Paraná
Inteligência artificial ajuda a decifrar processos erosivos
Pesquisa na região Sudoeste utiliza modelo computacional para analisar dados do solo de forma simultânea
A interação entre agricultura e tecnologia tem sido aprimorada. A busca por mais eficiência no campo aliada à redução dos impactos ambientais veio ao encontro da necessidade de desenvolver métodos mais avançados para o processamento de dados agrícolas, que ajudarão os produtores rurais a tomarem decisões mais acertadas.
Um dos subprojetos desenvolvidos pela Rede de AgroPesquisa e Formação Aplicada Paraná (Rede AgroParaná), que conta com apoio financeiro do SENAR-PR e do governo do Estado, busca determinar como ocorrem os processos erosivos com base em um modelo computacional chamado Rede Neural Artificial (RNA). Por meio da análise massiva de dados das propriedades químicas, físicas e biológicas do solo, o método compila resultados de outros subprojetos da Rede AgroParaná conduzidos no Sudoeste do Estado.
A RNA é uma metodologia computacional inspirada pelo processo de aprendizado do cérebro humano, com capacidade para modelar, predizer e classificar dados com mais velocidade e de forma simultânea. Segundo o professor adjunto da Universidade Tecnológica Federal do Paraná (UTFPR) e coordenador do subprojeto, Eder da Costa dos Santos, a inteligência artificial se assemelha ao conceito de aprendizado de máquina. Ou seja, a partir de regras definidas, os algoritmos da RNA vão tomar a decisão mais apropriada para o contexto, com base no reconhecimento de padrões dentro dos dados analisados, para entender os processos erosivos.
O coordenador explica que os parâmetros químicos, físicos e biológicos do solo interagem de forma dinâmica e, por isso, um processo erosivo está condicionado à imprevisibilidade das variáveis, que acontecem por diversas combinações. Por meio da RNA, será possível modelar e predizer como será o comportamento deste processo, em função das interações das características analisadas.
“Em outros modelos tradicionais [chamados de determinísticos], o algoritmo faz algumas atribuições, por exemplo, quanto maior a umidade, maior é a probabilidade de que a compactação de solo aconteça. Mas, nessa correlação, são descartados todos os outros fatores bióticos e abióticos mensuráveis que podem estar interagindo. A rede neural busca uma análise simultânea sobre toda essa dinâmica”, aponta Santos.
Na prática
A partir deste subprojeto será possível avançar no entendimento de como ocorre um processo erosivo em uma determinada área agrícola, e estimar as chances de ocorrência em outros pontos da propriedade e as relações com os aspectos daquele solo. “Ao compilar os dados, buscamos fatores da convergência das interações e como isso pode acelerar ou retardar o processo erosivo”, exemplifica.
Na continuidade da pesquisa, a ideia é utilizar imagens aéreas das lavouras e de água coletadas durante os eventos de precipitação, visando correlacionar a cobertura do solo e o escoamento superficial com os demais dados utilizados. Também será calculado o índice de produtividade do solo, correlacionado à predição da erosão.
Futuramente, a expectativa é que se possa aplicar esse modelo combinado ao uso das imagens em um aplicativo para smartphones. “A gente vislumbra que o agricultor possa
enviar fotos de um evento de escoamento para entender como está a suscetibilidade da área ao processo erosivo. Isso também deve estar associado a um questionário, que o produtor vai alimentar com os dados de análise de solo. Assim, ele pode ter um cenário da propriedade”, propõe Santos.
Nesse sentido, o pesquisador salienta que é fundamental que o produtor rural não deixe de fazer a sua parte. “A ciência indica possibilidades para amenizar a erosão, aumentar a produtividade e preservar o sistema de produção, mas o produtor que deve fazer a gestão disso”, conclui.
