Cerrado baiano: drones garantem 66% de acurácia no monitoramento de pastagens
Pesquisa da Embrapa, aponta que tecnologia é utilizada para vigiar cobertura e altura das pastagens
Por |
Drones levam três horas para cobrir completamente uma área experimental de mais de 100 hectares. (fotos - Mapa)
Pesquisas da Embrapa apontam que o uso de drones para o monitoramento da cobertura e altura de pastagens, na pecuária de corte, alcançou 66% de acurácia no Cerrado baiano.
Os experimentos, realizados entre 2019 e 2021, reforçam o quanto a ferramenta de sensoriamento remoto pode aumentar a eficiência da agropecuária com benefícios como, por exemplo, a otimização do tempo e controle da produção rural.
A pesquisa foi desenvolvida na Fazenda Trijunção, no município de Cocos, interior da Bahia, em sistema de pecuária de corte com pastejo rotacionado e uso da braquiária BRS Piatã.
Segundo a pesquisadora da Embrapa Pecuária Sul (RS) Márcia Silveira, o trabalho comparou os dados digitais da altura do pasto e cobertura do solo, captados a partir das imagens feitas por drones, com os valores observados a campo.
A Embrapa utilizou métodos tradicionais de medição, como a avaliação por equipe treinada e mensuração com régua de manejo, bem como avaliação de cobertura do solo e amostragem de forragem.
“O nosso objetivo foi verificar se um drone comum, passível de ser adquirido por um produtor, aliado a um treinamento de máquina, pode auxiliar na estimativa da cobertura vegetal e altura da planta”, explica Silveira.
“Queríamos avaliar se o uso correto dessa ferramenta pode ajudá-los na tomada de decisões relacionadas ao manejo do gado, mediante esse comparativo entre as imagens geradas pelo drone e as informações obtidas no campo, considerando medição de altura, corte de forragem e cobertura do solo pela planta forrageira”.
A pesquisa reforça ainda como os drones podem auxiliar nos avanços da pecuária brasileira, permitindo avanços no setor. “A altura (da planta) pode ser utilizada como critério prático para definir o momento ideal de pastejo, bem como permite identificar a necessidade ou não de realização de ajustes de carga animal”, explica Flávia Santos, pesquisadora da Embrapa Milho e Sorgo (MG) e líder do Projeto Trijunção.
“Com as imagens, é possível estabelecer condições ótimas de utilização do pasto mediante os principais processos envolvidos no crescimento e utilização das plantas forrageiras sob pastejo”, acredita Flávia.
Ela destaca ainda que o desenvolvimento dos procedimentos para processamento e a análise de imagens de drones realizados pela Embrapa durante a pesquisa reforçam os benefícios do uso do sensoriamento remoto como ferramenta auxiliar no manejo de pastagens.
“Futuramente, os estudos podem servir como base para a criação de novos produtos, como aplicativos para smartphones, otimizando ainda mais o trabalho no campo”, acrescenta.
Animais monitorados por drones.
Coberturas do Solo
A Embrapa recorda que as bandas de imagens realizadas por drones em diferentes épocas, durante dois anos, foram comparadas com três classes de cobertura do solo, que representam o manejo de uma propriedade pecuária: pré-pastejo, em pastejo e pós-pastejo, além de uma categoria denominada de solo exposto.
O software R-Studio, de recuperação de dados, foi usado para validação do algoritmo e análise das imagens captadas pelo drone. A fórmula aplicada combinou as diferentes bandas da imagem para predizer a classe de cobertura e altura do pasto. A avaliação da precisão do padrão desenvolvido foi realizada a partir da análise da matriz de confusão (erro) e da matriz de acerto do programa.
A metodologia empregada utilizou a técnica de aprendizado de máquina (machine learning) em ambiente digital.
De acordo com o engenheiro agrônomo e doutorando em Agronomia da Universidade Federal de Viçosa (UFV) Pedro Almeida, o script desenvolvido durante o estudo é um compilado de diversas ferramentas utilizadas para classificação digital de imagens.
“Utilizamos a resposta espectral das imagens de drone para correlacionar com as classes de manejo de pastagens. A partir dos dados de campo, comparamos as variáveis com as leituras realizadas em campo. Ao final, foi possível estabelecer relações entre a cobertura do solo e a altura da planta, possibilitando a automatização da área completa, em vez de apenas uma amostragem estatística”, diz.
Considerando todo o conjunto de dados, o modelo ajustado alcançou 66% de exatidão e índice Kappa 0,53 na predição das quatro classes (pré-pastejo, em pastejo, pós-pastejo e solo descoberto).
O coeficiente Kappa mede a concordância entre duas formas de avaliação – no caso, a análise do software a partir das imagens de drone e a medição convencional feita a campo.
Integração de tecnologias no campo
Para Manoel Filho, também pesquisador da Embrapa Milho e Sorgo, a integração de tecnologias que aumentem a eficiência dos monitoramentos da propriedade rural tem sido uma busca constante na produção agropecuária moderna, visando auxiliar a gestão e execução dos processos produtivos em um cenário de escassez de mão de obra.
O oeste da Bahia, onde o estudo vem sendo realizado, é caracterizado pela produção em grandes extensões e um estreito período de produção nos sistemas de sequeiro. Nessa realidade, o emprego de métodos práticos, de grande alcance e confiáveis de monitoramento, como o uso de drones, torna-se fundamental.
“O nosso trabalho tornou muito perceptível a agilidade do drone para o levantamento das informações, uma vez que leva apenas três horas para cobrir completamente uma área experimental de mais de 100 hectares”, destaca o geólogo e doutorando da Universidade Federal de Viçosa (UFV) Cláudio Andrade.
Além disso, as imagens produzidas tornam-se, automaticamente, um banco de dados visuais de fácil acesso e disponibilização. O aumento da acurácia, fruto desses resultados, aponta que esse modelo tem potencial para se configurar como um auxílio significativo para o manejo de pastagens em grande escala. Monitoramentos adicionais estão sendo realizados pela pesquisadora da Secretaria da Agricultura, Pecuária, Produção Sustentável e Irrigação Rio Grande do Sul (SEAPDR-RS) Carolina Bremm, que trabalha na melhoria de acurácia e validação do modelo.