Modelagem espaço-temporal de variáveis biométricas, produtivas, botânicas, morfológicas e nutricionais em sistemas integrados de produção com uso de drone e inteligência artificial

Descrição

A intensificação sustentável da agropecuária brasileira depende do desenvolvimento de sistemas produtivos capazes de conciliar aumento da produtividade, conservação dos recursos naturais, diversificação da produção e redução e, ou recuperação da degradação das pastagens (DIAS-FILHO, 2014; ALMEIDA et al., 2019). Nesse contexto, sistemas integrados de produção (e.g. Lavoura-Pecuária-Floresta) são alternativas promissoras para a produção animal e vegetal em bases sustentáveis (BALBINO; BARCELLOS; STONE, 2011; BOLFE et al., 2020). Entretanto, o monitoramento convencional de variáveis biométricas, produtivas, botânicas, morfológicas e nutricionais desses sistemas é frequentemente laborioso, destrutivo e pouco representativo da variabilidade espacial das áreas experimentais (PEDREIRA; BRAGA; PORTELA, 2017; WANG et al., 2017). O uso de Aeronaves Remotamente Pilotadas (ARP) - drones, com sensores RGB e multiespectrais embarcados, índices de vegetação e modelos de regressão (lineares/não-lineares e univariados/multivariados) e algoritmos de aprendizado de máquina, apresenta elevado potencial para a estimativa não destrutiva dessas variáveis (ROUSE et al., 1974; HUETE, 1988; MATIAS; CARAZA-HARTER; ENDELMAN, 2020; SANTOS et al., 2021). O presente projeto tem como objetivo modelar a variabilidade espacial e temporal de variáveis biométricas, produtivas, de composição botânica, composição morfológica e concentração de nitrogênio em duas áreas experimentais da UFRRJ: i) sistema com moringa (Moringa oleifera Lam.) e pastagem (Brachiaria decumbens) no Setor de Caprinocultura do Instituto de Zootecnia (IZ); e ii) sistema integrado de produção sustentável (SIPAS), composto por capim-Tamani (Megathyrsus maximus cv. BRS Tamani), amendoim forrageiro (Arachis pintoi cv. Belmonte), gliricídia (Gliricidia sepium) e coqueiro (Cocos nucifera), implantado também no IZ. Serão realizadas avaliações de campo para determinação de biometria, produção de biomassa, composição botânica, composição morfológica e concentração de N. Paralelamente, serão obtidas imagens RGB e multiespectrais por drone, processadas para geração de ortofotomosaicos, modelos digitais e índices de vegetação. Os dados espectrais e as variáveis medidas em campo serão usadas para calibração e validação de modelos estatísticos e de aprendizado de máquina (BREIMAN, 2001; WILLMOTT, 1981). Como resultados científicos, espera-se obter uma base de dados para sistemas integrados de produção, modelos de estimativa não destrutiva para biomassa, composição botânica, composição morfológica, concentração de N e indicadores fisiológicos, além de mapas de variabilidade espacial e temporal aplicáveis ao manejo de sistemas integrados de produção. A proposta também contribuirá para a formação de pessoal em iniciação científica, com capacitação em experimentação de campo, sensoriamento remoto, processamento de imagens, fisiologia vegetal, análises laboratoriais, organização de banco de dados, estatística e inteligência artificial. A execução é viável visto que as áreas experimentais encontram-se instaladas ou em fase avançada de estruturação, com apoio técnico da UFRRJ, e os principais equipamentos necessários, como drone, câmeras multiespectrais, ceptômetro, integrador de área foliar, estufas, balanças e infraestrutura computacional, foram adquiridos ou disponibilizados em projetos anteriores, incluindo o projeto FAPERJ “Crescimento, produção e uso eficiente da água e radiação em sistemas agroflorestal com suporte de aeronave remotamente pilotada (RPA) para uma agropecuária sustentável no estado do Rio de Janeiro” (processo E-26/210.435/2024), o projeto CNPq “Uso do sensoriamento remoto orbital e suborbital (ARP) integrado a uma rede de torres de fluxos para monitoramento das trocas líquidas de energia e massa (vapor d’água e CO2) em áreas de pastagens inseridas em diversos biomas brasileiros” (processo E-26/211.184/2019).