature Communications · 2024Ler artigoArtigoRocha et al – Towards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Rocha et al. · Land · 2024Ler artigoArtigoArruda et al – Assessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Arruda et al. · Fire Ecology · 2024Ler artigoArtigoSouza et al – Landsat sub-pixel land cover dynamics in the Brazilian AmazonSouza et al. · Frontiers in Forests and Global Change · 2023Ler artigoArtigoBaeza et al – Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeBaeza et al. · Remote Sensing Applications · 2022Ler artigoArtigoAlencar et al – Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningAlencar et al. · Remote Sensing · 2022Ler artigoArtigoCoelho-Junior et al – Unmasking the impunity of illegal deforestation in the Brazilian AmazonCoelho-Junior et al. · Environmental Research Letters · 2022Ler artigoArtigoSantos et al – Assessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Santos et al. · Remote Sensing · 2022Ler artigoArtigoSouza et al – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineSouza et al. · Remote Sensing · 2020Ler artigoArtigoFendrich et al – Disclosing contrasting scenarios for future land cover in BrazilFendrich et al. · Science of The Total Environment · 2020Ler artigoArtigoNunes et al – Unmasking secondary vegetation dynamics in the Brazilian AmazonNunes et al. · Environmental Research Letters · 2020Ler artigoArtigoSaraiva et al – Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningSaraiva et al. · Remote Sensing · 2020Ler artigoArtigoParente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Parente et al. · Remote Sensing of Environment · 2019Ler artigoArtigoSouza Jr et al – Long-Term Annual Surface Water Change in the Brazilian Amazon BiomeSouza Jr. et al. · Water · 2019Ler artigoArtigoMas et al – Analysis of High Temporal Resolution Land Use/Land Cover TrajectoriesMas et al. · Land · 2019Ler artigoArtigoParente & Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsParente & Ferreira · Remote Sensing · 2018Ler artigoArtigoParente et al – Monitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsParente et al. · International Journal of Applied Earth Observation · 2017Ler artigoArtigoRosa, Marcos R – Comparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaRosa, Marcos R. · Boletim Paulista de Geografia · 2017Ler artigo

Destaques 14

DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilArqueologia · 12 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasÁreas Urbanizadas · 4 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoAgricultura · 10 de dezembro de 2025Ver destaqueDestaqueDestaques do Monitor da MineraçãoMineração · 3 de dezembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalBiomas · 12 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – PastagemPastagem · 9 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoBiomas · 7 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaBiomas · 28 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaBiomas · 10 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaBiomas · 18 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaBiomas · 16 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Coleção Anual · 22 de agosto de 2025Ver destaqueDestaqueDestaques da Coleção 4 do MapBiomas Fogo (1985 a 2024)Fogo · Junho de 2025Ver destaqueDestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaAmazônia · 6 de fevereiro de 2023Ver destaque

Artigos 20

ArtigoMatos et al – Accounting for alternation in temporal quality analysis in MapBiomas BrazilMatos et al. · International Journal of Digital Earth · 2025Ler artigoArtigoRocha et al – Mapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesRocha et al. · Fire · 2024Ler artigoArtigoFerreira Neto et al – Uncontrolled Illegal Mining and Garimpo in the Brazilian AmazonFerreira Neto et al. · Nature Communications · 2024Ler artigoArtigoRocha et al – Towards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Rocha et al. · Land · 2024Ler artigoArtigoArruda et al – Assessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Arruda et al. · Fire Ecology · 2024Ler artigoArtigoSouza et al – Landsat sub-pixel land cover dynamics in the Brazilian AmazonSouza et al. · Frontiers in Forests and Global Change · 2023Ler artigoArtigoBaeza et al – Two decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeBaeza et al. · Remote Sensing Applications · 2022Ler artigoArtigoAlencar et al – Long-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningAlencar et al. · Remote Sensing · 2022Ler artigoArtigoCoelho-Junior et al – Unmasking the impunity of illegal deforestation in the Brazilian AmazonCoelho-Junior et al. · Environmental Research Letters · 2022Ler artigoArtigoSantos et al – Assessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Santos et al. · Remote Sensing · 2022Ler artigoArtigoSouza et al – Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineSouza et al. · Remote Sensing · 2020Ler artigoArtigoFendrich et al – Disclosing contrasting scenarios for future land cover in BrazilFendrich et al. · Science of The Total Environment · 2020Ler artigoArtigoNunes et al – Unmasking secondary vegetation dynamics in the Brazilian AmazonNunes et al. · Environmental Research Letters · 2020Ler artigoArtigoSaraiva et al – Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningSaraiva et al. · Remote Sensing · 2020Ler artigoArtigoParente et al – Assessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Parente et al. · Remote Sensing of Environment · 2019Ler artigoArtigoSouza Jr et al – Long-Term Annual Surface Water Change in the Brazilian Amazon BiomeSouza Jr. et al. · Water · 2019Ler artigoArtigoMas et al – Analysis of High Temporal Resolution Land Use/Land Cover TrajectoriesMas et al. · Land · 2019Ler artigoArtigoParente & Ferreira – Assessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsParente & Ferreira · Remote Sensing · 2018Ler artigoArtigoParente et al – Monitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsParente et al. · International Journal of Applied Earth Observation · 2017Ler artigoArtigoRosa, Marcos R – Comparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaRosa, Marcos R. · Boletim Paulista de Geografia · 2017Ler artigo

Destaques 14

DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilArqueologia · 12 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasÁreas Urbanizadas · 4 de março de 2026Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoAgricultura · 10 de dezembro de 2025Ver destaqueDestaqueDestaques do Monitor da MineraçãoMineração · 3 de dezembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalBiomas · 12 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura – PastagemPastagem · 9 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoBiomas · 7 de novembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaBiomas · 28 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaBiomas · 10 de outubro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaBiomas · 18 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaBiomas · 16 de setembro de 2025Ver destaqueDestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Coleção Anual · 22 de agosto de 2025Ver destaqueDestaqueDestaques da Coleção 4 do MapBiomas Fogo (1985 a 2024)Fogo · Junho de 2025Ver destaqueDestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaAmazônia · 6 de fevereiro de 2023Ver destaque

© 2026 Todos os direitos reservados.