O produto ‘Biomassa’ apresenta a produtividade de biomassa seca anual das pastagens no Brasil em toneladas por hectare. Série histórica de 2000 a 2025.
Os dados de biomassa são apresentados em valores contínuos, representativos do estoque anual de biomassa – expresso em tonelada por hectare.
Legenda na Plataforma MapBiomas
Na Plataforma MapBiomas, os dados de Biomassa são apresentados em valores agrupados, permitindo representar diferentes níveis de produtividade entre as áreas de pastagem e acompanhar sua variação ao longo do tempo. Utilize as informações da tabela abaixo para reproduzir o agrupamento dos dados do arquivo baixado em um programa SIG, como o QGIS.
Tabela com informações sobre classes e códigos de cor utilizados nos mapas de Biomassa de pastagem na plataforma MapBiomas:
| Classe | Cor (HEX) | Interpretação |
|---|---|---|
| 0–8,2 t/ha/ano | #f95738 | Produtividade de biomassa seca entre 0 e 8,2 t/ha/ano. |
| 8,2 –12,3 t/ha/ano | #edf899 | Produtividade de biomassa seca entre 8,2 e 12,3 t/ha/ano. |
| 12,3–16,4 t/ha/ano | #f7d56f | Produtividade de biomassa seca entre 12,3 e 16,4 t/ha/ano. |
| 16,4–20,5 t/ha/ano | #8da82f | Produtividade de biomassa seca entre 16,4 e 20,5 t/ha/ano. |
| 20,5+ t/ha/ano | #093824 | Produtividade de biomassa seca superior a 20,5 t/ha/ano. |
O mapeamento tem como base estimativas derivadas de informações de produtividade primária bruta, ajustadas por variáveis ambientais relacionadas à radiação, à vegetação, à temperatura e à umidade. A partir dessas informações, o produto fornece uma medida da quantidade de biomassa seca produzida pelas pastagens em cada ano da série histórica (2000 – 2025).
Utiliza-se o modelo de produtividade primária bruta não calibrada (uGPP) fornecido pelo consórcio Global Pasture Watch (GPW). As demais variáveis ambientais utilizadas no modelo são derivadas de dados de sensoriamento remoto provenientes dos sensores CERES, Landsat e MODIS. Adota-se também valores de referência de eficiência de uso da luz, obtidos na literatura científica.
Saiba mais no documento completo do método – ATBD.
É possível acessar os dados de Biomassa de pastagens de diferentes formas. Explore as opções listadas abaixo:
- Como acessar dados?
-
- Acesse: https://plataforma.brasil.mapbiomas.org/
- Selecione o dado de interesse
- Filtre um território e ano de interesse
- Explore o mapa e as estatísticas
- Como baixar dados?
-
- Acesse: https://plataforma.brasil.mapbiomas.org/
- Clique na seção ‘Downloads’
- Selecione o território, dado e ano de interesse
- Baixe o mapa em ‘Suas análises’
- Baixe as estatísticas a partir da interação com os gráficos
Como usar:
1. Copie e cole o script no Code Editor do GEE: https://code.earthengine.google.com
2. Ajuste as seções marcadas com ">>> EDITE AQUI" conforme sua necessidade.
3. Clique em "Run".
É necessária uma conta para usar o Google Earth Engine. Crie a sua gratuitamente em https://earthengine.google.com/noncommercial/
Os dados de Biomassa estão disponíveis para acesso no Google Earth Engine (GEE) por meio do Asset ID. Embora sejam disponibilizados em valores contínuos, o código abaixo permite agrupá-los de acordo com as classes utilizadas na plataforma.
Asset ID | Biomassa de pastagem (Coleção 11)
projects/mapbiomas-public/assets/brazil/lulc/collection11/mapbiomas_brazil_collection11_pasture_biomass_v1
// ========================================================
// MapBiomas Coleção 11 – Biomassa de Pastagem
// Unidade: ton/ha/ano | Bandas: biomass_YYYY (2000-2025)
//
// Classes (legenda agrupada | Valores contínuos):
// 0-8.2 · 8.2-12.3 · 12.3-16.4 · 16.4-20.5 · 20.5+
// ========================================================
var ASSET_ID = 'projects/mapbiomas-public/assets/brazil/lulc/collection11/mapbiomas_brazil_collection11_pasture_biomass_v1';
var ANO = 2023;
var imagem = ee.Image(ASSET_ID);
var banda = imagem.select('biomass_' + ANO);
// —— 1. Reclassificar nos intervalos exatos da legenda —————
var reclass = ee.Image(0) // default = 0 (sem pastagem)
.where(banda.gt(0).and(banda.lte(8.2)), 1) // 0-8.2
.where(banda.gt(8.2).and(banda.lte(12.3)), 2) // 8.2-12.3
.where(banda.gt(12.3).and(banda.lte(16.4)), 3) // 12.3-16.4
.where(banda.gt(16.4).and(banda.lte(20.5)), 4) // 16.4-20.5
.where(banda.gt(20.5), 5) // 20.5+
.updateMask(banda.gt(0)); // mascarar sem-pastagem
// —— 2. Paleta discreta – uma cor por classe ——————————————
var PALETTE = [
'#d73027', // classe 1 – 0-8.2 ton/ha/ano
'#fc8d59', // classe 2 – 8.2-12.3 ton/ha/ano
'#fee08b', // classe 3 – 12.3-16.4 ton/ha/ano
'#d9ef8b', // classe 4 – 16.4-20.5 ton/ha/ano
'#91cf60' // classe 5 – 20.5+ ton/ha/ano
];
var visParams = {
min: 1,
max: 5,
palette: PALETTE
};
// —— 3. Plotar ————————————————————————————————————————
Map.setOptions('SATELLITE');
Map.setCenter(-52, -14, 5);
Map.addLayer(
reclass,
visParams,
'Biomassa ' + ANO + ' – classes'
);
// —— 4. Legenda ———————————————————————————————————————
var ITENS = [
{ cor: '#d73027', label: '0-8.2 ton/ha/ano' },
{ cor: '#fc8d59', label: '8.2-12.3 ton/ha/ano' },
{ cor: '#fee08b', label: '12.3-16.4 ton/ha/ano' },
{ cor: '#d9ef8b', label: '16.4-20.5 ton/ha/ano' },
{ cor: '#91cf60', label: '20.5+ ton/ha/ano' }
];
var legenda = ui.Panel({
style: {
position: 'bottom-left',
padding: '10px 14px',
backgroundColor: 'white'
}
});
legenda.add(
ui.Label(
'Biomassa ' + ANO + ' (ton/ha/ano)',
{
fontWeight: 'bold',
fontSize: '13px',
margin: '0 0 6px'
}
)
);
ITENS.forEach(function(item) {
legenda.add(
ui.Panel([
ui.Label(' ', {
backgroundColor: item.cor,
padding: '7px 12px',
margin: '2px 8px 2px 0',
border: '0.5px solid #ccc'
}),
ui.Label(
item.label,
{
fontSize: '12px',
margin: '4px 0'
}
)
], ui.Panel.Layout.flow('horizontal'))
);
});
Map.add(legenda);
O repositório públicos do MapBiomas no GitHub apresenta um conjunto de scripts para reproduzir a classificação de produtividade seca da biomassa nas pastagens do Brasil.
ArtigoBeyond Net Change: Four Decades of Land Use and Land Cover Trajectories Across BrazilLer artigo
ArtigoAccounting for alternation in temporal quality analysis in MapBiomas BrazilLer artigo
ArtigoMapping Burned Area in the Caatinga Biome: Employing Deep Learning TechniquesLer artigo
ArtigoUncontrolled Illegal Mining and Garimpo in the Brazilian AmazonLer artigo
ArtigoTowards Uncovering Three Decades of LULC in the Brazilian Drylands: Caatinga Biome Dynamics (1985–2019)Ler artigo
ArtigoAssessing four decades of fire behavior dynamics in the Cerrado biome (1985 to 2022)Ler artigo
ArtigoTwo decades of land cover mapping in the Río de la Plata grassland region: The MapBiomas Pampa initiativeLer artigo
ArtigoLong-Term Landsat-Based Monthly Burned Area Dataset for the Brazilian Biomes Using Deep LearningLer artigo
ArtigoUnmasking the impunity of illegal deforestation in the Brazilian AmazonLer artigo
ArtigoAssessing the Wall-to-Wall Spatial and Qualitative Dynamics of the Brazilian Pasturelands 2010–2018Ler artigo
ArtigoReconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth EngineLer artigo
ArtigoDisclosing contrasting scenarios for future land cover in BrazilLer artigo
ArtigoUnmasking secondary vegetation dynamics in the Brazilian AmazonLer artigo
ArtigoAutomatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep LearningLer artigo
ArtigoAssessing the pasturelands and livestock dynamics in Brazil, from 1985 to 2017Ler artigo
ArtigoLong-Term Annual Surface Water Change in the Brazilian Amazon BiomeLer artigo
ArtigoAnalysis of High Temporal Resolution Land Use/Land Cover TrajectoriesLer artigo
ArtigoAssessing the Spatial and Occupation Dynamics of the Brazilian PasturelandsLer artigo
ArtigoMonitoring the Brazilian pasturelands: A new mapping approach based on the Landsat 8 spectral and temporal domainsLer artigo
ArtigoComparação e análise de diferentes metodologias de mapeamento da cobertura florestal da Mata AtlânticaLer artigo
DestaqueDestaques do mapeamento anual de cobertura e uso da terra no bioma Mata Atlântica (1985-2025)Ver destaque
DestaqueDestaques da Cobertura e Uso da Terra nos Sítios Arqueológicos do BrasilVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura – Áreas UrbanizadasVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Agricultura e IrrigaçãoVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PantanalVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura – PastagemVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CerradoVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma Mata AtlânticaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma PampaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma CaatingaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra – Bioma AmazôniaVer destaque
DestaqueDestaques do Mapeamento Anual de Cobertura e Uso da Terra no Brasil – Coleção 10Ver destaque
DestaqueDestaques do Mapeamento das Pistas de Pouso e Garimpo na AmazôniaVer destaque
RelatórioRelatório Anual do Desmatamento no Brasil – RAD2025Baixar PDF
RelatórioRelatório Anual do MapBiomas | 2025Baixar PDF
RelatórioRelatório Anual do MapBiomas | 2024Baixar PDF
RelatórioRelatório de Avaliação Independente do Projeto MapBiomas (2019-2022)Baixar PDF
RelatórioRelatório de Avaliação Independente da Fase 1 do Projeto MapBiomas (2015-2018)Baixar PDF
InfográficoLei da Mata AtlânticaVer infográfico
InfográficoGanho e perda de vegetação secundária no CerradoVer infográfico
InfográficoEl niño e exposição à seca na AmazôniaVer infográfico
InfográficoBrasilVer infográfico
InfográficoAmazôniaVer infográfico
InfográficoCaatingaVer infográfico
InfográficoCerradoVer infográfico
InfográficoMata AtlânticaVer infográfico
InfográficoPampaVer infográfico
InfográficoPantanalVer infográfico
InfográficoBacia Hidrográfica do Alto do ParaguaiVer infográfico
InfográficoLei da Mata AtlânticaVer infográfico
InfográficoMineraçãoVer infográfico