Um modelo inovador desenvolvido pela Embrapa está demonstrando alta eficiência na estimativa de produtividade agrícola, utilizando imagens de satélite aliadas a técnicas estatísticas e aprendizagem de máquina. A metodologia foi aplicada com sucesso à cultura da cana-de-açúcar, com 89% de precisão, e testada também na cultura da soja, apresentando bons resultados. O trabalho faz uso de imagens da constelação PlanetScope, disponibilizadas pelo Programa Brasil Mais, do Ministério da Justiça e Segurança Pública, que oferece dados diários com alta resolução e cobertura nacional.
A integração dessas imagens com variáveis como cultivar, ciclo de produção e precipitação acumulada durante o crescimento das plantas alimenta um modelo de predição que, além de moderno, é altamente aplicável ao planejamento estratégico no campo. No caso da cana-de-açúcar, a pesquisa foi desenvolvida em parceria com a Cooperativa dos Plantadores de Cana do Estado de São Paulo (Coplacana), com financiamento da Finep, e acompanhou duas safras durante três anos. Os resultados indicaram um coeficiente de determinação de 0,89, ou seja, 89% de correlação entre os dados previstos pelo modelo e a produtividade real medida por métodos tradicionais.
O pesquisador Geraldo Magela Cançado, da Embrapa Agricultura Digital, explica que o modelo inicialmente era mais simples e está sendo gradualmente aprimorado com a inserção de novas variáveis, como temperatura, textura do solo e disponibilidade hídrica. O objetivo da equipe é desenvolver uma ferramenta que possa ser usada tanto por produtores quanto pela indústria, com dados por talhão dentro das propriedades. Isso permitirá maior previsibilidade nas safras, melhor logística, negociações antecipadas e intervenções mais precisas na lavoura. Também poderá ser usado por órgãos públicos no planejamento agrícola nacional.
Segundo o pesquisador João Antunes, essa metodologia amplia a objetividade na previsão de safras, reduzindo a subjetividade e permitindo um mapeamento mais abrangente em um país de dimensões continentais como o Brasil. A utilização de imagens diárias de satélite torna esse tipo de levantamento mais acessível e eficiente, especialmente em grandes áreas de produção.
Após os resultados promissores com a cana-de-açúcar, a mesma abordagem foi utilizada na cultura da soja, como parte de um estudo para validação do bioestimulante Hydratus, produto desenvolvido para proteger as plantas contra seca e estimular o crescimento. A pesquisa, também financiada pela Finep, foi conduzida em parceria com a Embrapa Milho e Sorgo e a empresa Bioma. Três áreas foram monitoradas, duas com imagens de satélite PlanetScope e uma com imagens obtidas por drones. Na cana, foi utilizado o índice GNDVI (Índice de Vegetação por Diferença Normalizada Verde), sensível ao teor de clorofila. Na soja, adotou-se o índice EVI2 (Índice de Vegetação Realçado), que avalia biomassa e estrutura da planta.
Os dados mostraram uma correlação de 71% entre a produtividade estimada e a observada na soja, resultado considerado satisfatório pelos pesquisadores. Cançado explica que variações entre culturas são esperadas, pois cada uma tem comportamento específico. No caso da cana, a produção é diretamente relacionada à biomassa visível, enquanto na soja, o produto final é o grão, o que torna a estimativa a partir do dossel vegetal menos direta. Ainda assim, modelos com coeficiente de correlação acima de 0,6 são considerados confiáveis.
Os pesquisadores também destacam a importância do uso combinado de sensoriamento remoto e métricas agronômicas, o que torna o modelo mais robusto e econômico. O trabalho tem utilizado abordagens comparativas entre modelos baseados em estatística tradicional e aqueles com aprendizagem de máquina. De acordo com o analista da Embrapa Eduardo Speranza, o modelo estatístico vem sendo mais preciso neste momento, devido ao número ainda limitado de amostras disponíveis para treinar os algoritmos. Atualmente, são utilizadas entre 500 e 600 amostras, o que é considerado insuficiente para técnicas mais avançadas de machine learning. A melhoria da precisão dependerá da ampliação da base de dados validados por meio de monitoramento agronômico de campo.
O modelo desenvolvido com imagens do Programa Brasil Mais recebeu reconhecimento nacional. A Embrapa venceu o primeiro lugar na categoria de instituições federais em uma premiação promovida pela Rede MAIS, que reúne organizações participantes do programa. O trabalho vencedor, intitulado “Previsão da Produtividade em Cana-de-Açúcar Utilizando Análise Temporal de Imagens PlanetScope”, destacou-se pelo uso estratégico e inovador da plataforma.
O Programa Brasil Mais fornece imagens por meio de 130 satélites da constelação PlanetScope, com resolução de 3 metros por pixel e 8 bandas espectrais. Essas imagens são compartilhadas com mais de 600 instituições brasileiras, incluindo universidades, centros de pesquisa e órgãos públicos em todas as esferas. O chefe-adjunto de Pesquisa e Desenvolvimento da Embrapa Agricultura Digital, Júlio Esquerdo, ressaltou que, embora o foco do programa seja a fiscalização de ilícitos, o potencial das imagens para uso agrícola tem se mostrado extremamente relevante. A alta frequência de imagens disponíveis representa uma vantagem significativa em comparação ao uso de drones, que, embora ofereçam melhor resolução, dependem de maior logística para coleta de dados.
A utilização de tecnologias como sensoriamento remoto, inteligência artificial e modelagem estatística tem se consolidado como um caminho promissor para a agricultura brasileira. O avanço na predição da produtividade, com precisão crescente, contribui para decisões mais assertivas na produção agrícola, reduz riscos, otimiza recursos e fortalece a inovação no campo.
Da redação do Jornal Panorama
Com informações: Embrapa/ Gabriel Faria
Imagem: Embrapa
Jornal Panorama Minas – Grande Circulação – Noticiando o Brasil, Minas e o Mundo – 50 anos de jornalismo ético e profissional