Facilitar a gestão das culturas: os benefícios da agricultura de precisão – Velia Sartoretti

De acordo com um estudo da FAO “Looking ahead in world food and agriculture: Perspetives to 2050”, espera-se que a população mundial cresça, sendo que a produção de alimentos deve aumentar em 70% em 2050 para resolver a crescente procura. Juntamente com a necessidade de reduzir a pegada ecológica da produção de alimentos, estas duas questões representam um desafio enorme para o sector agroalimentar. Caso contrário, devido às mudanças climáticas e outras variáveis que intervêm no sistema, manter as condições ótimas tornar-se-á cada vez mais difícil e os erros na gestão de culturas poderão causar sérios danos à sustentabilidade económica das empresas.

De forma a manter a competitividade, os produtores agrícolas necessitam de um acesso rápido às tecnologias emergentes.

Agricultores, agrónomos e outros operadores do mundo agrícola precisam de otimizar as práticas agrícolas de forma a reduzir os custos com os tratamentos e as perdas de produção, melhorar a qualidade das culturas e também produzir de uma forma sustentável. Estes importantes pontos devem ser considerados para que as empresas sejam competitivas no mercado e cumpram as regras nacionais e internacionais.

As tecnologias de informação e comunicação (TIC) há algum tempo que oferecem novas perspetivas e desafios no sector agrícola. Softwares e outras novas tecnologias de apoio à gestão agrícola dispersaram-se devido aos benefícios significativos que estes sistemas podem oferecer. Novos sistemas de gestão e novas maquinarias estão a mudar a abordagem dos operadores agrícolas para as questões das culturas, as decisões agrícolas e as operações na exploração agrícola, gerando a chamada “terceira revolução verde” neste sector.

O crescente uso das TIC na agricultura gerou uma nova estratégia de gestão de explorações agrícolas com o objetivo de orientar os agricultores a tomar as decisões certas na altura certa, a que se chamou Agricultura de Precisão. Este sistema utiliza tecnologias modernas, tais como a deteção remota por satélite ou drones, sistemas de informação geográfica (SIG) e sensores que reúnem dados meteorológicos de forma a agrupar informação útil. A análise destes dados permite realizar tratamentos direcionados, mais eficazes e mais sustentáveis.

A análise de vastas extensões agrícolas é muitas vezes difícil por requerer uma visão geral da cultura. Nesta visão, a agricultura de precisão suporta o aumento de uma perceção mais clara e correta sobre o que aconteceu, o que está a acontecer e o que irá acontecer num futuro próximo (Consciência Situacional). As tecnologias modernas de Deteção Remota (DR) e de Gestão Integrada de Pragas (GIP) podem ajudar os operadores agrícolas a conhecer e a gerir melhor os problemas críticos das culturas, como por exemplo, deficiências nutricionais ou ataques de pragas. Estes métodos de apoio são geralmente baseados em mapas, que também podem estar relacionados a grandes áreas e que têm uma resolução muito alta para destacar as áreas críticas de cada cultura. Os agricultores podem conhecer melhor o estado de saúde das plantas, as fases fenológicas, as necessidades de água, deficiências nutricionais e podem agir rapidamente antes que o estado da cultura se agrave.

O Sistema de Apoio à Decisão (SAD) é uma prática da agricultura de precisão para apoiar a escolha do agricultor. Todos os dias, os agricultores precisam de tomar decisões cruciais para enfrentar as atividades rotineiras diárias ou mesmo acontecimentos inesperados, mas na maioria das vezes a informação disponível não é a mais correta. Por exemplo, os agricultores não conhecem as características do solo das suas explorações e, portanto, aplicam fertilizantes e substâncias de controlo de culturas uniformemente sobre os campos, em determinados momentos do ano. Isto leva a uma excessiva aplicação em alguns lugares a uma aplicação deficiente em outros.

Neste sentido, os agricultores precisam de instrumentos de monitorização da variabilidade entre os campos, que ajudam depois nas suas decisões sobre as práticas agrícolas, com o objetivo de economizar nos fatores de produção (fertilizantes, produtos fitossanitários, água), economizar dinheiro e reduzir os impactos ambientais de acordo com os padrões europeus.

Um exemplo de Sistema de Apoio à Decisão poderá ser um software que integre mapas com índices de vegetação, calculados por deteção remota, sensores meteorológicos e outros elementos que apoiem técnicos e agrónomos na análise das parcelas, de forma a assegurar a qualidade da produção: disseminação de fertilizantes e produtos fitossanitários e de irrigação. Os resultados fornecidos podem ser mapas georreferenciados, tabelas e gráficos estatísticos, que, através de uma base científica, identificam problemas e necessidades das culturas e verificam a eficácia dos tratamentos.

Um dos Sistemas de Apoio à Decisão mais úteis são os modelos de previsão disponíveis num software/aplicação específico para a gestão da agricultura. Por exemplo, existem modelos de previsão que fornecem informações sobre a probabilidade (risco) de geração e difusão de pragas nas culturas. Este alerta é gerado por um algoritmo baseado nas condições climáticas da área, recolhido através da estação meteorológica instalada na exploração. Um exemplo de modelos poderia ser sobre a mosca da azeitona (Bactrocera oleae), um inseto que provoca grandes perdas na produção da azeitona e piora a qualidade do azeite. Outro exemplo é o modelo para o míldio do tabaco (Perenospora tabacina), que alerta para difusão deste fungo que danifica as folhas da planta do tabaco. As probabilidades de gerações de pragas são diferentes em cada área, dependendo das condições micro-climáticas específicas. Graças a estes modelos de previsão, os agricultores podem tratar as culturas antes das pragas atacarem e do dano se tornar visível, reduzindo perdas de produtos e aumentando a respetiva qualidade. Outros modelos de previsão úteis incidem sobre o desenvolvimento fenológico das plantas e sobre o balanço de água para aconselhar sobre a irrigação. Os modelos de previsão permitem aos operadores prever um problema, identificar uma deficiência numa cultura e agir imediatamente.

Velia Sartoretti – Agricolus

[wysija_form id=”1″]


Publicado

em

por

Etiquetas: