Por que o sensoriamento remoto é importante para a sua lavoura?

A necessidade de mais informações sobre a evolução dos cultivos para obter melhores resultados têm tornado mais próxima a relação do produtor rural com as novas tecnologias. Entre as mais populares está o sensoriamento remoto, que envolve o uso de diferentes fontes de imagens, como de satélites, aviões e drones.

Para responder a pergunta do título desta publicação, é importante entender como a técnica é capaz de mostrar aspectos realmente vitais para a lavoura, a maioria deles imperceptíveis a olho nu. O trunfo está nos sensores, que coletam informações a partir da energia refletida pela superfície da área monitorada. É o que chamamos de sensoriamento remoto passivo, largamente utilizada pela agricultura de precisão.

Com a captura utilizando os sensores, conseguimos compreender com precisão a densidade da cobertura vegetal. A radiometria espectral é uma das mais importantes áreas do sensoriamento remoto, ao identificar a intensidade com que a vegetação reflete diferentes espectros da radiação eletromagnética, possibilitando tirar conclusões úteis.

Esta medição da atividade ou intensidade da vegetação utiliza as faixas de luz visível ao olho humano , e principalmente, o infravermelho próximo (NIR, sigla para Near Infrared). Ao serem cruzados com modelos matemáticos, são denominados de Índices de Vegetação (IVs).

A partir dessa avaliação, o produtor consegue monitorar com mais eficiência a situação da lavoura através da coloração das imagens, sendo possível diferenciar zonas em que as plantas estão se desenvolvendo mais ou menos, dentro da agricultura digital esta informação pode ser usada para construir zonas de manejo, como explicado neste post do blog Agronegócio em Foco. Com essa informação em mãos, você pode monitorar a área para descobrir problemas bióticos e abióticos que estejam afetando o desenvolvimento daquela área.

Como fazer o sensoriamento remoto?

No mercado hoje existem diversos serviços de sensoriamento remoto focados no setor agrícola, mas há variações consideráveis em relação à precisão dos dados coletados. Além da qualidade das imagens em si, que fazem bastante diferença na hora da tomada de decisão, os algoritmos utilizados para interpretar aquelas imagens devem fazer um bom trabalho de análise. E claro, apenas a informação em si não significa nada se não puder ser interpretada e tomar uma decisão relacionada a ela.

A Granular, por exemplo, tem uma parceria global com a Planet – uma das pioneiras no segmento de coleta de dados via satélite – e desenvolveu um software de direcionamento de monitoramento de talhões baseado nas imagens de alta qualidade fornecidas por ela. A constelação de satélite roda o mundo a 30.000 km/h, fotografando com a melhor frequência possível.

O Granular Insights, nosso serviço de direcionamento de monitoramento, utiliza o Índice de Vegetação de Banda Larga e Dinâmica (WDRVI em inglês) que utiliza também a quantidade de luz próxima ao infravermelho (NIR) que as plantas emitem, que em conjunto com os nossos algoritmos de correção e imagens de alta resolução, podem ser até três vezes mais precisos que o NDVI (Índice Normalizado de Diferença Vegetativa) convencional, neste outro post explicamos um pouco mais sobre a diferença entre WDRVI e NDVI.

Na fase de desenvolvimento vegetativo das plantas elas refletem mais a radiação eletromagnética que vem junto da luz, o que em geral mostra que ela está se desenvolvendo bem – quanto mais ela refletir, melhor. E após entrar na fase de desenvolvimento reprodutivo, essa reflectância tende a diminuir até o fim da cultura ou até iniciar o seu próximo ciclo.

Quando avaliamos imagens de satélite, a qualidade da imagem entregue também é fundamental para entregar boas análises, e esta é avaliada pela resolução que ela tem. No caso das imagens de satélite utilizadas pela Granular, cada pixel equivale a uma área de 3 metros por 3 metros, ou seja, 9 metros quadrados.

Alguns outros satélites utilizam imagens de 10 metros por 10 metros, ou seja, 100 metros quadrados. Como a imagem abaixo mostra, esta pequena diferença na resolução da imagem, ao ser combinada com os algoritmos da Granular, representa uma grande diferença na hora de gerar o mapa de índice vegetativo, como exploramos um pouco neste post sobre a interferência da qualidade da imagem no índice vegetativo, áreas dentro da lavoura.

Galeria de imagens mostrando diferentes resoluções de imagem de satélite
Na imagem você pode ver a diferença entre a resolução das imagens de satélite.

Como é muito comum na atividade agrícola, o clima tem um papel fundamental também no sensoriamento remoto. Excesso de nuvens ou clima fechado em uma região, podem dificultar bastante a captura de imagens. Às vezes, até aviões atrapalham as imagens de satélite. Acredita?

Interface do Granular Insights mostrando mapa com sombra de avião dentro do talhão monitorado.
Avião estava passando na hora em que o satélite capturou imagem do talhão.

Mas lembre-se de que as imagens de alta qualidade, algoritmos de correção e melhor frequência de imagens não significam nada sem o conhecimento para transformar esta informação em uma decisão. Nosso objetivo é tornar o monitoramento mais eficiente, por meio do recurso de priorização de talhões, que ajuda o produtor a identificar quais talhões precisam de mais atenção.

Juntas, todas essas soluções ajudam o produtor rural a tomar decisões de forma antecipada e com isso, proteger o potencial produtivo da lavoura a curto e longo prazos. Sem contar a economia de tempo e recursos humanos, ao direcionar os esforços para as áreas realmente necessitadas.

Pense em todo tempo que você gasta monitorando a sua área e some isso ao fato de que focos de doenças, pragas ou deficiências nutritivas às vezes começam em pontos de difícil acesso, ou mesmo não ficam visíveis a olho nu nos primeiros dias.

Fique por dentro!

Deixe o seu e-mail para receber novos posts do blog direto em sua caixa de entrada

Blog

Buscando mais precisão na agricultura

Renata Bobrowski Rodrigues, 11/03/2021