“…mapas podem ser de diversos tipos, obtidos de formas variadas. Os mais utilizados são os mapas de fertilidade do solo, produtividade de culturas e índices de vegetação.”
Lucas Rios do Amaral é agrônomo pela Universidade Federal de São Carlos, mestre e doutor em fitotecnia pela Escola Superior de Agricultura “Luiz de Queiroz” (Esalq/USP).
Rios do Amaral é especialista em agricultura de precisão e professor na Faculdade de Engenharia Agrícola da Universidade Estadual de Campinas.
Pode-se definir agricultura de precisão como uma estratégia de gestão que considera a variabilidade temporal e espacial para melhorar a sustentabilidade da produção agrícola. Ou seja, o agricultor deixa de considerar sua área como homogênea. Com isso, almeja-se realizar o manejo correto e na dose recomendada para cada parte da lavoura, o que pode melhorar a rentabilidade da produção e reduzir impactos ambientais.
Para que esse tipo de gestão seja possível é importante conhecer como os fatores de produção estão distribuídos ao longo das lavouras. Por isso a obtenção de mapas temáticos é fundamental. Esses mapas podem ser de diversos tipos, obtidos de formas variadas. Os mais utilizados são os mapas de fertilidade do solo, produtividade da cultura e índices de vegetação.
Mapas de fertilidade do solo são os mais utilizados na agricultura de precisão. Através da coleta de amostras de solo, utilizando esses dados para geração de mapas contínuos de fertilidade, é possível a análise técnica das propriedades do solo e a recomendação de fertilizantes em doses variadas.
Praticamente todas as empresas que prestam serviço em agricultura de precisão possuem em seu portfólio a criação de mapas de fertilidade do solo e recomendação de fertilizantes em doses variadas. A Figura 1 ilustra esse procedimento.
Figura 1 – Procedimento para obtenção dos mapas de prescrição de fertilizantes em doses variadas; exemplo para calagem.
A interpretação espacial da produtividade das culturas é interessante para detectar variações de lucratividade das lavouras e para compreender relações de causa e efeito.
A investigação das causas das áreas de baixas produtividades é possível com a exploração das relações entre outros mapas disponíveis e avaliações de campo direcionadas para os locais de interesse.
Mapas de produtividade são obtidos por meio de sensores instalados nas colhedoras e são fundamentais para a tomada de decisão. A figura 2a mostra um mapa de produtividade de soja e duas regiões que tiveram comportamento abaixo do esperado em comparação às áreas vizinhas, o que deve direcionar investigações para compreender suas causas.
Outra forma de inferir sobre o desenvolvimento da cultura é por meio do sensoriamento remoto: imagens coletadas por satélites, aviões, drones ou mesmo câmeras e sensores embarcados em máquinas agrícolas.
É comum a geração de índices de vegetação obtidos por meio de combinações das bandas espectrais disponíveis nos sensores/câmeras. Esses índices buscam destacar propriedades das plantas, como vigor da cultura, cobertura do solo, índice de área foliar, sanidade da cultura, etc.
O índice mais conhecido é o NDVI (índice de vegetação da diferença normalizada), que utiliza tradicionalmente a banda do vermelho, sensível à variação de clorofila nas folhas, e a banda do infravermelho próximo, influenciada pela estrutura do dossel da cultura (Figura 2b). Há diversas possibilidade de índices de vegetação que podem ser exploradas conforme a necessidade do agricultor.
Figura 2 – À esquerda, dados de produtividade de soja (a), com indicação de duas regiões com produtividade abaixo do esperado (setas amarelas). À direita, imagem de NDVI do estágio inicial de desenvolvimento da mesma safra de soja.
Existem também mapas pedológicos, de condutividade elétrica do solo e de pragas (insetos, doenças e plantas daninhas). Mapas pedológicos (Figura 3) são tradicionais na agricultura para conhecimento dos tipos de solos presentes nas áreas, obtidos por profissionais especializados (pedólogos) e podem orientar a interpretação do potencial produtivo da área e a tomada de decisão agronômica.
Dados de condutividade elétrica aparente do solo são obtidos geralmente por sensores tracionados por máquinas agrícolas, ou mesmo quadriciclos, e indicam a variação do solo ao longo da lavoura (Figura 3); diversas propriedades influenciam no sinal do sensor, mas o fator preponderante é a textura do solo.
Os mapas de pragas são muito demandados pelos agricultores. Custos com defensivos agrícolas são grande parte dos custos de produção e a tecnologia para pulverização em taxas variáveis já está embarcada na maioria dos pulverizadores modernos. Porém, o mapeamento de agentes biológicos não é simples e é bastante arriscado no caso de um diagnóstico errado, principalmente se o tratamento fitossanitário deixar de ser feito onde seria necessário.
Com as ferramentas digitais cada vez mais presentes na agricultura, várias abordagens vêm sendo propostas e validadas, como reconhecimento de danos de ataque de pragas por meio de imagens de drones e algoritmos de aprendizado de máquina.
Figura 3 – Divisão de classes de solo ao longo de uma área de 110 ha e dados de condutividade elétrica aparente do solo.
Outro tipo de mapa temático é o “mapa do aplicado” (em inglês, as-applied), o qual representa a qualidade da aplicação realizada. Representa o que foi efetivamente aplicado no campo. Ao comparar o mapa do aplicado com o mapa de prescrição é possível inferir sobre a qualidade do serviço realizado, inclusive podendo identificar importantes falhas operacionais, o que pode resultar em melhorias para as próximas safras.
Técnicas de sensoriamento tem sido aperfeiçoadas nos últimos anos, inclusive com plataformas de análise de dados em nuvem e com ferramentas cada vez mais robustas. Tal possibilidade tem sido impulsionada pelo “boom” das ferramentas da agricultura digital.
O profissional do agro precisa estar apto a trabalhar com essas tecnologias, buscando gerar conhecimento espacializado visando um manejo mais eficiente e baseado em dados.