[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125272-pt":3,"doc-seo-125272-112":30,"detail-sidebar-cat-0-pt-112":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},125272,2336475104042,"Skyler","https://ap-avatar.wpscdn.com/avatar/22000c4c32af1715be0?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786537525561427321",32,"Pesquisa e Relatórios","Mapeamento aquícola no estado do Paraná com machine learning e imagens de alta resolução espacial no GEE","O artigo aborda a urgência em acompanhar a expansão da aquicultura no Brasil e o desafio do Paraná, líder nacional na atividade, por não dispor de uma base geoespacial que subsidie planejamento e ordenamento territorial. Objetiva-se mapear viveiros escavados com algoritmo de machine learning e imagens Planet (4,77 m) usando o Google Earth Engine. O fluxo envolve extração de índices espectrais, classificação orientada a pixel com Random Forest e filtros geométricos, resultando em 42.369 viveiros mapeados (11.515 ha) e 7.584 empreendimentos, com acurácia global 0,94.","MAPEAMENTO AQUÍCOLA NO ESTADO DO PARANÁ COM MACHINE LEARNING EIMAGENS DE ALTA RESOLUÇÃO ESPACIAL NO GEE  \nBruno Aparecido da Silva1, Marta Eichemberger Ummus2, Ericson Hideky Hayakawa3, Carolina Balera  \nTrombini4 e Altair Bennert5  \n1Pesquisador pós-doutorado pelo Biopark Educação, Toledo (PR) e Universidade Estadual do Oeste do Paraná, campus de Marechal Cândido Rondon (PR), [umipi.ordenamento@bpkedu.com.br](umipi.ordenamento@bpkedu.com.br);2Analista da Embrapa Pesca e Aquicultura, Palmas (TO), marta.ummus@embrapa.br; 3Professor do Ensino Superior, Universidade Estadual do Oeste do Paraná, campus de Marechal Cândido Rondon (PR), [ericson.hayakawa@unioeste.br](ericson.hayakawa@unioeste.br); e4Gestora PD&I, Unidade Mista de Pesquisa e Inovação (UMIPI) Oeste Paranaense, Biopark Educação, Toledo (PR), [carolina.trombini@bpkedu.com.br.](carolina.trombini@bpkedu.com.br.5Doutorando)[5](carolina.trombini@bpkedu.com.br.5Doutorando)[Doutorando](carolina.trombini@bpkedu.com.br.5Doutorando) em Geografia, Universidade Estadual do Oeste do Paraná, campus de Marechal Cândido Rondon (PR), [altair_geo@yahoo.com.br](altair_geo@yahoo.com.br).  \nRESUMO  \nO acompanhamento da expansão da atividade aquícola no Brasil é urgente. O estado do Paraná, que é líder nacional nessa atividade, não conta com uma base de dados geoespaciais que possa nortear o planejamento e ordenamento territorial da aquicultura. Assim, o objetivodeste artigo foi mapear os viveiros escavados utilizando algoritmo de machine learning e imagens Planet (4,77 m deresolução) no estado do Paraná . O fluxo de extração dos viveiros escavados foi implementado no Google Earth Engine (GEE), onde foram obtidos índices espectrais, realizada classificação orientada a pixel com algoritmo Random Forest (RF) e aplicados filtros de atributos geométricos. Foram mapeados 42.369 viveiros escavados, totalizando 11.515 ha de área, com acurácia global de 0,94 . Também foram mapeados 7.584 empreendimentos aquícolas. Portanto, de modo inédito, foram sistematizadas informações geoespaciais sobre a aquicultura no estado do Paraná, desenvolvida em viveiros escavados.  \nPalavras-chave — Random forest, tilapicultura, imagens Planet, ordenamento territorial, viveiro escavado.  \nABSTRACT  \nMonitoring the expansion of aquaculture activity in Brazil is urgent. The state of Paraná, which is the national leader in this activity in the country, does not have a geospatial database to guide the planning and territorial management of aquaculture. Thus, the objective of this article was to map aquaculture ponds using a machine learning algorithm and Planet images (4. 77 m resolution) in the state of Paraná. The workflow was implemented in Google Earth Engine (GEE), where spectral indices were extracted, pixel-based classification was performed using the Random Forest (RF) algorithm, and geometric attribute filters were applied. A total of 42,369 aquaculture ponds were mapped, covering an area of 11,515 hectares, with an overall accuracy of 0.94. Additionally, 7,584 aquaculture enterprises were mapped. Therefore, for the first time, geospatial information about  \naquaculture developed in excavated ponds in the state of Paraná was systematized.  \nKey words — Random forest, tilápia farming, Planet images, territorial management, aquaculture pond.  \n1. INTRODUÇÃO  \nA expansão da aquicultura possibilitou o crescimento da cadeia produtiva e foi fundamental para a geração deemprego e renda em vários países, inclusive no Brasil [1, 2] . Devido às características geográficas e o empreendedorismodos produtores do campo, o país é um território potencial para  \no desenvolvimento da aquicultura [3, 4] . Além disso, o paísocupa a 8ª colocação no ranking mundial de produção de peixes em águas continentais, e projeta alcançar a 2ª posiçãoaté 2032 [2] . Desde 2014, o Brasil registrou um aumento de  \n48,6% na produção de peixes no país [5] . Porém, a escassez de informações geoespaciais pode impossibilitar oacompanhamento da expansão ","cbCaibDJaH2s4uph","https://ap.wps.com/l/cbCaibDJaH2s4uph","pdf",687361,1,4,"Portuguese","pt",112,"# Introdução\n# Materiais e métodos\n## Aquisição e seleção de imagens\n## Processamento e extração de índices espectrais\n## Classificação e filtros de atributos\n# Resultados e discussão\n# Conclusões","[{\"question\":\"Qual é o objetivo do artigo no mapeamento da aquicultura no Paraná?\",\"answer\":\"Mapear automaticamente os viveiros escavados no estado do Paraná usando algoritmo de machine learning e imagens Planet, para apoiar planejamento e ordenamento territorial.\"},{\"question\":\"Como o workflow foi implementado e quais etapas principais foram usadas no GEE?\",\"answer\":\"As etapas incluem aquisição e síntese das imagens no GEE, extração de índices espectrais, classificação orientada a pixel com Random Forest e aplicação de filtros de atributos geométricos.\"},{\"question\":\"Quais foram os principais resultados de mapeamento e a acurácia obtida?\",\"answer\":\"Foram mapeados 42.369 viveiros escavados (11.515 ha) e 7.584 empreendimentos aquícolas, com acurácia global de 0,94.\"}]","Mapeamento aquícola no estado do Paraná com machine learning e imagens de alta resolução espacial no GEE | PDF",1785897841,6,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"aquaculture-mapping-in-parana-state-using-machine-learning-and-high-resolution-spatial-imagery-in-gee","",{"@graph":36,"@context":85},[37,53,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":21},"https://docshare.wps.com/pt/document/aquaculture-mapping-in-parana-state-using-machine-learning-and-high-resolution-spatial-imagery-in-gee/125272/",{"url":52,"name":13,"@type":54,"author":55,"headline":13,"publisher":57,"fileFormat":60,"inLanguage":23,"description":14,"dateModified":61,"datePublished":62,"encodingFormat":60,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":56},"Person",{"url":41,"name":58,"@type":59},"DocShare","Organization","application/pdf","2026-08-08","2026-08-05",true,{"@type":65,"interactionType":66,"userInteractionCount":20},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"Qual é o objetivo do artigo no mapeamento da aquicultura no Paraná?","Question",{"text":75,"@type":76},"Mapear automaticamente os viveiros escavados no estado do Paraná usando algoritmo de machine learning e imagens Planet, para apoiar planejamento e ordenamento territorial.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"Como o workflow foi implementado e quais etapas principais foram usadas no GEE?",{"text":80,"@type":76},"As etapas incluem aquisição e síntese das imagens no GEE, extração de índices espectrais, classificação orientada a pixel com Random Forest e aplicação de filtros de atributos geométricos.",{"name":82,"@type":73,"acceptedAnswer":83},"Quais foram os principais resultados de mapeamento e a acurácia obtida?",{"text":84,"@type":76},"Foram mapeados 42.369 viveiros escavados (11.515 ha) e 7.584 empreendimentos aquícolas, com acurácia global de 0,94.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":58,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,98,102,106,110,114,118,120,124,128],{"id":94,"doc_module":4,"doc_module_name":46,"category_name":95,"show_sort_weight":96,"slug":97},26,"Contos e Romances",60,"story-novel",{"id":99,"doc_module":4,"doc_module_name":46,"category_name":100,"show_sort_weight":96,"slug":101},46,"Estilo de Vida","lifestyle",{"id":103,"doc_module":4,"doc_module_name":46,"category_name":104,"show_sort_weight":96,"slug":105},28,"Exames","exam",{"id":107,"doc_module":4,"doc_module_name":46,"category_name":108,"show_sort_weight":96,"slug":109},47,"Geral","general",{"id":111,"doc_module":4,"doc_module_name":46,"category_name":112,"show_sort_weight":96,"slug":113},29,"Histórias em Quadrinhos","comic",{"id":115,"doc_module":4,"doc_module_name":46,"category_name":116,"show_sort_weight":96,"slug":117},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":96,"slug":119},"research-report",{"id":121,"doc_module":4,"doc_module_name":46,"category_name":122,"show_sort_weight":96,"slug":123},33,"Religião e Espiritualidade","religion-spirituality",{"id":125,"doc_module":4,"doc_module_name":46,"category_name":126,"show_sort_weight":96,"slug":127},31,"Saúde e Cuidados","healthcare",{"id":129,"doc_module":4,"doc_module_name":46,"category_name":130,"show_sort_weight":96,"slug":131},45,"Tecnologia","technology"]