Home / Casos / Como a tecnologia via satélite prevê o rendimento das culturas
satellite2412

Como a tecnologia via satélite prevê o rendimento das culturas

Como condições meteorológicas extremas se tornando mais frequentes e o aumento dos impactos no comportamento dos preços dos produtos agrícolas, novas e mais sofisticadas técnicas de previsão do rendimento das colheitas estão surgindo.

Uma delas é a detecção remota, onde normalmente os satélites são usados ​​para ajudar a fazer previsões iniciais de rendimento para uma variedade de culturas. Esta previsão de alta tecnologia depende de medir como a vegetação reflete ou absorve a radiação eletromagnética, mais invisível a olho nu, para avaliar o provável futuro rendimento.

Mas transformar informações de sensoriamento remoto em previsões úteis e confiáveis ​​é uma arte assim como uma ciência, já que requer analistas altamente treinados para processar e interpretar as imagens. Imagens de sensoriamento remoto são apenas algumas provas; ela também requer dados de tempo e clima, bem como a adição do trabalho de campo.

Para explicar como o mundo do sensoriamento remoto pode ser usado para lhe dar uma vantagem na previsão do rendimento e preços dos produtos agrícolas, nos reunimos com o Dr. Daniel Redo, Gerente de Pesquisa Agrícola da Lanworth da equipe da Thomson Reuters. Ele supervisiona a equipe da Lanworth no início da estação e previsões de longo alcance da produção de milho, soja, trigo e colza nos Estados Unidos, América do Sul, Europa, Ásia e Austrália.

Você pode nos explicar os conceitos básicos do sensoriamento remoto em termos leigos?

Um bom ponto de partida é considerar o Google Earth, onde podemos ver as imagens que são compatíveis ao olho humano. A água tem vários tons de azul, a vegetação aparece verde, e assim por diante. As cores visíveis são certamente úteis, mas há muito mais informações do que um sensor pode capturar que nós humanos não podemos ver. Assim, as técnicas mais avançadas de sensoriamento remoto também dependem da análise de energia que não é visível a olho nu. Além da luz física que podemos ver sob a forma de cores, existe uma variedade de outros comprimentos de onda que vão da energia eletromagnética, infravermelha, até mesmo micro-ondas que são críticas para o rendimento da previsão das colheitas e área de mapeamento.

Sensores em satélites, drones ou aviões podem detectar como essa energia é transmitida, absorvida ou refletida em função da forma e textura das áreas. O resultado é que nós podemos produzir uma imagem do tipo grade de pixels individuais que podem ser dadas aos marcadores digitais para ajudar a identificar as diferenças entre os objetos com base em suas propriedades de reflexão. Detectar essas diferenças pode nos ajudar, por exemplo, a distinguir a agricultura de outras coberturas em terrenos tais como florestas, água e áreas urbanas.

O sensoriamento remoto tem se desenvolvido a um grau que chega a ser parte essencial do processo geral da previsão?

A tecnologia via satélite não é particularmente nova e muitas imagens foram e ainda estão disponíveis gratuitamente pelo governo dos EUA, por exemplo. O que eu diria que mudou a equação foi o desenvolvimento recente do armazenamento mais eficiente e capacidade de processamento. A decolagem do sensoriamento remoto é em parte sobre a capacidade muito maior do servidor em armazenar as imagens e também a capacidade de hoje processar grandes quantidades de imagens de satélite.

Cor natural (à esquerda) e cor falsa (à direita) imagens compostas retirados do satélite Landsat 8 em 20 de julho de 2014 (imagens foram baixados do USGS’ Global Visualization Viewer em http://glovis.usgs.gov/). As características dominantes mostram o rio Missouri, a cidade de Mobridge, Dakota do Sul, e uma mistura de terra e outras formas de vegetação natural. Na imagem de cor falsa à direita, culturas saudáveis ​​e áreas florestais são mais acentuadas devido à cor vermelha profunda, que é possível tendo em conta a radiação do infravermelho próximo, uma forma de energia não detectável pelo olho humano.

Está disponível em todos os mercados geográficos ou depende da cobertura do satélite?

Somos capazes de cobrir quase todas as principais regiões agrícolas usando o satélite MODIS da NASA. Este é o nosso principal satélite e é alto o suficiente para revisitar o mesmo ponto na superfície da Terra todos os dias, o que nos dá muitas oportunidades para encontrar dias sem nuvens. O sensor MODIS a bordo nos satélites Terra e Aqua orbita mais alto acima da Terra do que a maioria dos outros satélites e quanto mais alto você está, mais o pixel se torna grosso — o que representa um intervalo de 250 metros por 250 metros com o MODIS. Apesar disso ser considerado grosseiro, somos capazes de ver regiões inteiras frequentemente.

Para ver coisas abaixo dessa resolução usamos sensores a bordo em satélites com órbitas mais baixas, tais como Landsat, outro satélite dos EUA, ou podemos utilizar aeronaves e aviões teleguiados para obter mais detalhes, como na agricultura de precisão. O MODIS é bom para sensoriamento remoto a nível global, por exemplo, se quiséssemos detectar a seca generalizada na Austrália.

É fácil alguém entendê-los ou eles são mais complicados?

Enquanto todos nós podemos ir ao Google Earth e ver a vegetação ou água e compará-las ao longo do tempo para visualizar secas ou inundações, você precisa transformar isso em algo útil, quantitativo. Quanto de impacto na produção uma mudança climática terá, ou para ser mais preciso, quais são as mudanças quantificáveis ​​no rendimento? É aí que a experiência de interpretar os dados importa. E como não existem dois anos iguais, também ajuda a ter um número de estações por perto.

Você pode explicar como as imagens são interpretadas?

Enquanto as imagens de satélite estão naturalmente nos dando informação histórica, elas ainda podem ser usadas ​​como parte de uma previsão de futuro. Além disso, elas também são importante para cruzar informações. Uma grande parte do trabalho de base está em visitar os campos durante o plantio e formação do rendimento, mas usar imagens de satélite nos permite monitorar diretamente as condições da colheita por áreas do tamanho de estados e países, ao contrário do trabalho de campo ou qualquer outra ferramenta. Porque elas monitoram diretamente culturas em grande escala, os satélites também são nossas melhores ferramentas para a detecção de alterações novas ou inovadoras nas colheitas.

Por exemplo, ao longo dos últimos anos, os satélites têm nos mostrado que os agricultores da América do Sul, particularmente no Brasil e no Paraguai, estão plantando as culturas muito mais cedo do que no passado. Isso tem reduzido substancialmente alguns riscos associados às secas e às doenças, uma vez que ajuda a garantir que as culturas formem grande parte do seu rendimento antes do momento em que as secas ou doenças atingem seu pico.

Quais tipos de problemas podemos detectar — apenas secas ou outros problemas, por exemplo, como as doenças ou a falta de nutrientes?

Existem muitas opções disponíveis, mas são predominantemente as secas (ou falta dela) que detectamos. Gostaríamos de usar uma variedade de técnicas, tais como índices de vegetação para mapear a quantidade de densidade de vegetação presente, o que pode estar indiretamente relacionado as secas ou doenças por falta de nutrientes.

Quem são os maiores usuários do sensoriamento remoto na agricultura?

A maioria de nossos clientes são gerentes de fundos especulativos ou alimentadores de gado, eles usam indiretamente produtos de sensoriamento remoto. Os maiores usuários diretos são aqueles operando na agricultura de precisão muitas vezes na escala de uma fazenda individual.

Existem determinados produtos agrícolas que o sensoriamento remoto funciona melhor ou é mais comum? Por exemplo na Ásia, qual a importância de prever o rendimento das culturas e a direção dos mercados como o da soja, óleo de palma, etc.?

Existem algumas diferenças fundamentais já que não há duas culturas iguais. Para os principais grãos e oleaginosas, o sensoriamento remoto funciona bem, porque podemos facilmente detectar o ciclo de crescimento da planta. Depois que a cultura é plantada, podemos facilmente ver a planta crescendo, atingir a maturidade, desenvolver-se, e, em seguida, ser colhida. Podemos, então, comparar o ciclo de crescimento desta temporada em vários momentos para outras estações.

Mas para outras culturas, como o óleo de palma da Indonésia, cana de açúcar ou café, é mais complicado, pois estas culturas não têm ciclos de crescimento semelhantes. Elas são culturas arbóreas e a colheita ocorre ao longo de vários anos. No caso do óleo de palma, por exemplo, as árvores permanecem após o fruto ser removido. Isto representa um grande desafio para a comunidade de sensoriamento remoto, pois não podemos ver mudanças na densidade da vegetação com a árvore remanescente após apenas o fruto ser removido.

É comum para os participantes do mercado de produtos agrícolas usar o sensoriamento remoto? Você pode usar esses dados para antecipar mudanças nos preços das matérias-primas?

O sensoriamento remoto está sendo cada vez mais utilizado pelos participantes do mercado que buscam ganhar uma vantagem. Ainda é a única ferramenta disponível que pode ver e monitorar grandes áreas em uma base consistente sem demora e trabalho caro de campo.

No entanto, o que ainda impede seu uso é que ele requer intérpretes treinados e qualificados e com capacidade de processamento para transformar uma imagem em ação. O benefício das nossas abordagens de modelagem é que ela pode gerar um número específico de produção — olhamos a área, a quantidade e rendimento para dar números acionáveis. O outro valor adicionado é a pontualidade. Podemos dar nossas previsões com mais frequência, bem como à frente dos relatórios oficiais, como aqueles do Departamento de Agricultura dos EUA ou outras agências nacionais.

Por exemplo, este ano nos EUA, as culturas de soja e milho tiveram um rendimento recorde. As imagens do sensoriamento remoto, juntamente com o monitoramento do clima e trabalho de campo, nos ajudaram a ganhar essa vantagem. Estávamos vendo rendimentos muito mais elevados por imagens de satélite antes de quase todos os outros e nossos clientes tinham acesso a essas informações antes de todos.

Empresas como a Cropio, oferecem tais serviços.

(Com base em http://openmarkets.cmegroup.com/9625/how-satellite-technology-is-predicting-crop-yields)

Como a tecnologia via satélite prevê o rendimento das culturas обновлено: Fevereiro 5, 2016 автором: admin

Leave a Reply

Your email address will not be published. Required fields are marked *

*