COMO USAR RECURSOS DIGITAIS PARA IDENTIFICAR AS DEMANDAS DAS LAVOURAS

um dos maiores desafios para o produtor é detectar de forma precoce os estresses bióticos e abióticos na sua lavoura antes que os danos na produtividade ocorram para facilitar esse processo várias ferramentas digitais foram desenvolvidas e neste vídeo o professor Lucas de Paula corredo vai nos apresentar estas ferramentas digitais antes porém de irmos ao vídeo clique em gostei compartilhe com outros possíveis interessados e também se inscreva no nosso [Música] canal e eu trouxe aqui para vocês né pra gente discutir um pouco a respeito dessa temática que é a da aplicação dos recursos digitais eh e a

identificação de demandas das lavouras né pensando aí um pouco né em Como contribuir no contexto atual né o contexto atual que a gente vive principalmente dessa questão né de de devido aos fertilizantes eh e como os recursos digitais podem contribuir pro uso racional né desses insumos e eu queria trazer paraa discussão eh o objetivo né dos recursos digitais inicialmente eles nos trazem eh conhecimento né o objetivo é nos trazer conhecimento para intervenção eh e aí eu trago aqui a questão da lei dos mínimos né que a partir da qual né os nutrientes TM funções essenciais

né no metabolismo pensando aí enquanto indivíduo das culturas e eles não podem substituir uns aos outros e a falta de qualquer um desses nutrientes limita né o crescimento das culturas consequentemente o meu produto final que é a minha produtividade que vai gerar rentabilidade pra atividade portanto é essencial a gente entrar num pensar em questão de Equilíbrio né na nutrição e de todos os os nutrientes vegetais bom então trazendo aqui pro contexto de como os recursos digitais podem nos auxiliar eh a partir de uma aplicação localizada né desses insumos então eu trago aqui né A questão

denominado os qu RS né que designado pelo International Plant Nutrition institute que em sumo né Em resumo eles pode ser expandido né diversos trabalhos até expandem esses 4r para as outros mas eu resolvi me me ater aqui esses quatro que são a base do do da aplicação localizada desses insumos e da da aplicação dos recursos digitais pro manejo agronômico Então a gente tem aí no caso né é o insumo correto aplicação de insumo correto em taxa correta tempo correto e no lugar exato eh Então a partir disso né o os recursos digitais nos abrem a

oportunidade para poder avançar um pouco em cada um desses pontos e consequentemente né otimizar recursos e otimizar o a produção agrícola como um todo bom Então como que os recursos digitais podem contribuir a gente tem que pensar na lavor num contexto amplo né num contexto amplo que é o quê eh ocorrem diversas interações né interações caóticas simultâneas né diferenciadas em cada porção da lavoura fruto do quê eh precipitação radiação solar eh CO2 temperatura evapotranspiração microrganismos pragas índice de área foliar nutrientes lixiviação interação genética né ambiente com o ambiente eh manejo né aí entrando no caso

a a as ações antrópicas então todas esses efeitos bióticos e abióticos eles interagem ao mesmo tempo e em porções diferentes da lavoura e a depender do tamanho da lavoura né esse contexto de variabilidade pode ser muito maior então Eh daí e voltando a essa questão de o manejo né o o uso racional eh é necessário a gente conhecer um pouco mais para intervir Então os recursos digitais eh eh eles no o que eles nos trazem a oportunidade de Obter dados né então muito tem se discutido sobre a importância dos dados não só paraa agricultura mas

também em diversos contextos como contexto de de indústria etc como o novo petróleo o petróleo do século digamos assim devido ao ao valor né em que eles podem apresentar a quem os detém eh Então a partir disso né eles são a nossa toolbox a nossa toolbox né nossa caixa de ferramentas os dados para qu aí eu trago aqui um conceito né de anamnese que vem um pouco mais aplicado aí na área de medicina que consiste no qu em levantar um histórico né de de todos os sintomas que são narrados pelo paciente então trazendo isso um

pouco pro contexto nosso aqui e seria na tradução aí do do do grego é a ação de trazer a memória é a recordação Então o que eu quero com os dados é levantar levantar eh informações né os dados por si só eles nos dizem muitas muitas coisas então é necessário conhecimento conhecimento multidisciplinar na maioria das vezes para est trabalhando com eles e conseguir intervir de forma apropriada B Nesse contexto né tomando por base aí a a produtividade que é o o o o nosso nosso produto final Eles são muito importantes né os dados de produtividade

muitas das vezes eles são subutilizados né por falta de conhecimento na imensa maioria das vezes eh mas eles são o quê eles são o resultado de todas as interações manejo adotado todos aqueles fatores que a gente falou agora a pouco né durante o ciclo produtivo da cultura eh e a e consistem na lucratividade na na lucratividade da atividade a partir disso né a produtividade menos as entradas a gente consegue estar produzindo aí lucratividade e fazer um entendimento de como varia isso no talhão no final das contas um determinado talhão pode est me me dando uma

um saldo positivo eh entretanto isso pensando né numa numa escala Global né num número número médio mas os recursos nos os recursos digitais nos permitem inferir a partir de manejo mais específico e mais localizado levando em consideração as diferentes características ao longo das nossas lavouras então em algumas regiões pode ocorrer né Eh prejuízo e em outras regiões lucratividade Então como que os recursos né podem nos auxiliar para interferir eh para para inferir algumas coisas e intervir da forma correta de forma a a conferir a eh a conferir maior otimização da lucratividade e diminuição talvez também

do do uso de recursos E aí a sustentabilidade já é acaba sendo inerente a a esse processo então aí dos recursos digitais eh nós temos diversas plataformas Né desde plataformas de sensor momento remoto e aí a gente nós temos o satélite sensor momento remoto orbital nós temos os populares drones né os rpas que nos permitem aí embarcar diferentes sensores para Obter dados de diferentes formas eh sensoriamento remoto aéreo né nesse caso nós temos eh sensoriamento proximal já em escala terrestre e aí nós temos Né desde sensores de solo sensores de planta com plataformas multisensor eh

dentre outros eh então algumas perguntas valem nós nós Temos a partir desse mundo né de de de possibilidades com esses recursos a gente tem que fazer algumas perguntas porque no final das contas o que nós queremos é otimizar aqueles recursos conferir maior produtividade maior lucratividade atividade e maior sustentabilidade então pensando Nessas questões nós devemos levantar né algumas questões como que tipo de dados coletar por quando e onde coletar esses dados e como inferir sobre as dem demandas específicas a partir desses dados então eu é uma pequena eh brincadeira porque a partir disso a gente tem

que familiarizar com o conceito também porque a partir do momento que a gente levanta dados Como eu disse anteriormente os dados por si só eles não já não nos conferem informação na maioria das vezes ou na maioria das vezes essa informação também pode ser um pouco deturpada Daí a importância do conhecimento agronômico eh e eu trago essas figuras aqui só para exemplificar a questão de que nem tudo que tá correlacionado necessariamente possui uma relação causal uma uma uma relação de causalidade daí a importância também de inferir sobre essas relações de causa e efeito por quê

com os com os recursos digitais nós conseguimos eh inferir algumas coisas sobre efeito E aí e é necessário entrar com conhecimento agronômico para poder fazer investigação é um processo investigativo a respeito das causas Então nem tudo que se Col Sônia é causa então pensando nesses princípios físicos eu trouxe algumas aplicações né alguns trabalhos mais atuais que já foram desenvolvidos alguns tipos de sensores como por exemplo né uma plataforma multi sensores muito utilizada para aplicação de calcário e que aí nesse trabalho né com os KC na lateral vocês vão conseguem ter acesso ao ao trabalho na

íntegra eh a partir disso essa plataforma multisensor possibilita aí a obtenção de dados por exemplo né com sensor eletroquímico no segundo mapa mapa B sensor de condutividade elétrica e depois mapa Cid sensores ópticos e a partir disso a gente consegue fazer a integração dessas informações nesse caso aqui o objetivo né fazer a aplicação de calcário a localizada a taxas variadas produz e mapas de recomendação então o trabalho produz né e a gente consegue inferir eh e visualizar de uma forma bem bem didática Como pode eh variar essa questão da da variabilidade aí do do do

no caso né da do pH do solo com talhões aí né mais ácidos ou mais básicos eh em em alguns como o talhão de baixo ali o o a figura f a gente consegue observar que apen uma pequena faixa eh foi seria necessário a aplicação de calcário consequentemente a gente consegue conferir a atividade o qu aqui economia na USA do insumo né Eh e nesse caso aqui né acidez do solo sem sem o manejo da acidez nada de nutrientes né tal como os os atrasados do Enem aí na figura bom esse aqui é um trabalho

nosso um trabalho desenvolvido né pelo do grupo que eu fiz parte durante o doutorado em que basicamente a ideia foi eh levantar informações prévias Então a partir de histórico de mapas de produtividade né mapas de produtividade de milho de soja eh ah eu posso utilizar mapas de culturas diferenciadas sim existe métodos para isso como nesse caso aqui uma simples normalização de dados a gente consegue eh tá inserindo essa eh e trabalhando com essa forma formação em conjunto além de dados de altitude de produtividade elétrica e aí esses dados foram utilizados para confeccionar zonas de manejo

né as unidades de gestão diferenciada Management zones eh e a partir disso fazer o planejamento experimental nessa figura de cima a gente consegue observar aí eh uma seria o equivalente a uma experimentação em fazenda em que o objetivo Qual foi a partir do conhecimento prévio eu inferi sobre regiões da lavoura com elevado ou baixo potencial produtivo e a partir disso eu tracei experimentos né com variando a população de plantas a população de plantas eh de forma que essas que que cada cada eh no caso aqui as parcelas são em faixas né Cada faixa transpassar por

por todas pelas três regiões aqui delimitadas no caso foi um mapa de de de unidades de gestão diferenciada com três classes e a par partir disso avaliar a população de plantas em função do quê da das zonas de manejo daquelas com menor ou maior potencial aqui nos gráficos de baixo a gente observa que né foram classificados então regiões com elevado potencial baixo potencial e a partir disso é possível fazer né logicamente isso é um um estudo ainda muito tem se discutido sobre isso até sobre quais parâmetros de solo são fundamentais aí ou possuem maior importância

para fazer essa Estimativa de população de plantas né em função então da da de especificidades né do do do solo Então nesse caso aqui o objetivo foi recomendação de população de plantas em função de diferentes potenciais aqui é um outro uma um um outro trabalho que traz também uma abordagem bem promissora né que confere nesse caso previsibilidade que é a modelagem de culturas a gente pode observar né no na no início aqui da figura que as informações de entrada né nesse modelo no que foram utilizadas para A modelagem desde informações de custo eh informações de

manejo que foi feito nas áreas E aí utilizando também bancos de dados nesse caso Esse é um estudo norte-americano então eles possuem bancos de dados por exemplo extensos de de de classificação de solo de de dados climáticos também com com maior resolução eh então esses dados dados climáticos dados de solo dados de curso de produção foram todos utilizados como dados de entrada e a partir disso um talhão inicialmente ele foi classificado apenas em função das variáveis de solo né e e a partir disso Qual foi o objetivo o objetivo é fazer recomendação recomendação nesse caso

aqui de densidade de plantil né população de plantas e taxa e a taxa de de apliação de fertilizante nitrogenado em função das especificidades né de todos aqueles parâmetros que a gente falou mas nesse caso aqui trazendo o quê trazendo a variável que é otimizar o retorno sobre o investimento Então a partir de tudo que aquilo que foi investido eh otimizar população de plantas e aplicação de fertilizantes para que conferisse maior um um maior retorno ou seja menor prejuízo ou Minimizar prejuízo da da da idade ou maior lucratividade e a partir disso né é possível fazer

aí no caso recomendações em função de cada uma daquelas classes de solo e assim conferindo uma otimização do quê do retorno econômico da da da atividade eh um outro exemplo né de aplicação de fertilizante nesse caso aqui um sensor óptico sensor óptico eh ativo e que já possui um algoritmo interno Então nesse caso aqui ele já faz uma Já possui um algoritmo para a recomendação então ele faz aplicação em tempo real Então nesse caso né ele consegue sensar ambos os lados enquanto a máquina trafega pela lavoura e assim ele manda a informação pra máquina que

essa informação é repassada para um atuador e assim é feita a aplicação de nitrogênio e de forma diferenciada em função do quê da demanda da lav em função aí né Do do de índices índices de vegetação que são calculados no algoritmo interno do do do sensor e uma outra linha também bem promissora que é com relação a ao manejo específico né de demandas da lavoura leva em consideração aí também a qualidade de produto e aqui eu trago até um um um trabalho em que por meio de um um sensor desenvolvido nesse trabalho e foram feit

estimativ da produtividade E aí essa produtividade é convertida em concentração de proteína dos grãos então uma linha de pesquisa já possuem já já existem até sensores comerciais nesse caso para Estimativa de proteína do grão Então a partir disso eu tenho a variabilidade né da qualidade dali daquele produto o que me permite o quê depois fazer né a a recomendação em função do da qualidade daquele produto recomendação por exemplo de aplicação de adubo nitrogenado em função daquele daquela região do talhão que me conferiu maior ou menor concentração de proteína dos grãos nesse sentido também nós desenvolvemos

esse trabalho esse trabalho tá em vias de publicação né um trabalho que eu fiz durante o meu doutorado em que o objetivo foi semelhante mas nesse caso aqui para cana de açúcar né um sensor embarcado com objetivo de estimar a qualidade da cana para conferir informação né para recomendações recomendações em função daquela demanda da planta demanda em função de atributos de qualidade bom então eu vou abordar um pouco sobre algumas eh estratégias né de de intervenção que podem ser utilizadas a partir desses dos do dos recursos digitais mais variados como esses exemplos que nós citamos

aqui eh bom eh as estratégias né são muitas aí dentro do do da Agricultura né da denominada também agricultura inteligente nós temos desde aplicações por Pixel nesse caso aqui eu trago eh vocês podem ver uma tabela em que essa tabela aqui nada mais mostra do que um x e um y que são as minhas coordenadas que o sistema de de GPS né Eh consegue nos fornecer e a partir disso fazer uma aplicação Pixel a Pixel né uma recomendação específica para cada Pixel Além disso também né Outra estratégia de intervenção é essa da unidade de gestão

diferenciada como Aquela que eu acabei de exemplificar do trabalho lá né de de milho em que é exatamente o mesmo talhão inclusive em que informações eu utilizo de informações variadas que tenham relação por exemplo aqui eu quero definir potencial produtivo então informações que tenham relação com o potencial produtivo e assim subdividir em regiões para que seja feita a intervenção em função daquela demanda se é uma região com maior ou com menor potencial produtivo além dos sensores embarcados como esses diversos que nós apresentamos aqui em que na maioria das vezes possui um algoritmo interno ou até

a combinação desses então Eh Quais são as formas em que é possível fazer essa aplicação de insumos em função eh das demandas da das lavouras B em resumo são duas né ou por mapa mapas de recomendação eh a partir de diversos dados coletados esses dados são processados convertidos em informação essas informações são utilizadas para prod ção de mapas de recomendação a outra forma no caso também é a partir de sensores sensores embarcados Então nesse caso a informação é feita eh eh a a decisão acontece em tempo real e ocorre a aplicação enquanto a máquina ou

o sensor eh levanta essas informações nas lavouras E logicamente isso daí tudo isso a partir de um sistema de posicionamento que consegue identificar eh cada porção da lavoura para fazer essa intervenção eh muitas das vezes né Eh as recomendações eh elas elas elas seguem recomendações que são pré estabelecidas em boletins técnicos boletins regionais né que são desenvolvidos aí para cada cultura eh então paraa gestão localizada eh sem investigar eh outras fontes de informação isso pode levar a algumas decisões errôneas eh essa equação essas equações né e e tabelas geralmente são geradas com base em em

experimentos experimentos locais e são aplicadas em locais com características diferentes então elas são importantes funcionam funcionaram né até o momento mas a agricultura digital e esses recursos digitais nos confere nos dá né Eh oportunidades de avançar nisso avançar nisso nas recomendações e como realizando o ajuste ajuste das equações de recomendação para o local ou por meio de experimentação também né Eh e elaboração de recomendações locais específicas então pensando né nesse contexto esse gráfico Ele é bem didático e ele apresenta isso de uma forma bem simples em que pensando aqui nessa na lavoura que vocês observam

na lateral esquerda aqui eh A partir dessa linha pontilhada eu pego os nós temos os pixels em que cada Pixel eu tenho uma demanda Uma demanda específica né da lavoura então eu já levantei informações prévias e eu já e nós conseguimos né inferir aí sobre regiões de alto ou de baixo potencial Então a partir disso e a a aplica quando a gente a aplicação é feita com uma dose única né uma dose média em lavoura total e pensando aí né tomando por base as demandas em que cada barra dessa eh representa um pixel e das

da demanda por nutriente em cada Pixel a partir da aplicação em taxa fixa das demandas do nutriente há regiões na lavoura como por exemplo aqui na figura na região mais em amarela em que essa aplicação pode estar ocorrendo em ex né além da demanda que é solicitada demanda que foi o qu que foi levantada a partir de informações digitais de dados digitais e conhecimento agronômico e regiões onde pode ocorrer falta né de demanda por nutriente como a região de Alto potencial a região em azul o que pode o qu pode pode estar deixando de de

conferir a essa região do talhão maior produtividade então pensando agora num contexto de de manejo localizado dessas demandas das lavouras na em regiões diferenciadas né a partir da aplicação localizada em função da demanda das lavouras o que acontece é que a gente consegue realocar realocar esses insumos então da região onde antes eu estava aplicando em excesso né eu reoco esses nutrientes para regiões onde a demanda né o teto antes eu tava aplicando abaixo daquele teto da lavoura na região de Alto potencial e agora eu passo a fazer uma realocação desses nutrientes e aplicar eh no

teto Então nesse caso eh eu consigo conferir o quê nas regiões em que o teto eh a demanda de nutriente né Por por várias características né as características podem ser muitas daí a importância do conhecimento PR pro processo investigativo e consequentemente saber conferir as relações de de causa e efeito eh a partir disso regiões de de baixa produtividade em que esse teto foi subestimado a gente faz a realocação dos nutrientes então regiões em que a demanda do nutriente antes as plantas demandavam mais e era aplicado menos eu consigo aumentar a minha produtividade e eu consigo

também economia de insumo em regiões de baixa produtividade então voltando naquela questão em que eh chamando atenção que a a aplicação dessas tecnologias e desses recursos né Eh a logicamente o fornecimento de de de de fertilizantes eh é uma discussão muito atual e que vale a pena né ser discutida mas ao mesmo tempo também paralelamente a isso a aplicação de tecnologias pode auxiliar pode auxiliar e muito na locação desses insumos de forma inteligente e sustentável e o que que isso nos abre né de de de oportunidades eh aqui eu trago um um trabalho também um

trabalho que foi publicado nosso em que nós discutimos um pouco né dessa questão do do dos recursos digitais para análise PR PR gestão espec né do do das lavouras agrícolas eh então para desenvolver e manter esses sistemas eh uma rede de de de de ensaios né Eh dispersos geograficamente idealmente em parceria né no caso com com agricultores ela deve ser implementada para construir uma base uma base de dados agrícola e aí a partir dos sistemas de apoio à decisão eh possam ser continuamente treinar E validados então independente da escala em que esses modelos são desenvolvidos

e implementados recomenda-se que os ensaios né de de de nas lavouras eles devem se basear em Sistemas de decisão que sigam desenhos simples e e replicáveis baseados em abordagens né que sejam distribuídas espacialmente então eh a partir daquele de todo aquele conhecimento em que é possível obter a partir dos recursos digitais o conhecimento agronômico ele é essencial para a partir daquele né conhecimento das relações de causa e efeito relações conhecimento mecanístico no caso eh realizar a escolha dos inputs apropriados Escolha dos inputs apropriados para avaliação que eu quero fazer na minha lavoura e assim identificar

demandas específicas daquela propriedade Então a partir disso né né Eh são importantes aí Entre esses inputs eh nós podemos obter dados no caso de informações de sensores sensores on farm sensores na fazenda eh informações fora da Fazenda como por exemplo dados climáticos além da experimentação que também nos auxilia em busca nos auxiliar eh refinar as equações de recomendação ou a decisão de recomendação em função de especificidades da lav e a partir disso fazer uma modelagem né e a partir de direcionado por esses dados conferir aí um um sistema de suporte à decisão Então esse é

um um caminho que tem sido muito discutido e e apresentado em diversos trabalhos e que tem se apresentado como um caminho bastante promissor para atender demandas específicas eh das nossas lavouras eh então pensando né nessa questão voltando um pouco né na questão da da experimentação isso é um trabalho recente em que diversos eh pesquisadores discutem né e apresentam na verdade né alguns diversas informações e benefícios eh que a experimentação auxiliada pelos dados digitais pode nos auxiliar em transformar no caso né a agricultura Global aqui por meio do uso racional daqueles umos então eles apresentam basicamente

seis princípios em que um deles é que a aplicação né dessas tecnologias digitais em nível de fazenda ela permite que as Os experimentos sejam conduzidos em cultivos agrícolas em Sistemas reais né estão incorporados consequentemente na na gestão do processo Centralizado no agricultor né Os experimentos eles são conduzidos geralmente pela pergunta do Agricultor e a partir disso né em conjunto com pesquisadores Consultores etc é busca se realizar a colaboração envolvendo então no mínimo tanto o agricultor como por exemplo cientistas eh também é baseado em dados né direcionado por evidências então Os experimentos baseiam-se na análise de

dados específicos da exploração agrícola do do do que podem ser facilitados por tecnologias digitais embora as tecnologias digitais não sejam necessariamente eh fundamentais no processo ou essenciais elas auxiliam no levantamento de informações né como a gente apresentou aqui em alguns em alguns trabalhos em alguns exemplos um dos outros princípios é a colaboração né de de especialistas em que as experiências Os experimentos eles recorrem no caso eh a a a contribuições no caso então de de de pessoas externas né nesse caso cientistas eh eh Consultores etc Então a partir disso busca-se introduzir novos instrumentos e novos

conhecimentos na consideração de pontos de vista var eh um dos outros princípios é a coaprendizagem Porque a partir disso né os Os experimentos eles são construídos em torno de de discussões contínuas né entre os participantes no caso né da da daquela experimentação em que na concepção e realização conjunta né daqueles experimentos as experiências e as visões são são compartilhadas então aprende-se com os outros e assim desenvolve-se mais ideias em junto e busca-se conferir né maior maior conhecimento para a a a tomada de decisão E além disso né o último princípio aí no caso são no

caso escaláveis né Os experimentos eles criam né Eh conhecimento conhecimento que é valioso em nível de local então eu passo a não utilizar somente aquelas equações generalistas de recomendação e eu consigo fazer assim ajuste locais em função de demandas específicas então eu aqui para algumas considerações finais eh tem sido dado muita atenção né ao ao papel fundamental da da aquisição de dados como e o que ela desempenha na na na melhoria da gestão da da das culturas mas a melhoria do do desempenho do sistema eh ela é possível quando a ciência agrícola né a ciência

se a Agronômica puder fazer a utilização eficaz desse conjunto de dados né Desse conjunto de dados desse mar de dados que é gerado por diversas plataformas e diversos sensores então melhores dados e análises devem ser incorporados com a ciência com a ciência Agronômica com o conhecimento agronômico aquilo que a gente chama né que nós denominamos aqui agricultura digital né um conjunto de tecnologias de informação eh e que integra né esses sensores essas análises e automação dos processos para monitorar avaliar e gerir esses recursos de solo clima eh genéticos eh de demandas das plantas etc e

nos abre aí também né diversas oportunidades pro quê Pro paraa realização de Diagnósticos mais embasados embasados ou seja direcionados pelo quê pelos dados a partir dos dados ão de informação o que a gente busca aqui é que isso a automação completa logicamente ela não é ela não aconteceria nesse caso é porque a partir dos dados o que eles nos fornecem é informação para a tomada de decisão de forma mais embasada e mais específica Então a partir disso né de de de integrações o o o o a integração de sensores né em nível de fazenda de

informações locais nesse caso como dados climáticos etc e outros bancos de dados que podem ser fornecidos em escala Regional e assim além da própria experimentação ao nível de fazenda nos permite fazer esses ajustes locais para conferir né Eh para a a realização da atividade de forma específica em função da da demanda da demanda das plantas desafios no caso nem emem extrair informações relevantes né Eh como nós nós discutimos aqui brevemente os dados por si só eles não fornecem essa informação então um dos grandes desafio desafios paraa maioria desses dados desse dessa desse desse mar de

dados é extrair informações relevantes conferindo assim logicamente né Maior sustentabilidade ao processo por meio da da intensificação mais eficiente e gestão em função do potencial bom eh para finalizar eh era isso que eu gostaria de de mostrar um pouco para vocês a respeito né de como esses eu acredito que esses recursos digitais eles podem auxiliar eh em atender demandas específicas das lavouras [Música]