logo_mco_2023_200X75
logo_mco_120X45

Publicidade

Publicidade

“Modelo da Embrapa Prevê Safras de Cana e Soja Usando Imagens de Satélite com Alto Acerto”

COMPARTILHE

Um estudo recente desenvolvido pela Embrapa Agricultura Digital revela avanços significativos na previsão de produtividade agrícola por meio de técnicas de sensoriamento remoto e aprendizado de máquina. Utilizando imagens diárias da constelação PlanetScope, os pesquisadores conseguiram não apenas estimar a produtividade da cana-de-açúcar com um elevado índice de acerto de 89%, mas também avaliar o desempenho da soja com uma precisão de 71%. Esses resultados prometem transformar o planejamento estratégico de cultivo, colheita e comercialização tanto para produtores quanto para a indústria.

A pesquisa, que se apoia em uma série temporal de imagens coletadas, foi desenvolvida em parceria com a Cooperativa dos Plantadores de Cana do Estado de São Paulo e financiada pela Finep. Durante três anos, o estudo monitorou duas safras, obtendo um coeficiente de determinação que sinaliza uma relação efetiva entre as predições do modelo e as produtividades observadas nas lavouras. Essa precisão é um indicativo promissor para a implementação de estratégias mais objetivas em relação à previsão de safras.

Geraldo Magela Cançado, um dos pesquisadores responsáveis, destaca que o projeto começou com um modelo relativamente simples, mas está em constante evolução. À medida que o estudo avança, novas variáveis, como temperatura, textura do solo e disponibilidade hídrica, estão sendo incorporadas, com o objetivo de aumentar ainda mais a eficácia do modelo preditivo.

O potencial da tecnologia se estende além do auxílio a pequenos e grandes produtores; ela também pode ser utilizada pelo setor público para previsões mais objetivas, contribuindo para um planejamento agrícola mais eficiente em uma extensão territorial tão vasta quanto o Brasil. “Queremos reduzir a subjetividade das previsões de safra, e a aplicação de imagens de satélites será crucial nesse processo”, afirma o pesquisador João Antunes.

A metodologia aplicada à cana-de-açúcar também foi utilizada para a soja, com foco na validação do bioestimulante Hydratus, que tem demonstrado eficácia na resistência à seca. A combinação de diferentes tipos de imagens, tanto de satélites quanto de drones, permitiu uma análise mais abrangente das condições das lavouras. Na soja, a utilização do índice de vegetação realçado (EVI2) facilitou o entendimento da relação entre biomassa e produtividade, embora essa relação seja menos direta do que na cana-de-açúcar.

O uso de imagens do PlanetScope também trouxe vantagens em relação a métodos tradicionais, com a entrega de informações em tempo real, permitindo monitoramento contínuo e não destrutivo das plantações. Apesar de desafios como a quantidade limitada de amostras para treinamento de modelos de aprendizado de máquina, os resultados iniciais são promissores e sugerem um grande potencial para inovações agrícolas futuras.

Em um cenário onde a eficiência e a precisão são cada vez mais cruciais, as abordagens baseadas em sensoriamento remoto e tecnologia computadorizada se mostram não apenas inovadoras, mas vitais para o futuro da agricultura no Brasil. A premiação recebida pelo estudo no Programa Brasil MAIS reafirma a importância de iniciativas que conciliam tecnologia e sustentabilidade no setor agrícola.

Com informações da Embrapa
Fotos: Foto: Geraldo Magela / Embrapa

0

LIKE NA MATÉRIA

Publicidade