Drones e IA antecipam rendimento do milho com alta precisão
Modelos com drones e IA estimam rendimento do milho com precisão de 92%
Foto: Anderson Wolf
O uso de Drones equipados com sensores multiespectrais e térmicos está transformando a fenotipagem de culturas e ampliando a precisão dos programas de melhoramento genético. Segundo dados divulgados pelo governo da Argentina, pesquisadores do INTA Pergamino já obtiveram resultados expressivos em soja, girassol, trigo e milho, com destaque para modelos capazes de superar 92% de precisão em híbridos comerciais de milho.
A tecnologia foi incorporada pela Estação Experimental Agropecuária (EEA) do INTA Pergamino como parte do Programa Nacional de Ecofisiologia e Agroecossistemas. A proposta é reduzir o tempo gasto nas avaliações de campo e estabelecer protocolos objetivos e repetíveis para o processamento remoto de dados.
Segundo dados divulgados pelo governo da Argentina, a iniciativa reúne as áreas de Sistemas de Informação Geográfica (SIG), Ecofisiologia de Culturas, Melhoramento de Girassol e Melhoramento de Milho da estação experimental. O trabalho também conta com a interação das Estações Experimentais da região por meio da Rede Nacional de Drones do INTA.
Tradicionalmente, os ensaios de melhoramento genético são avaliados manualmente. Segundo os dados divulgados pelo governo da Argentina, esse método demanda tempo e pode incorporar subjetividade nas observações realizadas pelos operadores.
Nesse cenário, os sensores remotos permitem estimar características das plantas de forma objetiva e repetível, considerando a interação entre genótipo e ambiente.
“Este desenvolvimento foi consolidado por meio de um esquema associativo que interliga internamente as áreas de Sistemas de Informação Geográfica (SIG), Ecofisiologia de Culturas, Melhoramento de Girassol e Melhoramento de Milho da estação experimental”, explicou Javier Portillo, pesquisador da EEA do INTA Pergamino.
“Por sua vez, a sinergia de trabalho se estende em escala federal por meio da interação com as Estações Experimentais da região, através da Rede Nacional de Drones do INTA”, acrescentou.
Segundo dados divulgados pelo governo da Argentina, na soja foram realizados voos programados durante o ciclo de crescimento para acompanhar a evolução da cobertura foliar. A metodologia também permitiu estimar a altura das plantas com margem de erro inferior a 8% em relação às medições manuais. “Na soja, por meio de voos programados ao longo do ciclo de crescimento, foi possível estimar a evolução da cobertura foliar, possibilitando medir a altura da planta com uma margem de erro inferior a 8% em comparação com as medições manuais”, explicou Portillo.
No girassol, imagens obtidas pelos drones foram combinadas com algoritmos de inteligência artificial, incluindo técnicas de aprendizado de máquina. O objetivo foi automatizar a detecção de híbridos resistentes a herbicidas comerciais e ampliar o número de parcelas avaliadas simultaneamente.
No trigo, os pesquisadores iniciaram uma linha de investigação voltada ao uso de índices específicos de vegetação para acompanhar a taxa de secagem dos grãos antes da colheita, característica relacionada à qualidade do cereal.
Tecnologia avança também no milho
Os resultados mais recentes relacionados ao milho serão apresentados no XIII Congresso Nacional do Milho. Segundo dados divulgados pelo governo da Argentina, dois estudos liderados por José Menes, do grupo SIG, concentram-se exclusivamente na cultura. O primeiro trabalho avaliou a estimativa da altura das plantas a partir de modelos digitais de superfície (MDS) produzidos com imagens de drones. A metodologia alcançou concordância entre 81% e 86% em relação às medições manuais tradicionais.
A estimativa da altura pode contribuir para a avaliação da estrutura da lavoura e para a antecipação de problemas como quebra do caule e acamamento, fatores associados a perdas durante a colheita. A segunda pesquisa desenvolveu modelos matemáticos para estimar a fração da radiação solar interceptada pelas plantas, variável relacionada à produção e ao rendimento de biomassa.
Segundo dados divulgados pelo governo da Argentina, os pesquisadores analisaram mais de 60 indicadores. A porcentagem de cobertura verde estimada a partir da atmosfera apresentou desempenho superior aos índices tradicionais de agricultura digital como preditor da fração de radiação interceptada pela cultura. O NDVI, índice amplamente utilizado na agricultura digital, também apresentou capacidade de explicar adequadamente a variável, mas não ficou entre os indicadores com maior capacidade preditiva.
Inteligência artificial amplia escala dos ensaios
Os resultados obtidos reforçam o potencial dos drones para acelerar avaliações em programas de melhoramento genético. No caso do milho, segundo dados divulgados pelo governo da Argentina, os modelos alcançaram precisão superior a 92% em híbridos comerciais e 86% em linhagens. “Em contrapartida, sensores remotos estão surgindo como uma alternativa estratégica. O uso desses sensores permite a estimativa completamente objetiva e repetível ao longo do tempo das características das plantas que surgem da interação entre genótipo e ambiente”, afirmou Portillo.
O pesquisador também destacou que o avanço tecnológico permite aumentar a quantidade de parcelas avaliadas e reduzir a dependência de observações manuais. “Embora os Estados Unidos não sejam membros do Fontagro, graças à Eugenia, podemos participar”, declarou Carlos Messina, diretor do Centro de Transformação de Culturas UF/IFAS da Universidade da Flórida, sobre a participação da instituição em outra iniciativa relacionada à pesquisa agrícola.
No conjunto, os resultados apresentados pelo INTA Pergamino indicam que a utilização de drones, sensores remotos e inteligência artificial amplia a capacidade de coleta e processamento de informações no campo, com aplicações voltadas à seleção genética e ao acompanhamento do desempenho das culturas.
