O cálculo do rendimento da cultura é muito importante para avaliar a produção e depende de muitas variáveis como solo, clima, práticas agrícolas (data de plantio, quantidade de irrigação e uso de fertilizantes), sementes e estresse biótico.
O sensoriamento remoto fornece uma maneira eficaz e eficiente de prever o rendimento. A teledetecção tem sido amplamente utilizada por muitas instituições em todo o mundo para calcular a área e o rendimento de uma cultura.
Por que importa
O Brasil é o maior produtor e exportador de soja do mundo. O rendimento de soja do país aumentou mais de vinte vezes nos últimos 14 anos, o que lhe permitiu superar os Estados Unidos em 2018. Durante os últimos anos, o Brasil aumentou a participação de mercado das exportações globais de soja para 50%.
O domínio do Brasil na produção e exportação de soja significa que sua safra determina a disponibilidade de fornecimento global, com influência substancial nas exportações e decisões de plantio dos EUA. Qualquer diminuição na tonelagem do Brasil provavelmente terá que ser compensada por exportações dos EUA, enquanto uma safra de pára-choques no Brasil competirá com as exportações dos EUA e influenciará as decisões de plantio dos EUA na próxima temporada. O acompanhamento do progresso da safra brasileira é crucial para a previsão de rendimento e dos fluxos comerciais globais.
O que são dados de produtividade na agricultura?
Os dados de produtividade são informações sobre a quantidade de cultura produzida por um agricultor ou grupo de agricultores. Inclui a quantidade de safra colhida por hectare de terra. Isto pode ser medido em toneladas, alqueires ou qualquer outra unidade de medida, dependendo da cultura. Os dados de produtividade são importantes quando se trata de agricultura porque podem ajudar os agricultores a determinar o quanto devem plantar na próxima estação. Além disso, os dados de produtividade permitem que eles determinem se há um problema com suas culturas que precisa ser resolvido.
Os dados de produtividade também podem ser usados para monitorar o progresso em direção às metas globais estabelecidas pelos governos, organizações não-governamentais e outras partes interessadas. Além disso, os dados de produtividade são usados para identificar os pontos fortes e fracos nas práticas agrícolas e realizar recomendações com base nessas informações.
O que são dados de sensoriamento remoto?
A detecção remota é a ciência de adquirir informações sobre um objeto ou fenômeno sem estar em contato direto com o objeto, portanto, de forma não intrusiva. Ele é usado na agricultura para monitorar as culturas, o solo e as condições de umidade. O sensoriamento remoto utiliza emissões de radiação eletromagnética, como as emitidas por ondas de rádio, micro-ondas, infravermelho, luz visível e luz ultravioleta.
A detecção remota das culturas proporciona uma maneira de medir as condições de crescimento das culturas ao longo do tempo. Ela também fornece informações sobre o estado das culturas em pontos específicos no tempo e no espaço. Esta informação pode ser usada para estimar os rendimentos das culturas e fornecer estimativas de quando a colheita deve ocorrer. Dados de sensoriamento remoto podem ser usados para medir mudanças no uso da terra, monitorar o crescimento e a produtividade da cultura, detectar os níveis de umidade e salinidade do solo, determinar os níveis de infestação de pragas, monitorar os níveis de poluição ambiental, etc.
Assim, por exemplo, se você estiver caminhando por um campo e olhando para as plantas, você está coletando dados sobre elas. Se você estiver andando de helicóptero ou avião e olhando as plantas de cima, você está coletando dados de sensoriamento remoto. Existem muitos tipos de técnicas e dispositivos de sensoriamento remoto usado para coletar esses dados: imagens de satélite, fotos aéreas, sistemas de radar, lidar, e muito mais.
Como funciona?
As seguintes fontes de dados são combinadas para criar uma ponderação variada nos números de projeção de rendimento com base nas atuais circunstâncias da época de cultivo em várias regiões. Os cientistas de dados Farmers Edge combinam estas fontes de dados com os avanços mais recentes na aprendizagem de máquinas para atualizar as estimativas de produtividade sempre que um componente importante da produtividade é interrompido.
- Dados da estação de pré-temporada
Os dados da pré-temporada devem ser precisos para estabelecer as bases do modelo de previsão de rendimento. Esta informação está disponível antes do plantio da safra, e estabelece o estágio para as primeiras leituras de previsão de rendimento. Dados como a localização de um campo, culturas atuais e anteriores, meses meteorológicos específicos do campo antes do plantio ou semeadura, informações e dados de teste do solo e tendências meteorológicas regionais durante a última década são todos combinados para fornecer uma visão de como iniciar a estação com números precisos de produtividade a serem antecipados.
- Dados da estação do ano.
Os dados da estação do ano fornecem uma visão das variáveis que afetam o rendimento durante toda a estação de crescimento após a fundação ter sido lançada. As estações meteorológicas Edge on-farm fornecem dados centrados no campo que melhoram estes conjuntos de dados, fornecendo valores esperados e previstos que são armazenados e depois reiniciados quando os dados chegam a cada dia, avançando os modelos. Outros dados da estação, como aplicação de fertilizantes, também são considerados durante a estação, seja planejada ou não, para melhorar o diagnóstico do campo e oferecer valores de rendimento previstos.
- Dados específicos da cultura
A ampla rede de agrônomos locais da Farmers Edge também pode fornecer dados específicos da cultura durante a estação de cultivo. Os agrônomos da Farmers Edge identificaram dados específicos da cultura que afetam a produtividade durante uma estação de crescimento, incluindo o conteúdo de água durante os principais estágios de crescimento ou horas acima das temperaturas cardeais para as culturas durante os períodos determinantes da produtividade, para as cinco principais culturas na previsão da produtividade (milho, canola, lentilhas, soja e trigo).
- Imagens das culturas e dos campos
Imagens de satélite de alta resolução são usadas para definir os valores de saúde das culturas NDVI nos campos com rapidez e precisão, permitindo que os pesquisadores procurem resultados errôneos ou preocupações regionais com culturas que afetem o rendimento. Estas tendências regionais podem ser usadas para determinar se as áreas estão no caminho certo para a previsão ou se fatores ambientais distorceram os valores da previsão.
- Dados histogramáticos
Os modelos de previsão de produtividade dos agricultores utilizam grandes estatísticas para encontrar diferentes distribuições nas imagens de campo ao longo do tempo, o que então oferece clareza a uma rede neural convolucional que pode usar essas modificações para prever a produtividade em grandes áreas, como os Estados Unidos ou Canadá, à medida que as imagens mudam ao longo do tempo.
Previsão do rendimento das colheitas em números.
Uma equipe de cientistas e engenheiros da EOSDA desenvolveu métodos eficazes para estimar o rendimento das colheitas usando modelos de sensoriamento remoto e aprendizagem de máquina.
Usando tecnologia de satélite, a empresa tem até 95% de precisão em suas previsões.
Comparando dados históricos com os dados reais em seu campo, os satélites podem oferecer uma previsão com até 3 meses de antecedência. O agricultor pode selecionar mais de 100 culturas para análise e nossa equipe fornecerá os dados necessários para análise em uma quinzena ou menos, dependendo da complexidade do projeto.
Conclusão
A previsão do rendimento das culturas tem sido uma questão importante na agronomia desde os tempos antigos. Ela é fundamental para a segurança alimentar, especialmente em épocas de seca, enchentes ou outros desastres naturais. A previsão da produtividade das culturas também é usada pelos agricultores para tomar decisões sobre quando plantar e colher culturas com base no teor de umidade do solo, infestações por pragas e outros fatores, tais como condições climáticas e exigências de fertilizantes.
