Tecnologias de ponta ajudam a otimizar arranquio e aumentam eficiência na agricultura subterrânea.
Produtores de culturas subterrâneas como amendoim (Arachis hypogaea L.), batata (Solanum tuberosum) e batata-doce (Ipomoea batatas) enfrentam o desafio de determinar o momento ideal para a colheita e prever a qualidade e produtividade das plantações. Esses desafios surgem porque os frutos crescem abaixo do solo, tornando sua avaliação visual impossível até o momento do arranquio.
“Para colher o amendoim, é necessário que 70% das vagens estejam maduras. Isso exige arrancar as plantas do solo para uma análise visual, o que mobiliza a terra e gera emissões de CO₂”, explica o professor Rouverson Pereira da Silva, da Universidade Estadual Paulista (Unesp), campus de Jaboticabal.
Para resolver esse problema, pesquisadores estão utilizando tecnologias de sensoriamento remoto, como imagens captadas por drones e satélites, associadas a inteligência artificial. Essas ferramentas permitem criar modelos computacionais que analisam características das folhas das plantas para determinar a maturidade e o rendimento das culturas, como o amendoim. Assim, é possível aumentar a produtividade e reduzir emissões de carbono, evitando a necessidade de operações manuais intensivas.
Os avanços desse projeto, financiado pela Fapesp, foram apresentados por Silva durante um painel sobre saúde do solo na Fapesp Week Spain, realizada nos dias 27 e 28 de novembro na Universidade Complutense de Madri (UCM).
“Conseguimos estimar a maturidade do amendoim com mais de 90% de precisão, eliminando a necessidade do arranquio. Já na batata-doce, nossos modelos conseguem prever até o tamanho da cultura”, afirma Silva.
A precisão das estimativas é obtida a partir da análise da reflectância das plantas – a capacidade de refletir energia solar em diferentes comprimentos de onda, como as bandas visíveis (verde, amarelo e azul) e invisíveis (infravermelho). Essas análises permitem calcular índices de maturação e identificar a saúde das plantas. “Folhas saudáveis refletem energia de maneira específica, enquanto folhas doentes apresentam padrões diferentes. Quanto mais saudável a planta, maior será sua produção”, explica o pesquisador.
Além de otimizar o momento da colheita, os modelos computacionais ajudam na regulagem de máquinas agrícolas, reduzindo perdas e melhorando a eficiência dos processos.
“Com essas estimativas, ajustamos as máquinas de forma precisa, resultando em menor desperdício e maior eficiência”, complementa Silva.
Atualmente, o projeto está na etapa de transferência de tecnologia para os produtores, o que exige tempo e esforço significativo. “Precisamos coletar dados de campo ao longo de vários anos, arrancando milhares de plantas para validar nossos modelos. Além disso, a diversidade de cultivares, como no caso do amendoim, exige um sistema robusto capaz de operar em diferentes condições e variedades”, finaliza Silva.
