Para abordar os atuais desafios da agricultura e da silvicultura, há uma forte necessidade do monitoramento em tempo real de florestas e safras. Desta maneira, surge a imagem de satélite VHR que tem sido usada com êxito em muitos projetos.
A agricultura nos fornece alimentos, combustíveis, fibras e materiais crus que são necessários para nosso dia a dia. Porém, a segurança dos alimentos ao enfrentar a mudança de clima é um desafio. Na Agenda 2030 da UN, a FAO destaca a necessidade de investir na agricultura, incluindo safras, gado e silvicultura. A população mundial cresce e é esperado que cresça mais de 10 bilhões em 2050. Para encarar este crescimento, a produção agrícola tem que aumentar a 70% em 2050. A agricultura não só desempenha um papel importante na segurança alimentar, mas também para combater a mudança de clima.
O mundo emite globalmente mais de 36 bilhões de toneladas de CO2 a cada ano. As florestas são uma importante fonte para reduzir estas emissões. Logo, as florestas são um fator crítico no combate da mudança de clima e por isso precisam de proteção. Por exemplo, o fim do desmatamento, o restabelecimento das florestas e a melhora das práticas de silvicultura podem reduzir 7 bilhões de toneladas de CO2 anualmente.
Devido a necessidade de abordar os desafios atuais na agricultura e silvicultura, o monitoramento em tempo real é crucial para reagir aos eventos extremos tais como condições climáticas ou infestações de pragas, e, por conseguinte, minimizar o seu impacto, enquanto as práticas de gestão, como a agricultura de precisão, são otimizadas numa maneira sustentável.
Em 1972, a NASA lançou o scanner multiespectral de quatro bandas (MSS pelas siglas em inglês) oferecendo, desta maneira, a possibilidade de monitorar os campos cultiváveis do espaço graças a sua cobertura sinóptica global. Depois, na metade dos anos 1070, a NASA com o Experimento de Inventário de Grandes Áreas de Cultivo (LACIE, Large Area Crop Inventory Experiment) desenvolveu os princípios do monitoramento e avaliação da produção das safras. O AgriSTARS, um programa conjunto com USDA, USDC, USDI e USAIS, foi o seguinte nos anos 80.
Recentemente, a NASA iniciou em 2017 um programa de colheita para desenvolver novas capacidades e aumentar a utilização do sensoriamento remoto no monitoramento agrícola em vários setores agrícolas, nacionalmente e internacionalmente.
Monitoramento do campo e dados de sensoriamento remoto
Em 1972, começou o uso de satélites para o sensoriamento remoto na observação das terras com Landsat 1 da NASA. Atualmente, além do Landsat 8, a Nasa tem mais de 300 satélites de observação da Terra, com a metade fornecendo imagens ópticas.
No fim das contas, se podem conseguir diferentes perspectivas a partir da mesma fonte de dados. Por isso, é importante entender a variabilidade do sensoriamento remoto, para assim avaliar as diferentes ofertas.
Os satélites ópticos obtêm as imagens da radiação solar refletida na Terra. Porém, a informação disponível de cada satélite varia dependendo dos sensores e da tecnologia.
O benefício dos satélites de sensoriamento remoto é que não precisam ter um entendimento profundo sobre o funcionamento da sua tecnologia, apenas com saber os conceitos chave para avaliar melhor o que é viável e alcançar suas necessidades no negócio agrícola é suficiente.
O fator principal para avaliar as imagens de satélite é as diferentes formas de resolução. Não pode ser simplificado como resolução alta, média ou baixa, já que isto pode criar confusão e erros. As imagens de satélite tem uma resolução espacial a diferença das fotografias generais que são medidas pelo número de pixels. Neste contexto, é essencial diferenciar pixels da resolução espacial porque não são intercambiáveis.
As imagens de satélite são também compostas por pixels. Elas são obtidas amostrando a luz refletida pela superfície e registrando as medidas em uma matriz de pixels que cria um grande. A distância entre cada pixel dessa grade se denomina distância de amostra do solo (GSD).
Falando de resolução, a resolução dos fornecedores de dados de satélite é a espacial, referindo-se ao menor objeto que pode ser identificado no solo. Este varia segundo fatores tais como a posição do sensor ao seu objetivo ou as difrações atmosféricas. Portanto, a resolução espacial e consequentemente a qualidade da informação fornecida varia do centro da imagem até a borda da faixa.
Por exemplo, as imagens de MODIS têm um GSD de 25 metros. Logo, cada pixel representa uma área de 250 metros x 250 metros ou 6,25 hectares. A resolução espacial de MODIS no NADIR (ponto logo abaixo do satélite) é igual a 25 metros, mas fora do NADIR pode ser mais de 500 metros dentro dos pixels 250 metros x 250 metros.
O mesmo acontece com os satélites de alta resolução e inclusive mais quando o satélite apontar seu sensor com um ângulo mais amplo, fora do NADIR. Por exemplo, os satélites RapidEye (Planet) podem apontar 20º fora do NADIR para observar áreas-alvo mais longe de seu caminho direto. Isto afeta a resolução espacial normal de 6 metros.
Embora a resolução espacial seja importante, a resolução temporal é igualmente crítica e geralmente incompreendida.
Melhorando a produtividade agrícola
O maior benefício das plataformas de sensoriamento remoto e monitoramento é a capacidade de obter informação abrangente que leva à tomada de decisões na gestão de campos. A constante atualização de dados sobre a saúde dos cultivos e os níveis de umidade podem indicar os espaços que precisam de mais rega e fertilização.
As imagens de satélite são indispensáveis em máquinas de agricultura avançadas para a orientação e aplicação da taxa variável. Por exemplo, a plataforma de EOS Crop Monitoring possui algoritmos que detectam os diferentes tipos de cultivos (atualmente só disponível na Europa de Leste), calculam a área de campo e exibe todos os dados registrados relativos ao desempenho no campo e o clima local nos últimos anos, mediante pedido. Além disso, permite fazer predições da produção de cultivos para assim tomar melhores decisões de gestão.
As imagens de satélite precisam de muito tempo para serem analisadas manualmente. Por isso, os programadores buscam que seja feito automaticamente e assim possam reconhecer objetos da propriedade como tipo de cultivo, limites do campo e mais. A companhia EOS demonstrou a fiabilidade dos dados com sua pesquisa abrangente e sua formação de redes neurais durante o desenvolvimento do projeto Crop Map. O Crop Map foi concebido como uma parceria do Banco Mundial e da União Europeia com o governo da Ucrânia para apoiar a transparência do sector agrícola no país. Estes algoritmos ajudaram a revelar mais de 10 milhões de acres do uso de áreas de cultivo não autorizadas.
O que a EOS Crop Monitoring pode te dizer sobre seu campo?
Com esta plataforma, você pode facilitar ao menos os seguintes pontos:
- Estar atualizado com o estado de seus cultivos de maneira remota
- Estar ciente antecipadamente sobre as mudanças climáticas e os riscos como estresse por calor e por frío
- Otimizar as taxas de aplicação de fertilizantes
- Reconhecimento de campo
- Medida precisa de áreas de campo
- Previsão dos rendimentos
Como é isso possível?
Este aplicativo permite escolher campos específicos para serem analisados. Depois, os dados relevantes serão automaticamente coletados e mostrados. A informação sobre a saúde dos campos é monitorada mediante as análises espectrais via NDVI, NDSI e outros índices.
As medidas de precipitações ajudam a avaliar os níveis de umidade do solo enquanto os indicadores de clima (como a velocidade do ar, cobertura de nuvens, temperatura e umidade do ar) definem se o campo requer um cuidado extra. Isto pode indicar a dependência na precipitação e temperaturas do desenvolvimento dos cultivos.
Os gráficos interativos com históricos de mudanças climáticas assim como a previsão para os próximos dias contribuem para o planejamento e programação do trabalho de campo. Além disso, a revisão dos dados históricos do crescimento de culturas permite comparar as métricas regionais de desempenho de rendimento de outros campos e prever o volume total de produção.
A EOS Crop Monitoring foi o produto escolhido pelo Grupo Agroproperis (controlado pela American NCH Capital), a maior produtora e exportadora de trigo, soja, maiz e outros cultivos na região do Mar Negro.A companhia oferece serviçoes financieros, de crescimento, armazenamento e de exportaçao aos agricultores.
Ao longo do ano passado, a companhia buscou pôr em prática a Variable Rate Application. Mediante o uso de imagens de satélite, eles determinaram os campos mais produtivos. A decisão tinha como objetivo aumentar a dosagem de fertilizante de nitrogênio para maximizar o potencial desses campos.
A antiga estratégia implicava pôr fertilizantes distribuídos uniformemente em todos os campos em vez de multiplicar a produção dos melhores campos e gastar menos recursos em geral. Além disso, 5.000-7.500 acres de terra cultivável é um grande território para cuidá-lo manualmente. É por isso que as imagens de satélite e o monitoramento de cultivos foram uma boa decisão comercial para a companhia, como seu top-gestão afirmou.
Comentários estão fechados.