Colaboração entre GeoPard e Cornell University CAST, NMSP em Agricultura Orientada por Dados

O Centro de Testes e Demonstração de Sistemas Agrícolas da Universidade Cornell (CAST, na sigla em inglês) para a Fazenda do Futuro e o Programa de Gestão de Nutrientes da Universidade Cornell (NMSP, na sigla em inglês) uniram-se à plataforma de agricultura de precisão GeoPard Agriculture para transformar dados brutos de produtividade em recomendações práticas para a agricultura.

O CAST – um conjunto de três fazendas reais no estado de Nova York – serve como campo de testes para tecnologias da “Fazenda do Futuro”, promovendo soluções baseadas em dados para a produção agrícola e leiteira. A equipe do NMSP realiza pesquisas, facilita a transferência de tecnologia e conhecimento e auxilia na implementação, nas fazendas, de estratégias benéficas para o manejo de nutrientes em culturas agrícolas, visando aumentar a sustentabilidade agrícola em todo o estado de Nova York.

A GeoPard está trabalhando com a CAST e a NMSP para aprimorar o processamento de dados em ferramentas digitais de agronomia – uma combinação de ciência, tecnologia e ensaios liderados por agricultores que exemplifica o futuro da agricultura de precisão.

CAST e NMSP de Cornell

O CAST faz parte da iniciativa "Fazenda do Futuro" do USDA NIFA e opera sob os auspícios do Instituto Cornell de Agricultura Digital. O CAST reúne três fazendas em escala comercial (cultivo de grãos e produção leiteira) em um ecossistema unificado de P&D. Sua missão é testar e demonstrar tecnologias integradas de agricultura de precisão (da robótica à análise de dados) em condições reais de cultivo.

Em paralelo, o Programa de Manejo de Nutrientes (NMSP, na sigla em inglês), liderado pela Dra. Quirine Ketterings, concentra-se em pesquisa e extensão aplicadas ao solo e às culturas. A equipe do NMSP avalia o uso de nutrientes e a variabilidade da produtividade nas fazendas; por exemplo, foi pioneira no desenvolvimento de “zonas de estabilidade de produtividade”, combinando dados de produtividade de três ou mais anos para mapear áreas de alta e baixa produtividade consistentes, em contraste com áreas de produtividade variável.

Esses mapas de zonas de estabilidade (com zonas Q1 a Q4 para consistência de rendimento alto/baixo) e novos modelos de ensaio, como a Abordagem de Avaliação Espacial de Faixa Única (SSEA, na sigla em inglês), ajudam os agricultores a testar, por meio de pesquisas em campo, se as mudanças de manejo são vantajosas, considerando a variabilidade conhecida dentro da área cultivada.

Plataforma Agrícola GeoPard

O GeoPard Agriculture oferece um mecanismo de análise baseado na nuvem que processa quaisquer dados geoespaciais agrícolas. Como a GeoPard afirma, a plataforma é "uma poderosa ferramenta de análise imparcial baseada na nuvem para agricultura de precisão", capaz de lidar com dados multicamadas e multianuais. Na prática, o GeoPard ingere arquivos de monitoramento de produtividade, mapas de solo, imagens de satélite e muito mais para produzir mapas e prescrições prontos para uso. Os principais recursos incluem a geração de zonas de manejo multianuais e mapas de prescrição de taxa variável (VRA), análises detalhadas de dados de produtividade e ferramentas de monitoramento de culturas.

Por exemplo, o GeoPard pode limpar e calibrar dados brutos de produtividade de colheitadeiras e até mesmo criar mapas sintéticos de produtividade (estimando a produtividade a partir de dados de satélite/drone) para preencher lacunas onde faltam dados históricos. A plataforma também oferece suporte à análise de dados topográficos e de solo, visualização de campo em 3D, comparação de dados de aplicação e muito mais.

• Mapeamento da zona de gestão e da VRA: O GeoPard utiliza camadas de produtividade/solo para delimitar zonas de cultivo e criar mapas de prescrição para aplicação precisa de insumos.
• Processamento de dados de rendimento: O sistema implementa a limpeza e calibração automatizadas dos registros de produtividade da colheitadeira e pode gerar mapas sintéticos de produtividade a partir de dados plurianuais e de sensoriamento remoto.
• Monitoramento de culturas e campos: Ferramentas baseadas em satélite e análises multi-índice ajudam a detectar tendências espaciais no desempenho das culturas e fatores limitantes ano após ano.

Pesquisa colaborativa e testes de campo

Nessa colaboração, a CAST e a NMSP estão explorando a plataforma GeoPard Agriculture para processar dados brutos de silagem de milho e monitoramento da produtividade de grãos, transformando-os em mapas de produtividade refinados, zonas de estabilidade de produtividade e avaliando a precisão da geração de dados sintéticos de produtividade.

Quirine Ketterings e sua equipe no NMSP estão usando dados de campos do CAST para avaliar e aprimorar a precisão dos algoritmos do GeoPard no mapeamento da produtividade, bem como para determinar a produtividade sintética tanto para avaliações de campos inteiros quanto para experimentos. Juntamente com o GeoPard, Ketterings e sua equipe estão avaliando a qualidade dos dados e os protocolos para gerar mapas de zonas de estabilidade de produtividade para campos com dados de vários anos.

Foto de Madeline Hanscom/NMSP

O objetivo é analisar tanto os ensaios de pesquisa convencionais em fazendas quanto os ensaios recém-desenvolvidos com a Abordagem de Avaliação Espacial de Faixa Única (SSEA, na sigla em inglês), que utilizam o conhecimento da variabilidade de produtividade dentro da área cultivada. Os principais aspectos da colaboração incluem:

1. Integração de dados: Os dados de colheita e precisão da CAST são processados no GeoPard, transformando arquivos brutos em mapas de produtividade georreferenciados e camadas de desempenho.
2. Validação do algoritmo: Os algoritmos de mapeamento de produtividade e de produtividade sintética da GeoPard são testados com base nos rigorosos dados de ensaios em fazendas do CAST/NMSP, aprimorando a tecnologia com base em medições reais.
3. Análise espacial: A equipe gera mapas de zonas de estabilidade de rendimento a partir de dados de vários anos e avalia o quão bem os modelos da GeoPard capturam os padrões reais do campo.
4. Desenho inovador do ensaio clínico: Novos métodos, como o SSEA, utilizam padrões de produtividade dentro do campo para comparar tratamentos de forma eficiente, com o apoio da análise espacial do GeoPard.

Ao trabalharem em conjunto, Cornell e GeoPard garantem que os resultados da plataforma estejam fundamentados na realidade das fazendas. Embora a GeoPard utilize modelagem avançada (incluindo estimativa de produtividade baseada em satélite), a validação nessas fazendas da Cornell, ricas em dados, torna suas recomendações mais confiáveis. Essa integração de ciência, tecnologia e prática de campo cria um ciclo de feedback: produtores e pesquisadores se beneficiam de ferramentas de agricultura de precisão mais confiáveis.

Impacto Prático: Rumo a uma Agricultura de Precisão Sustentável

O objetivo final é traduzir os resultados das parcelas de pesquisa em orientações práticas para os agricultores. O monitoramento e o mapeamento da produtividade permitem que os agricultores visualizem a variabilidade dentro da lavoura, possibilitando ações direcionadas em vez de tratamentos generalizados. De fato, estudos mostram que o mapeamento consistente da produtividade ajuda os agricultores a "ver quais áreas da lavoura estão apresentando bom desempenho e quais precisam de melhorias, auxiliando-os no planejamento de ações mais precisas".

Por exemplo, um agricultor pode usar os mapas do GeoPard para aplicar fertilizantes apenas onde as culturas apresentam desempenho inferior à média do campo, ou adotar práticas de conservação em zonas de baixa produtividade constante. Ao fornecer dados limpos, mapas de análise de estabilidade de rendimento e benchmarks sintéticos, a parceria entre Cornell e GeoPard apoia decisões economicamente viáveis e ambientalmente responsáveis.