{"id":4958,"date":"2025-08-07T07:16:07","date_gmt":"2025-08-07T07:16:07","guid":{"rendered":"https:\/\/digitalearthafrica.org\/?p=4958"},"modified":"2026-03-18T11:46:07","modified_gmt":"2026-03-18T11:46:07","slug":"ai-and-satellite-imagery-better-estimate-water-levels-in-dams","status":"publish","type":"post","link":"https:\/\/digitalearthafrica.org\/pt\/ai-and-satellite-imagery-better-estimate-water-levels-in-dams\/","title":{"rendered":"IA e imagens de sat\u00e9lite estimam melhor os n\u00edveis de \u00e1gua em reservat\u00f3rios\u00a0\u00a0"},"content":{"rendered":"

A IWMI e a Digital Earth Africa est\u00e3o a apoiar os gestores de \u00e1gua da bacia hidrogr\u00e1fica do Limpopo, melhorando o acesso a melhores dados e a estimativas mais precisas do n\u00edvel da \u00e1gua.\u00a0<\/strong><\/h4>\n\n\n\n
Por Sam Storr, Surajit Ghosh e Mariangel Garcia\u00a0<\/strong><\/h5>\n\n\n\n

Em \u00c1frica, os agricultores dependem da \u00e1gua de barragens para irrigar as suas colheitas durante os per\u00edodos de seca. Mas quanta \u00e1gua est\u00e1 armazenada na barragem? Os agricultores e gestores de \u00e1gua muitas vezes n\u00e3o disp\u00f5em desta informa\u00e7\u00e3o cr\u00edtica. Para enfrentar o desafio, investigadores do IWMI trabalharam com a Digital Earth Africa (DE Africa) para criar uma inova\u00e7\u00e3o que utiliza imagens de sat\u00e9lite e IA para obter medi\u00e7\u00f5es atempadas e precisas do volume das barragens, com o potencial de transformar a gest\u00e3o de reservat\u00f3rios na \u00c1frica Austral. <\/p>\n\n\n\n

No cora\u00e7\u00e3o da \u00c1frica do Sul, a Barragem de Loskop fornece irriga\u00e7\u00e3o de mais de 25.000 hectares de terreno agr\u00edcola<\/a>. Numa regi\u00e3o onde a precipita\u00e7\u00e3o \u00e9 inconsistente e a procura \u00e9 elevada, a incerteza na estimativa do volume da barragem pode ter repercuss\u00f5es no stress agr\u00edcola, falhas nas culturas e conflitos por recursos. Os m\u00e9todos tradicionais de medi\u00e7\u00e3o com base em trabalho de campo, embora \u00fateis, s\u00e3o frequentemente espor\u00e1dicos, atrasados e logisticamente limitados.  <\/p>\n\n\n\n

Gra\u00e7as a um processo colaborativo entre o LIMCOM, o Acelerador CGIAR para a Transforma\u00e7\u00e3o Digital, G\u00eameo Digital do IWMI,<\/a> que est\u00e1 alojado no \u00e2mbito das Inova\u00e7\u00f5es Digitais para uma \u00c1frica Segura em \u00c1gua (DIWASA<\/a>) projeto, e o DE Africa, n\u00edveis de \u00e1gua de barragens como a de Loskop j\u00e1 n\u00e3o ser\u00e3o um mist\u00e9rio.  <\/p>\n\n\n\n

Estimativa dos n\u00edveis de \u00e1gua utilizando imagens de sat\u00e9lite e aprendizagem autom\u00e1tica<\/strong> <\/p>\n\n\n\n

A inova\u00e7\u00e3o utiliza imagens de sat\u00e9lite que mostram a quantidade de \u00e1gua de superf\u00edcie vis\u00edvel numa barragem ao longo do tempo e a geometria conhecida da pr\u00f3pria barragem, ambas necess\u00e1rias para estimar a quantidade de \u00e1gua na barragem. Uma mistura de v\u00e1rios modelos de aprendizagem autom\u00e1tica prev\u00ea estimativas do n\u00edvel da \u00e1gua com um n\u00edvel de precis\u00e3o mais elevado em compara\u00e7\u00e3o com apenas medi\u00e7\u00f5es de campo. Para alcan\u00e7ar uma elevada precis\u00e3o, a m\u00e9todo<\/a> alterna entre diferentes modelos para calcular o volume de \u00e1gua a diferentes n\u00edveis de barragem.  <\/p>\n\n\n\n

\"\"
Foto 1: Imagem de sat\u00e9lite da Barragem de Lokso, localizada na bacia do Rio Limpopo<\/em><\/figcaption><\/figure>\n\n\n\n

A inova\u00e7\u00e3o j\u00e1 est\u00e1 a ser aplicada em sistemas de gest\u00e3o de \u00e1gua do mundo real, como o projeto Limpopo Digital Twin*. O Limpopo Digital Twin foi adotado por gestores de \u00e1gua na Bacia do Rio Limpopo, que utilizam a representa\u00e7\u00e3o virtual de toda a bacia do Rio Limpopo para a tomada de decis\u00f5es. A capacidade desigual de monitoriza\u00e7\u00e3o de \u00e1gua entre os quatro pa\u00edses da bacia do Rio Limpopo \u00e9 um grande obst\u00e1culo para a cria\u00e7\u00e3o de um modelo hidrol\u00f3gico preciso da bacia. Novas fontes de dados desenvolvidas a partir de uma mistura de imagens de sat\u00e9lite e aprendizagem autom\u00e1tica ajudam a preencher lacunas na capacidade de monitoriza\u00e7\u00e3o.  <\/p>\n\n\n\n

\"\"
Foto 2: Plataforma de g\u00e9meo digital a apresentar dados hist\u00f3ricos de volume da barragem e previs\u00e3o para 2025 e \u00e1reas irrigadas. \u00a0<\/em><\/figcaption><\/figure>\n\n\n\n

Quando a inova\u00e7\u00e3o tecnol\u00f3gica encontra a democratiza\u00e7\u00e3o dos dados <\/strong>\u00a0<\/p>\n\n\n\n

Esta inova\u00e7\u00e3o demonstra como dados de acesso aberto podem catalisar um impacto no mundo real, criando uma forma de monitorizar a disponibilidade de \u00e1gua em \u00e1reas remotas com uma necessidade m\u00ednima de investimento na recolha, processamento e monitoriza\u00e7\u00e3o de dados de campo. Com estes dados, os investigadores puderam concentrar-se no desenvolvimento de metodologias que est\u00e3o agora facilmente dispon\u00edveis para outros utilizadores, como autoridades de \u00e1gua governamentais, investigadores e ONGs, adaptarem a mais reservat\u00f3rios e barragens.\u00a0\u00a0\u00a0<\/p>\n\n\n\n

Os conjuntos de dados de \u00e1guas superficiais foram derivados de imagens de sat\u00e9lite Landsat pela DE Africa e disponibilizados gratuitamente numa plataforma na nuvem. A DE Africa \u00e9 uma infraestrutura de dados digitais panafricana para aceder e analisar imagens de sat\u00e9lite espec\u00edficas de \u00c1frica, sendo amplamente utilizada por partes interessadas em todo o continente. A DE Africa utiliza mais de tr\u00eas d\u00e9cadas de imagens de sat\u00e9lite para enfrentar desafios cr\u00edticos que afetam o continente africano, organizando os dados de Observa\u00e7\u00e3o da Terra (EO) em conjuntos de dados acess\u00edveis e abertos.\u00a0<\/p>\n\n\n\n

A metodologia de inova\u00e7\u00e3o foi disponibilizada publicamente de forma interativa Jupyter Notebook<\/a> na plataforma DE Africa. Este caderno serve como um recurso de aprendizagem e uma ferramenta pr\u00e1tica, demonstrando como a aprendizagem autom\u00e1tica e os dados de Observa\u00e7\u00e3o da Terra (EO) podem ser combinados para gerar estimativas precisas do volume de barragens em regi\u00f5es com medi\u00e7\u00f5es limitadas no local. Os utilizadores podem adaptar e aplicar este fluxo de trabalho aos seus pr\u00f3prios reservat\u00f3rios com requisitos m\u00ednimos de codifica\u00e7\u00e3o e infraestrutura.  <\/p>\n\n\n\n

Para al\u00e9m da estimativa da disponibilidade de \u00e1gua em reservat\u00f3rios, a combina\u00e7\u00e3o de aprendizagem autom\u00e1tica, dados de observa\u00e7\u00e3o da Terra e plataformas de computa\u00e7\u00e3o em nuvem fornece um modelo para desenvolver mais solu\u00e7\u00f5es para uma governa\u00e7\u00e3o h\u00eddrica resiliente num mundo sob stress clim\u00e1tico. Com plataformas como a DE Africa a proporcionar acesso aberto a dados de sat\u00e9lite prontos para an\u00e1lise, e organiza\u00e7\u00f5es como a IWMI a trazer d\u00e9cadas de experi\u00eancia em gest\u00e3o h\u00eddrica, o continente est\u00e1 bem posicionado para dar um salto para um futuro impulsionado por dados. <\/p>\n\n\n\n

O projeto G\u00e9meo Digital da Bacia do Rio Limpopo foi a Comiss\u00e3o de Recursos H\u00eddricos do Limpopo (LIMCOM<\/a>) ao abrigo do Programa de Pequenos Financiamentos do Fundo Global para o Meio Ambiente (PNUD-GEF). Como parte do CGIAR Accelerator for Digital Transformation, o IWMI tem como objetivo aproveitar tecnologias de ponta para melhorar a gest\u00e3o da \u00e1gua na bacia do rio Limpopo, juntamente com parceiros tecnol\u00f3gicos como DE Africa e Amazon Web Services, com o apoio do Leona M. and Harry B. Helmsley Charitable Trust.\u00a0<\/p>","protected":false},"excerpt":{"rendered":"

IWMI and Digital Earth Africa are supporting water managers from the Limpopo River Basin by improving access to better data and more accurate water level estimates.\u00a0 By Sam Storr, Surajit Ghosh and Mariangel Garcia\u00a0 Across Africa, farmers rely on water from dams to irrigate their crops through periods of drought. But how much water is […]<\/p>\n","protected":false},"author":3,"featured_media":4959,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12,28,35],"tags":[],"audience":[48],"class_list":["post-4958","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-use-cases","category-partnerships","category-water-resources","audience-government"],"acf":[],"_links":{"self":[{"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/posts\/4958","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/comments?post=4958"}],"version-history":[{"count":3,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/posts\/4958\/revisions"}],"predecessor-version":[{"id":4966,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/posts\/4958\/revisions\/4966"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/media\/4959"}],"wp:attachment":[{"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/media?parent=4958"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/categories?post=4958"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/tags?post=4958"},{"taxonomy":"audience","embeddable":true,"href":"https:\/\/digitalearthafrica.org\/pt\/wp-json\/wp\/v2\/audience?post=4958"}],"curies":[{"name":"[wp]","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}