“…imagens captadas por drone e índices de vegetação têm sido utilizados como alternativa para aplicar somente em áreas onde é realmente necessário.”
Adão Felipe dos Santos é engenheiro agrônomo pela Universidade Federal do Tocantins, mestre e doutor em produção vegetal pela Universidade Estadual Paulista Júlio de Mesquita Filho, campus de Jaboticabal. Santos atua nas áreas de agricultura de precisão, sensoriamento remoto, modelos de predição de produtividade baseados em inteligência artificial e manejo de insumos para redução de impactos ambientais.
O manejo da variabilidade espacial e temporal (regiões de uma lavoura que apresentam diferentes produtividades ou incidências de chuva, por exemplo) das lavouras têm melhorado a gestão de insumos e recursos dentro das propriedades com a adoção de técnicas de agricultura de precisão. Essas técnicas maximizam o potencial produtivo, priorizando a alocação de recursos em áreas onde se tem maior probabilidade de retorno e consequentemente maior lucratividade.
Dentre as estratégias de gestão da variabilidade, a utilização de mapas de colheita (mapas que informam a quantidade de produto colhido em cada parte da lavoura) provenientes de colhedoras equipadas com sistema de navegação global por satélite (GNSS) pode ser um ponto de partida para a maioria dos agricultores.
A identificação de áreas com maior potencial produtivo pode ser facilmente observada através dos mapas de colheita, e juntamente com outras ferramentas, como imagens de satélite, condutividade elétrica do solo e mapas de elevação, pode-se gerar as chamadas zonas de manejo (ZM).
É fundamental utilizar mais de uma safra dos mapas de colheita, uma vez que a variabilidade espacial da produtividade pode ser estável ou não ao longo do tempo. Além disso, para a criação de zona de manejo concisa e eficaz, parâmetros que não mudam facilmente, como relevo da área, textura, profundidade de horizontes de solo, e capacidade de armazenamento de água devem ser considerados.
Com a definição das ZM, o tratamento pode ser feito de forma mais eficiente, uma vez que é possível realizar aplicações em taxa variada de semeadura e de fertilizantes, podendo recomendar diferentes genótipos e adubação para cada uma das ZM. Além dessas vantagens, aplicações em taxa variada durante o desenvolvimento da cultura por meio de imagens captadas por drone e índices de vegetação têm sido utilizadas como alternativa para aplicar somente em áreas onde é realmente necessário.
Exemplo desse tipo de manejo é a aplicação de reguladores de crescimento em taxa variável no algodão. Além disso, aplicações de cobertura de nitrogênio (N) em trigo e milho têm utilizado os sensores on-the-go, que captam a reflectância das plantas, gerando índices NDVI, NDRE, GNDVI, e relacionando esses valores com estado nutricional das plantas para determinar, por meio de algoritmos, a necessidade de aplicação de N em cobertura.
Entretanto, nesse tipo de prescrição, zonas de baixo potencial produtivo irão receber mais fertilizante, o que pode não ser tão eficiente, por ser uma área de baixo vigor em comparação com a zona de alto vigor. Assim, quando ZM forem consideradas no manejo dos talhões, essas devem ser associadas com valores de taxa ótima de N, maximizando a eficiência da prescrição.
Apesar das vantagens de utilizar esse tipo de técnica, um dos principais problemas está relacionado a capacidade de análise dos dados e criação das zonas de manejo. Dessa forma, é essencial que mais profissionais ligados a agronomia entendam os processos e saibam como obter e filtrar dados para serem utilizados dentro de cada talhão.
Mapa de produtividade interpolado utilizando Krigagem após processo de filtragem de erros (a) Mapa de NDVI calculado a partir de imagens sentinela-2 (b), Mapa de elevação interpolado por meio de krigagem (c); Exemplo de definição de Zonas de Manejo considerando 3 classes. **Área de produção do Sul de Minas Gerais assistida pelo Grupo de Pesquisa e Extensão em Agricultura Digital da UFLA (GEPAD/UFLA)
LEIA MAIS: