Inland wetlands are important biodiversity hotspots and amongst the most impacted ecosystems worldwide. Conservation management and restauration actions in wetlands are thus urgently needed to reverse trends in species loss and habitat degradation, particularly in regions harbouring already endangered endemic species. Inland wetlands may play an important role in supporting endemic endangered fishes in the Lower Tagus basin, where anthropogenic pressures have been increasing, but there is a lack of studies on fish communities, and few areas are identified as inland wetlands. Here, we aim to identify small inland wetlands in the Lower Tagus River and their potential role in supporting fish species, constituting the first study to identify and evaluate the most important fish communities. Inland wetlands were identified through the usage of remote sensing techniques and the calculation of a Normalized Difference Water Index (NDWI) with Sentinel-2 imagery for the Lower Tagus region. From a total of 486 locations identified, 31 were recognized as wetlands as having potential to host fish communities, with 11 being selected for sampling after in loco assessment. Fish sampling was conducted between 6 May and 11 June 2021. Furthermore, for each wetland, we evaluated anthropogenic stressors and land use changes between 2007 and 2018, using national land use data (i.e., Carta de Uso e Ocupação do Solo). A total of 7727 fishes from eight non-native and five native species were captured. Overall, fish communities were dominated by non-native species (97% catches), but both European eel (Anguilla anguilla) and Lisbon arched-mouth nase (Iberochondrostoma olisiponense), which are globally classified as critically endangered (CR), were found in at least two wetlands. Our results suggest that, over the last 10 years, intensive agriculture decreased (on average ≈ 3%) in the areas surrounding these wetlands, being replaced by extensive agriculture or natural uses. Despite non-native fish prevalence, some wetlands may act as refuge habitats for CR fish species. These results are important for guiding the restoration of inland wetlands and promoting conservation management actions to help reverse fish diversity loss.

Para aumentar a produtividade na pecuária de corte é fundamental aprimorar o manejo do pasto, o que demanda a mensuração periódica da massa e do acúmulo de forragem e o ajuste da taxa de lotação. Portanto, mostra-se relevante desenvolver ferramentas capazes de auxiliar os pecuaristas neste processo. O presente trabalho, amparado inicialmente por uma metodologia exploratória e, posteriormente, explicativa, propõe, implementa e avalia o TouceiraTech, um protótipo de FMIS para Pecuária de Precisão capaz de coletar, armazenar, pré-processar, predizer e visualizar dados sobre a taxa de acúmulo, necessária para o ajuste da taxa de lotação em uma área de interesse georreferenciada. O TouceiraTech foi projetado de forma interdisciplinar, a partir da expansão de um modelo original de predição de disponibilidade de forragem, baseado em aprendizado de máquina com Redes Neurais Artificiais do tipo LSTM com dados de vegetação campestre obtidos pela amostragem histórica, direta, destrutiva, em experimentos realizados para avaliar a produção animal em diferentes condições de manejo do campo nativo. No modelo de predição são agregados dados meteorológicos, coletados remotamente de estação meteorológica automática próxima à região de interesse e, também, dados de previsão meteorológica. Esses dados são automaticamente pré-processados pelo TouceiraTech para estimação de variáveis específicas, com destaque para uma nova abordagem automatizada para a estimativa da evapotranspiração. Além disso, permite o uso de amostras indiretas não destrutivas da vegetação, com base no NDVI, a partir do processamento de imagens aéreas incorporadas ao seu banco de dados espacial. Os resultados demonstram a eficácia das coletas periódicas automatizadas dos dados meteorológicos necessários para a predição, a partir de bases remotas do INMET, INPE e NOAA. Em especial, comprovam que mudanças na abordagem de treinamento do modelo, de forma estratificada, complementada por ajustes nas suas variáveis de entrada, permitiram a concepção de modelos especializados por tipos de tratamento com acurácia significativamente superior à do modelo original. Adicionalmente, indicam o potencial da incorporação de imagens aéreas georreferenciadas para viabilizar um sistema de suporte à decisão de ajuste de taxa de lotação com base em amostragem indireta de baixo custo operacional, em substituição ao método direto.

O aumento da demanda por bem minerais, tem exigido das mineradoras o desenvolvimento de novas formas de exploração desses recursos. A razão estéril minério, que consiste na proporção de minério em relação as rochas que não são mineralizadas, determina a viabilidade econômica de um empreendimento mineiro. O aumento da razão estéril minério implica na redução da lucratividade e/ou na vida útil de uma mina. A modelagem geológica é uma ferramenta indispensável para o planejamento mineiro. Porém, a construção de modelos geológicos exige tempo e planejamento específico, podendo gerar custos elevados. Em uma mina, muitas vezes as rochas estão localizadas em zonas inacessíveis ou de alto risco geológico. O uso de modelos tridimensionais fotorrealistas permite classificar remotamente as rochas que ocorrem em uma mina, reduzindo os riscos inerentes as atividades e aumentando a qualidade da modelagem geológica. Este trabalho buscou a aplicação de metodologia inovadora para a geração de modelo geológico tridimensional de mina de mármore utilizando classificação litológica com base em dados de sensoriamento remoto. Foram utilizados Veículos Aéreos Não-Tripulados para obtenção de fotografias aéreas, que foram integradas por meio de fotogrametria digital para a construção de modelos tridimensionais fotorrealistas da mina. Os modelos tridimensionais fotorrealistas, denominados de modelos virtuais de afloramento, são compostos por (i) milhões de pontos georreferenciados contendo informação de cor e vetor normal (nuvem de pontos), e (ii) superfície triangulada texturizada. As principais litologias que ocorrem na mina foram classificadas na nuvem de pontos e as principais estruturas expostas foram interpretadas virtualmente na superfície triangulada texturizada. Os dados derivados dos modelos virtuais de afloramento foram processados utilizando algoritmo livre (open-source) baseado em aprendizagem de máquina. O resultado deste trabalho consiste em modelo de blocos tridimensional que leva em conta as principais litologias presentes na mina. A partir do modelo de blocos foi possível prever a organização geológica em até 100 metros na horizontal e 30 metros na vertical a partir da superfície do terreno, suficiente para orientar o planejamento da lavra por pelo menos dois anos.

With global climate change, extreme events are happening more frequently in the legal Amazon region. This affects both ecological and socioeconomic aspects, altering the landscape over vast areas. Increased fires and deforestation in the region, together with irregular hydrological events, exacerbate climate change, especially in the Amazon Basin and in Mato Grosso, the state that has been for many years a leader in deforestation and climate variation in the country. Crops such as cotton are particularly sensitive to these changes and the resulting water stress. Therefore, monitoring this indicator to understand its effects on Mato Grosso territory and environmental dynamics is essential. The use of remote sensing through Unmanned Aerial Vehicles (UAVs) offers promising prospects for agricultural and environmental monitoring. In this context, the present research aimed to evaluate the applicability of sensors attached to a multirotor UAV to detect and monitor water stress in cotton planting. More specifically, we sought to analyze the performance of thermal and multispectral sensor imaging in the detection of water stress in a cotton planting experiment. In addition, the possible interference of crop varieties and covariates such as meteorological, climatic, and edaphic conditions on crop productivity, water stress detection, and productivity itself were evaluated. The methodology adopted was based on intensive field activities to parametrize the state of cotton plantations, considering water stress conditions in an experimental area at the Training and Technological Dissemination Center of the Northern Regional Nucleus of Mato Grosso Cotton Institute, located in the county of Sorriso - MT. The methodological procedures included three main blocks: field surveys, analysis of the spectral behavior of targets in multispectral and thermal images, and statistical analysis. As a result, it was found that thermal and multispectral sensors have the potential to identify areas of water stress. In general, the performance of thermal imaging. However, the multispectral sensor showed a relatively higher discrimination capacity in identifying stress in the early stages of the crop. Compared to the thermal sensor, another positive aspect of multispectral imaging is its strength against momentary weather variations. It is worth mentioning that the model combining monitoring with both types of sensors, thermal and multispectral, showed significantly better results.