4. Agricultura de Precisão

Uso de SIG em Manejo de Culturas de Precisão

Há casos em que a variabilidade espacial de mais de um fator dentro de um campo precisa ser considerada, a fim de lidar efetivamente com uma situação. Por exemplo, para estimar a rapidez com que uma erva daninha se espalhará no campo, precisamos saber mais do que o local original onde as ervas daninhas foram identificadas. A umidade do solo e a matéria orgânica do solo também podem variar dentro do campo e afetar a taxa de expansão das ervas daninhas.

Soil test
Teste do solo de fósforo, potássio e pH em uma fazenda no centro de Missouri (EUA). (Azul para vermelho é baixo para alto para as concentrações e ácido para alcalino para a acidez)
Fonte: Davis, G., Casady, W. and Massey, R., 1998, Precision Agriculture: An Introduction, University of Missouri

Alguns dados, como umidade do solo, cobertura vegetal e teor de clorofila, podem ser medidos por sensoriamento remoto. Outras propriedades do solo, no entanto, exigem amostragem dos núcleos do solo e análise dessas amostras em laboratório. Desde que a localização das amostras seja registrada através de um GPS, é possível criar um mapa do solo do campo, para cada característica do solo. No exemplo anterior, podemos ver um mapa de um campo para cada fósforo (P), potássio (K) e acidez (pH).



Desde que todas as informações estejam georreferenciadas em um sistema comum de projeção, é possível converter essas informações em camadas de SIG e usar o software SIG para combinar as camadas, a fim de produzir mais informações sobre a situação do campo ( Se você quiser obter informações sobre o que é um GIS, clique aqui ).

Pergunta: Olhe`as imagens anteriores. Pode identicar e explciar alguma rela&c&cceil;ão entre as três imagens? As concentrações de acidez, fósforo e potássio estão relacionadas de alguma forma?

Ao usar os dados apropriados, é possível usar um SIG para modelar processos afetados por esses dados e prever qual será o efeito desse processo no futuro. Por exemplo, combinando dados de solo, vegetação e meteorológicos, é possível estimar o rendimento potencial de um campo, assumindo que nenhum outro fator influencie o crescimento normal da vegetação. Com esses modelos, podemos identificar áreas problemáticas no campo, identificar a causa do rendimento reduzido e tomar as medidas apropriadas para lidar com o problema.

Já vimos que informações de dados de sensoriamento remoto, como a população de plantas, podem nos fornecer uma estimativa do rendimento da colheita. O uso do SIG, no entanto, requer mais informações (mais camadas diferentes), mas através da modelagem pode fornecer uma previsão mais precisa do rendimento das culturas e também nos ajudar a identificar potenciais problemas.

A agricultura de precisão utiliza dados de sensoriamento remoto de alta resolução espacial. Esses dados são georreferenciados, geralmente com o uso de medições de GPS. Com esses dados, podemos identificar possíveis problemas em locais específicos do campo e tomar as medidas apropriadas para lidar com o problema específico nos locais individuais (por exemplo, aplicação controlada de fertilizantes ou pesticidas com tratamento de taxa variável (TTV). Se os dados de sensoriamento remoto combinados com outros dados (mapas do solo, dados climáticos etc.), é possível usá-los em um SIG e criar modelos que possam estimar novos parâmetros, como o rendimento das culturas, com maior grau de precisão.