Pesquisadores da Universidade Federal de Viçosa, Embrapa e Universidade do Nebraska, Lincoln (EUA) utilizam recursos computacionais e a aplicação de algoritmos de inteligência artificial para buscar avanços nos estudos de evapotranspiração de culturas por sensoriamento remoto.
Eles utilizaram dados do sensor multiespectral MSI, embarcado na constelação de satélites Sentinel-2, associados a algoritmos de aprendizado de máquina, na tentativa de estimar a evapotranspiração de lavouras de cana-de-açúcar irrigados por pivô central na região norte do estado de Minas Gerais.
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).
Conforme Robson Argolo, da Universidade Federal de Viçosa, os resultados desta pesquisa representam um avanço na utilização do sensoriamento remoto para o manejo da irrigação, o qual ainda é um desafio devido à complexidade e à resolução temporal ao utilizar uma única plataforma.
“Dessa forma, explica Argolo, 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”.
Além disso, ele menciona que este 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.
O pesquisador da Embrapa Meio Ambiente Vinicius Bufon explica que o objetivo foi desenvolver modelos mais simplificados de estimativa de evapotranspiração por sensoriamento remoto, mas com capacidade de predição e confiabilidade aceitáveis.
Tais algoritmos, baseados em inteligência artificial, possuem uma estrutura robusta que permite a identificação de padrões de relacionamento entre as variáveis a serem modeladas e as chamadas variáveis preditoras (independentes). Aprendizado de máquina é uma área interdisciplinar baseada em ciência da computação, estatística, matemática e otimização, entre várias outras áreas.
A evapotranspiração é a principal medida do uso de água pelas culturas agrícolas e vegetação nativa. Além de ser referência da saúde das plantas, seu vigor e potencial produtivo, permite realizar o balanço hídrico – uma contabilidade das entradas e saídas de água do ambiente onde estão as plantas. Através do balanço hídrico, compreende-se o nível de satisfação hídrica das plantas, inclusive no contexto das mudanças climáticas.
Com informações Embrapa Imprensa. Clique AQUI para ler o artigo completo
Comments