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
