Imagens de satélite ajudam a prever produtividade de cana e soja

Uma ferramenta desenvolvida pela Embrapa conseguiu estimar com 89% de precisão a produtividade da cana-de-açúcar. O resultado foi obtido por meio da integração de imagens de satélite a dados de campo e técnicas de estatística e aprendizagem de máquina. A mesma metodologia foi aplicada à soja, em um estudo que também serviu para validar o bioestimulante Hydratus, recém-lançado no mercado.

As imagens usadas são da constelação PlanetScope (rede de satélites da empresa americana Planet Labs, que gera imagens diárias de alta resolução da superfície terrestre), acessadas por meio do Programa Brasil Mais, do Ministério da Justiça e Segurança Pública. O monitoramento diário permite identificar os melhores momentos de desenvolvimento da planta para calcular os índices de vegetação empregados nas previsões.

O trabalho, realizado em parceria com a Cooperativa dos Plantadores de Cana do Estado de São Paulo (Coplacana), com recursos da Financiadora de Estudos e Projetos (Finep) — empresa pública ligada ao Ministério da Ciência, Tecnologia e Inovação (MCTI) — acompanhou duas safras durante três anos. 

“Essa metodologia permite um levantamento de safra mais objetivo. Queremos diminuir a subjetividade dessa previsão e ser mais abrangente. Considerada a imensidão deste País, só com o uso de imagens de satélites isso se torna possível”, afirmou João Antunes, um dos autores do trabalho.

Já o pesquisador Geraldo Magela Cançado explicou que a ferramenta ainda está em desenvolvimento. “Começamos com um modelo mais simples, mas novas variáveis serão inseridas, como temperatura, textura do solo e disponibilidade hídrica. Com essas variáveis esperamos melhorar a eficiência da ferramenta”, disse. 

A expectativa dos especialistas é que produtores e indústrias utilizem a previsão por talhão, o que permitiria planejar colheitas, antecipar negociações e organizar logística. Outro possível uso seria pelo poder público para a previsão de safras.

Validação em soja

Na cultura da soja, a metodologia foi testada em três áreas monitoradas pela Embrapa Milho e Sorgo e pela empresa Bioma, com apoio da Finep. Em duas delas foram usadas imagens do PlanetScope; na terceira, drones. Os resultados mostraram 71% de correlação entre a produtividade prevista e a medida a campo.

“Cada cultura tem um comportamento diferente e é normal essa variação entre elas. No caso da cana, a produção está muito ligada ao dossel da planta, o que garante maior precisão. Já na soja, como o produto é o grão, a relação não é tão direta”, explicou Cançado.

Métodos em comparação

A pesquisa também avalia dois caminhos: aprendizagem de máquina e estatística clássica. Segundo o analista Eduardo Speranza, o modelo estatístico tem se mostrado mais preciso até o momento. “Apesar de termos muitos experimentos, trabalhamos em uma publicação com 500 a 600 amostras para treinar o algoritmo. Essa quantidade para aprendizado de máquina é pequena. O método de aprendizagem de máquina tem potencial de ser melhor, mas necessita de milhares de amostras”, afirmou.

Para a Embrapa, os resultados indicam uma estratégia promissora para o futuro do monitoramento agrícola. “Essa estrutura de avaliação dupla, combinando métricas agronômicas com sensoriamento remoto, fornece uma estratégia inovadora e econômica para avaliação do desempenho das culturas em tempo real”, destacou Cançado.

As pesquisas sobre uso das imagens do PlanetScope para definição de modelos de predição de produtividade estão disponíveis para acesso gratuito, clique e confira:

• Cana-de-açúcar;
• Soja.