Bill Gates é hoje um dos maiores proprietários de terras agrícolas dos EUA. Mas essas terras não são quaisquer hectares — elas seguem critérios rigorosos antes de receberem propostas de compras pelo grupo investidor de Gates, a Cascade Investment :



🌱 solo fértil, 💧acesso a água, ♻️ sustentabilidade, 📶 potencial tecnológico e 🧪 aplicabilidade em pesquisas genéticas.

Com base nesse perfil, utilizei o Google Earth Engine (GEE), com personalizações em JavaScript e um front-end que identifica regiões do Brasil com alto potencial para cultivo de cacau — uma cultura estratégica, compatível com sistemas agroflorestais, regeneração de solo e captura de carbono, assim como as objetivadas por Mr Gates.

📍 O foco? Localizar terras que, além de produtivas, se encaixariam perfeitamente nos critérios de investimento agrícola defendidos por Gates.

➡️ Usei satélite, biomas, redes hídricas e distância de rodovias para compor um mapa interativo com pontos otimizados para:

  • Sustentabilidade + produtividade
  • Proximidade logística
  • Viabilidade para agroflorestas de cacau

Os seguintes critérios são levados em consideração:

  • Presença de vegetação equivalente à mata atlântica (MapBiomas) (Regiões vinculadas a biomas identificados como florestais - classe 3 do MapBiomas).
  • Além de biomas identificados como florestais, também selecionamos regiões para aprendizado pelo GEE, como referência para identificar possíveis áreas com presença de cacau;
  • Regiões de cultivo de cacau que estejam a menos de 3 km de áreas com presença de malha d'água (NDWI ou JRC);
  • Regiões de cultivo de cacau que estejam localizadas a menos de 6 km de rodovias, com extração automática dos nomes via Google Geocoding API. (menos de 6 km, via Google Maps API).

Como mencionado, este projeto tem como objetivo identificar regiões com alto potencial para o cultivo de cacau, considerando critérios geoespaciais como proximidade de corpos d’água e rodovias. Esses fatores favorecem tanto a irrigação quanto a logística de escoamento da produção, otimizando a viabilidade operacional do cultivo.

O processo

  1. Selecionei uma região de interesse via latitude, longitude e raio
  2. Apliquei NDVI, NDWI e EVI sobre imagens Sentinel-2
  3. Treinei um classificador Random Forest para identificar provável cultivo de cacau
  4. Gerei amostras e exportei os pontos em CSV
  5. Usei uma página HTML para carregar esse CSV e visualizar os pontos no Google Maps

✅ Demonstração online: https://projetos.tiago.cafe/cacau_rodovia.html
📦 Repositório: https://github.com/algodas/Localizafazenda.git

Estrutura do Projeto

localiza-fazendas-cacau/
├── gee/
│   └── localiza_fazenda_script.js   # Script principal no GEE (Earth Engine Code Editor)
├── frontend/
│   └── index.html                  # Página HTML para upload e visualização dos dados exportados
├── README.md

Instruções para Execução

Google Earth Engine (GEE)

  1. Acesse https://code.earthengine.google.com/
  2. Copie o conteúdo do arquivo localiza_fazenda_script.js para o editor
  3. Execute o script para gerar os pontos de cacau e água em uma região definida por latitude, longitude e raio.
  4. O resultado será mostrado em camadas no mapa, e um CSV será exibido para cópia manual ou exportação.

Frontend (HTML)

  1. A página index.html permite o carregamento do CSV exportado
  2. Ao carregar o arquivo, o script:
    • Filtra as amostras de cacau a menos de 3 km de fontes de água
    • Gera links diretos para o Google Maps
    • Exibe um link final com o trajeto entre os pontos

Requisitos

  • Conta habilitada no Google Earth Engine
  • Chave de API do Google Maps Geocoding inserida no HTML (apiKey)