Redação Plenax – Flavia Andrade
Modelo desenvolvido por pesquisadores combina imagens de satélite e dados climáticos para monitorar lavouras no Centro-Oeste brasileiro
Pesquisadores brasileiros desenvolveram um modelo de inteligência artificial capaz de estimar a produtividade de lavouras de soja antes mesmo da colheita, alcançando índice de acerto de 72% e margem de erro inferior a 302 quilos por hectare. A ferramenta utiliza imagens de satélite, informações climáticas e dados históricos de produção para antecipar resultados e auxiliar o planejamento agrícola.
O estudo, publicado na revista científica Big Earth Data, analisou informações de municípios de Mato Grosso do Sul, Mato Grosso e Goiás durante as safras de 2019/2020 a 2021/2022. A pesquisa utilizou imagens do satélite Sentinel-2 associadas a técnicas de aprendizado de máquina para criar um sistema capaz de prever o rendimento das plantações de soja ainda durante o ciclo produtivo.
A iniciativa surge em um momento de crescente preocupação com os impactos das mudanças climáticas sobre a agricultura. Eventos extremos, como secas prolongadas e chuvas intensas, têm aumentado os riscos para os produtores rurais e reforçado a necessidade de ferramentas que permitam monitoramento mais preciso das lavouras.
Maior exportador mundial de soja, o Brasil produziu aproximadamente 147,4 milhões de toneladas do grão em 2024, segundo dados da Companhia Nacional de Abastecimento (Conab). Cerca de 46% dessa produção está concentrada na região Centro-Oeste, principal polo agrícola do país.
A pesquisa foi conduzida pela mestranda Ester de Carvalho Pereira, da Escola Superior de Agricultura Luiz de Queiroz (Esalq/USP), sob orientação da professora Ana Cláudia dos Santos Luciano. O trabalho integrou o projeto PreCISIA — Predição de Colheita por Imagem de Satélite e Inteligência Artificial — e contou com a participação de pesquisadores da Unesp, da Universidade Estadual de Londrina e da Universidade de Pequim, na China.
Para construir o modelo, os cientistas reuniram imagens de alta resolução obtidas por satélite, variáveis climáticas e dados históricos de produtividade agrícola disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE). O objetivo foi identificar quais fatores exercem maior influência sobre o desempenho das lavouras.
Os resultados apontaram que a precipitação acumulada, a radiação solar e o déficit hídrico estão entre os principais indicadores climáticos relacionados à produtividade da soja. Já entre as informações extraídas das imagens de satélite, destacaram-se bandas ligadas ao infravermelho e ao chamado red edge, faixa espectral sensível à atividade fotossintética das plantas.
Ao longo do estudo, os pesquisadores desenvolveram seis modelos distintos, considerando diferentes fases do desenvolvimento da cultura, entre 30 e 180 dias após o plantio. A análise permitiu identificar o período mais adequado para gerar previsões confiáveis sem a necessidade de processar um volume excessivo de informações.
O melhor desempenho foi registrado no modelo baseado em 150 dias de acompanhamento da lavoura, período que coincide com a fase de enchimento dos grãos, considerada decisiva para a definição da produtividade final da soja.
Além de ampliar a precisão do monitoramento agrícola, a tecnologia pode contribuir para o planejamento de safras, tomada de decisões no campo, gestão de riscos climáticos e formulação de políticas públicas voltadas à segurança alimentar e ao fortalecimento do agronegócio brasileiro.
