作物-牲畜一体化(CLI)系统将轮作或联合种植作物，特别是大豆、玉米和高粱等谷物作物，以及用于喂养牛和猪的饲料植物，与牲畜(通常是肉牛)的饲养结合起来。农作物提供了大部分的现金收入，而牲畜在旱季有食物可吃，并有利于种子管理。

CLI可改善土壤肥力，提高产量，帮助恢复退化地区，同时减少农药的使用，减轻侵蚀风险和生产季节性，并降低运营成本。它使农业更具可持续性:作物有利于牲畜，反之亦然;农业活动对环境的影响下降;碳足迹也减少了。

在《遥感环境》杂志上发表的一项研究中，巴西农业研究公司(EMBRAPA)和坎皮纳斯州立大学(UNICAMP)的研究人员开发了一种基于人工智能(AI)的方法，通过分析卫星图像来识别CLI区域。根据这篇文章的作者，这些知识可以在几个方面使巴西农业受益。

该文章的第一作者Inácio Thomaz Bueno说:“该项目的主要目的是通过国际合作来解决与可持续农业有关的问题，目的是利用人工智能、精准农业和生物地球化学模型，促进遥感数据与卫星图像的整合，以了解和创建这类系统的动态模型。”布埃诺是一名森林工程师，利用高时空分辨率的遥感数据和卫星图像进行了CLI系统监测的博士后研究。

他说:“鉴于仍存在许多问题，缺乏监测和开发其潜力的有效方法，以及需要根据联合国与农业、环境、经济和社会发展有关的可持续发展目标(sdg)确定正在实施的领域，我们还旨在增加对CLI的了解。”

该团队使用深度学习技术处理卫星图像时间序列，并提取指向CLI练习区域的模式。深度学习是一种人工智能，它使用多层神经网络来建模和处理数据中的复杂模式。

研究地点位于 圣保罗州和马托格罗索州。基于物体的图像分析分四步进行，每隔10天和15天进行一次:通过Planetscope获取CLI数据，Planetscope是一组卫星，可以捕获地球表面的高分辨率图像，显示该地区随时间的变化;训练算法来识别与CLI相关的模式;CLI区域的映射;并通过将自动结果与之前的知识进行比较来评估模型的准确性。

对于Bueno来说，通过这种方法获得的有希望的结果，包括通过卫星图像监测和绘制CLI区域，并分析其随时间的动态，可以对农业产生各种积极影响。

他说:“准确地确定土地管制区，可以更有效地管理资源，优化土地分配和使用。此外，活动的多样化为农民提供了额外的收入来源。

从CLI绘图中获得的详细信息还为农民的决策提供了坚实的基础，他们可以确信他们的作物-牲畜管理和投资政策是有科学依据的。

这种方法的另一个好处是它鼓励可持续农业。识别和绘制农业资源领域可以支持政府的政策和计划，以促进可持续做法，通过财政激励和支持采用综合系统的具体信贷额度，促进粮食供应和收入的规律性。