Trigo de inverno

Dr. Antonio Ray Asebedo, Professor Assistente de Agricultura de Precisão na Kansas State University (KSU), tem vindo a estudar a combinação de drones e câmaras multiespectrais num esforço para melhorar as recomendações para a gestão do azoto.

“Neste momento, vejo-os como tendo potencial para serem uma ferramenta muito valiosa para utilização em agronomia para fazer recomendações de azoto. As recomendações de taxa variável de azoto custam muito dinheiro aos agricultores. Com um algoritmo adequado ou um cérebro, se preferir, estamos a tentar dar a esse drone um doutoramento agronómico para que possa ajudá-lo a decidir o rendimento da sua exploração e também o tipo de programa de fertilidade que precisa de executar.”

“Com um algoritmo adequado (ou um cérebro, se preferir), estamos a tentar dar a esse drone um doutoramento agronómico.

– Dr. Asebedo

Testou a série RedEdge da MicaSense e concluiu que “a seleção das cinco bandas: azul, verde, vermelho, borda vermelha e infravermelhos próximos é ideal para os algoritmos de recomendação de nitrogénio”.

A maior parte dos algoritmos existentes na KSU foram criados para sensores ópticos activos e o Dr. Asebedo não só queria ver se esses algoritmos funcionariam para a RedEdge, como também queria ver se podia criar algoritmos de recomendação de nitrogénio optimizados especificamente para a câmara.

“Estes algoritmos ajudarão não só a determinar a taxa, mas também o momento ideal. O momento das aplicações de azoto é fundamental. Se se pretende realmente aumentar os rendimentos e melhorar a eficiência da utilização do azoto, o momento é provavelmente tão importante, se não mais importante, do que a taxa. Este sistema, que utiliza drones e monitorização de culturas, presta-se a um algoritmo que pode tirar partido dessa resolução temporal e ajudar a determinar o momento certo para a aplicação.”

Estudou cinco locais no Kansas, aplicando diferentes níveis de tratamento a parcelas separadas em cada local. Várias vezes ao longo da estação de crescimento, recolheu amostras de solo, analisou as parcelas com um sensor ótico ativo baseado no solo e captou imagens aéreas multiespectrais com o RedEdge.

Utilizou as imagens multiespectrais para produzir várias camadas de mapas analíticos da zona, incluindo o NDVI. Em seguida, comparou o NDVI com outro mapa NDVI derivado do sensor ótico ativo terrestre e fez recomendações utilizando um dos algoritmos padrão da KSU. Quando as culturas amadureceram, fez a colheita com uma ceifeira-debulhadora de parcelas, estimou o rendimento do grão e avaliou a humidade do grão, bem como a concentração de azoto.

“Se quiser realmente aumentar os rendimentos e melhorar a eficiência da utilização do azoto, o momento certo é provavelmente tão importante, se não mais importante, do que a taxa.

– Dr. Asebedo

Descobriu que a recolha de várias vezes nas principais fases de crescimento permite uma melhor avaliação, reduzindo as taxas de aplicação sem sacrificar o rendimento. Descobriu também que os dados captados com a RedEdge podiam efetivamente ser utilizados em algoritmos originalmente concebidos para sensores ópticos activos. Verificou-se que o RedEdge e o sensor ótico ativo produziram NDVI semelhantes que foram normalizados ao longo do tempo.

“Uma boa maneira de pensar no azoto a taxa variável é pegar num campo grande e dividi-lo em vários campos pequenos. Podemos sobrevoar o campo com a nossa câmara multiespectral e determinar como dividir o campo. Não estamos a falar apenas de polígonos simétricos. Deixamos a cultura ditar a forma de dividir o nosso mapa com base na sua interação com o solo; as imagens prestam-se melhor a isso”.

“Trata-se de uma agricultura específica do local: é possível abordar as variações locais do solo, as interacções entre culturas e também os impactos do clima. Ao abordar áreas específicas num campo de acordo com as suas necessidades individuais, podemos fazer recomendações de nitrogénio mais optimizadas em comparação com as aplicações de nitrogénio em bloco que são normalmente aplicadas.”

A combinação dos dados da RedEdge com os algoritmos actuais da KSU aumentou significativamente a eficiência agronómica. O tratamento de gestão intensiva RedEdge/KSU aplicou a menor quantidade de azoto e avaliou melhor as necessidades de azoto do trigo de inverno em comparação com os tratamentos de aplicação única em cobertura aplicados no início da primavera.

Para tirar o máximo partido dos dados da RedEdge, o Dr. Asebedo está a trabalhar em algoritmos personalizados à medida que prossegue a sua investigação na época de 2016-17. O objetivo principal é alcançar eficiências agronómicas entre 60-70% sem redução do rendimento.

“O objetivo final destes algoritmos e sistemas é produzir mais rendimento com menos azoto. O que significa que o agricultor vai ter mais lucro por hectare, produzir um grão de maior qualidade e em maior quantidade. O que significa que ajudaremos a alimentar um mundo de 9 mil milhões de pessoas até 2050. E como estamos a utilizar menos azoto e a aplicá-lo quando a cultura é mais eficiente a absorvê-lo, estamos também a reduzir o impacto ambiental, o que contribui para um sistema agrícola sustentável. Portanto, acaba por ser uma situação vantajosa para todos”.