Tecnologia inovadora utiliza imagens de satélite para estimar safras
A Embrapa desenvolveu um modelo que estima a produtividade da cana-de-açúcar com 89% de precisão usando imagens de satélite.
A Embrapa desenvolveu um modelo que estima a produtividade da cana-de-açúcar com 89% de precisão, utilizando imagens de satélite coletadas durante a fase de crescimento da lavoura. Essa tecnologia integra dados de imagens com técnicas estatísticas e aprendizado de máquina, permitindo uma análise mais precisa das safras.
Como funciona a tecnologia
A pesquisa utiliza imagens diárias da PlanetScope, disponibilizadas pelo Programa Brasil Mais, que ajudam os pesquisadores a identificar os melhores momentos do desenvolvimento da planta. Informações como cultivar, ciclo de produção e precipitação acumulada durante o crescimento são integradas a um modelo de predição, que já foi testado em duas safras ao longo de três anos, alcançando um coeficiente de determinação de 0,89.
Resultados e expectativas
Os resultados obtidos demonstram que o modelo é eficiente, com uma precisão considerada alta em comparação aos métodos tradicionais de avaliação de produtividade. O pesquisador Geraldo Magela Cançado destaca que à medida que novos dados forem coletados, variáveis como temperatura e textura do solo serão incorporadas, potencializando ainda mais a eficácia do modelo. Isso permitirá um planejamento estratégico mais robusto para os produtores e a indústria, além de auxiliar o poder público na previsão de safras.
Aplicações em outras culturas
Após o sucesso com a cana, a metodologia começou a ser aplicada na cultura da soja, onde a equipe de pesquisa está validando o uso do bioestimulante Hydratus. Os resultados preliminares indicam uma correlação de 71% entre a produtividade predita e a observada, sinalizando o potencial da técnica em outras culturas. A expectativa é que o uso de imagens de satélite se torne uma prática comum na agricultura, proporcionando um monitoramento preciso e não destrutivo das lavouras.
Desafios e futuro da metodologia
Apesar dos bons resultados, o analista da Embrapa Eduardo Speranza ressalta que o volume de amostras utilizadas para treinar o algoritmo ainda é pequeno, o que pode limitar a precisão. No entanto, a combinação de métricas agronômicas com sensoriamento remoto apresenta uma estratégia inovadora e econômica para a avaliação do desempenho em tempo real, oferecendo promessas de sucesso para a agricultura do futuro.