Cada vez mais, os avanços tecnológicos têm contribuído de maneira assertiva para tornar a agricultura ainda mais eficiente e sustentável. Dessa vez, os progressos são na área de estudos de evapotranspiração de culturas por sensoriamento remoto, por meio da modernização dos recursos computacionais e da aplicação de algoritmos de inteligência artificial. A novidade veio a partir de trabalhos desenvolvidos por pesquisadores da Universidade Federal de Viçosa (UFV), da Embrapa (Empresa Brasileira de Pesquisa Agropecuária) e da Universidade do Nebraska, Lincoln (EUA), responsáveis por utilizar dados do sensor multiespectral MSI (embarcado na constelação de satélites Sentinel-2), associados a algoritmos de aprendizado de máquina, com o objetivo de estimar a evapotranspiração de lavouras de cana-de-açúcar localizadas na região norte do estado de Minas Gerais e irrigadas por pivô central.
Os resultados alcançados são promissores, uma vez que os algoritmos desenvolvidos foram capazes de estimar a evapotranspiração da cultura de forma mais simples do que o método de referência METRIC (Mapeamento de Evapotranspiração de Alta Resolução com Calibração Internalizada).
A ação é bastante relevante, sobretudo, porque a evapotranspiração é a principal medida do uso de água pelas culturas agrícolas e vegetação nativa. Além disso, o seu vigor e o seu potencial produtivo possibilitam a realização do balanço hídrico, que leva em conta as entradas e as saídas de água do ambiente em que as plantas estão. Assim, é possível identificar o nível de satisfação hídrica das plantas, inclusive no contexto das mudanças climáticas.
Segundo o pesquisador da Universidade Federal de Viçosa, Robson Argolo, os resultados desta pesquisa representam um avanço na utilização do sensoriamento remoto para o manejo da irrigação, que, por utilizar uma única plataforma, ainda é um desafio devido à complexidade e à resolução temporal.
“Dessa forma, a utilização da inteligência artificial com dados de diversas plataformas de sensoriamento remoto permite quantificar a evapotranspiração na cana-de-açúcar em uma escala temporal superior, adquirindo assim um maior número de informações sobre a evapotranspiração nessa cultura”, explica.
O pesquisador também lembra que o estudo é parte de mais dois em desenvolvimento. “Os outros dois representam mais avanços, sendo um deles a utilização de sensoriamentos remotos com aprendizado de máquina para quantificar a evapotranspiração na cana sem a necessidade de uma estação meteorológica em campo, enquanto o outro tem a mesma finalidade, porém utiliza dados de sensoriamento remoto por radar que possuem a capacidade de atravessar nuvens e interagir com alvos na superfície terrestre, o que não é possível com sensoriamentos remotos ópticos – Sentinel, Landsat, MODIS, entre outros”, ressalta.
Já o pesquisador da Embrapa Meio Ambiente, Vinicius Bufon, lembra que o objetivo foi desenvolver modelos mais simplificados de estimativa de evapotranspiração por sensoriamento remoto, mas com capacidade de predição e confiabilidade aceitáveis.
Esses algoritmos são baseados em inteligência artificial, utilizam aprendizado de máquina (baseado, principalmente, em ciência da computação, matemática e estatística) e têm uma estrutura robusta, capaz de permitir a identificação de padrões de relacionamento entre as variáveis a serem modeladas e as variáveis preditoras (independentes).
Imagem: Embrapa
Aplicação para outros sensores
Além do sensor MSI, embarcado na missão satelital Sentinel-2, a metodologia tem potencial para ser aplicada por outros sensores e, assim, ampliar as possibilidades de fontes de informação, o que, na prática, aumenta a resolução espacial e temporal das estimativas de evapotranspiração. Outra vantagem é que, apesar de extensa, a metodologia é de fácil aplicação e as imagens dos satélites podem ser acessadas gratuitamente.
Os pesquisadores lembrar ainda que métodos alternativos de conhecimento da evapotranspiração apresentam muitos desafios, já que a medição direta da evapotranspiração por lisímetro, por exemplo, embora seja bastante confiável, é onerosa e não possibilita cobertura de área na escala que as imagens satelitais permitem.
Os métodos de fluxo de energia e massa, por sua vez, demandam instrumentação meteorológica de custo elevado e apresentam o mesmo desafio da cobertura e representação de grandes áreas.
Por fim, vale lembrar que a análise das imagens multiespectrais oriundas de sensores satelitais como o Sentinel e o Landsat já permitem estimativa aplicando modelos como METRIC e o SEBAL, porém a combinação do sensoriamenteo remoto com a aplicação de modelos de inteligência artificial e aprendizado de máquina ofertam a possibilidade de aprimoramento das estimativas da evapotranspiração de forma ainda mais simplificada e, assim, pode contemplar múltiplas plataformas, sem ficar limitado ao Sentinel ou ao Landsat.
O trabalho completo de Robson Argolo, Everardo Mantovani, Elpídio Inácio Fernandes Filho, Roberto Filgueiras, Rodrigo Lourenço (Universidade Federal de Viçosa), Vinicius Bof Bufon (Embrapa Meio Ambiente) e Christopher Neale (Universidade de Nebraska), pode ser conferido pelo link https://www.mdpi.com/2073-4433/13/9/1518.
Conclusão
Diante da importância da evapotranspiração, principal medida do uso de água pelas culturas agrícolas e vegetação nativa, a pesquisa desenvolvida por meio da parceria entre Universidade Federal de Viçosa, Embrapa e Universidade do Nebraska, Lincoln (EUA) representa um importante avanço para a agricultura e enfatiza, mais uma vez, a relevância dos avanços tecnológicos para a agricultura.
A cada dia novos estudos e ferramentas surgem, com o objetivo de tornar a agricultura ainda mais eficiente e sustentável, algo essencial para dar aos produtores rurais as condições adequadas para enfrentar grandes desafios, especialmente no que se refere à produção de alimentos diante do crescimento populacional no mundo todo.
Leia também: Inclusão da soja e do arroz no Sistema de Classificação de Terras para Irrigação
Deixe um comentário