A Universidade do Missouri revelou novas abordagens para melhorar a eficiência no cultivo agrícola, utilizando inteligência artificial (IA) para adaptar práticas de plantio às condições específicas de cada área de uma propriedade.

Tradicionalmente, os agricultores aplicam uma abordagem uniforme em suas plantações, o que pode resultar em perdas financeiras, uma vez que diferentes partes de um campo podem apresentar desempenhos distintos. Com o auxílio de tecnologias digitais, pesquisadores da Mizzou estão explorando métodos que permitem o gerenciamento das áreas de cultivo de acordo com suas características únicas.

Estratégias inteligentes de plantio com IA

Segundo Jasmine Neupane, professora assistente de tecnologia de sistemas agrícolas na Mizzou, algumas áreas de um campo podem ter solo e umidade superiores, enquanto outras podem ser mais suscetíveis à erosão ou perda de nutrientes. Para otimizar o uso de sementes, Neupane e sua equipe utilizaram um modelo de IA para analisar dados de duas fazendas em Ohio, demonstrando como a semeadura em taxa variável (VRS) pode ajudar a maximizar a produção.

A VRS permite que o equipamento ajuste as taxas de semeadura em tempo real, com base no potencial de rendimento de cada área, ao invés de semear a mesma quantidade de sementes em todo o campo. O modelo de IA foi treinado com dados comuns de campo, incluindo amostras de solo, elevação e históricos de rendimento, para gerar recomendações mais específicas para cada local.

“A IA ajuda os agricultores a escolher a taxa de plantio adequada para diferentes partes do campo”, afirma Neupane. “Ela também auxilia na dosagem de fertilizantes e defensivos agrícolas, resultando em custos menores e melhores resultados gerais”.

Resultados variados entre culturas

A pesquisa focou em milho e soja, duas das culturas mais cultivadas nos Estados Unidos, e revelou diferenças significativas na resposta a essa nova abordagem. O milho apresentou resultados consistentes e previsíveis, permitindo identificar onde taxas de plantio mais altas eram vantajosas, o que o torna um candidato forte para a agricultura de precisão.

Por outro lado, a soja apresentou desafios maiores, pois as plantas se adaptam às condições climáticas, tornando difícil prever como as alterações nas taxas de semeadura afetarão os rendimentos finais. Fatores ambientais, como chuva e temperatura, mostraram ter um impacto mais significativo do que as decisões de plantio, indicando a necessidade de mais pesquisas antes que o modelo possa oferecer recomendações consistentes para os agricultores de soja.

Neste verão, Neupane planeja expandir a pesquisa para os campos do Centro de Pesquisa e Extensão em Agricultura Digital da Mizzou. Sua motivação pessoal para esse trabalho vem de sua experiência no Nepal, onde presenciou os desafios enfrentados por agricultores com pequenas propriedades e acesso limitado à tecnologia. Ela espera que, com o avanço das ferramentas de IA, os agricultores possam entender melhor suas terras e tomar decisões mais informadas.

A pesquisa, intitulada “Levantando aprendizado de máquina e análise geoespacial para determinar ótimos agronômicos e econômicos para semeadura em taxa variável em milho e soja”, foi publicada no Agronomy Journal.