01011101 ) 1910001010101001011111010010 ( \o Raniel Marcal Queiroz 1 519 Domingos Sarvio M. Valente Francisco de Assis Carvalho Pinto Aluizio Borém Universidade Federal 10 1editeiea0 10111 de Vigosa ;16. 17. Sumario Nova revolugao verde, 9 Sistemas de localizagao por satélites, 27 Anilise das variabilidades espacial e temporal, 45 Imagens e sensoriamento remoto aplicado a gestao agricola, 66 Geoprocessamento aplicado ao gerenciamento de lavouras, 87 Amostragem e interpretagaio de mapas, 110 Sensores e atuadores, 136 Maquinas, 160 Irrigagao digital, 177 |, Bovinocultura digital, 199 . Internet das coisas para a agricultura, 216 . Transmissio de dados, computagao nas nuvens e Big Data, 239 |. Machinelearning, 258 Plataformas, consoles e softwares, 286 Dados digitais: ciclo, padronizagao, qualidade, compartilhamento e seguranga, 308 Estudo de caso: SLC Agricola, 326 Glossario, 344Prefacio ‘A maior parte da populag&o urbana possui vistio romantizada € distorcida das empresas rurais, outrora chamadas de fazendas. Se perguntadas, muitas pessoas vaio responder descrevendo suas férias de infancia na fazenda do av6, onde se produzia quase de tudo que a familia precisava 4 mesa: arroz, feijfio, milho, hortaligas, came, leite, ovos, frutas etc. No entanto, essa imagem das fazendas é coisa do pasado. Hoje, geridas como empresas, as propriedades agricolas evoluiram e esto focadas na produc&o tecnificada de alimentos, buscando a sustentabilidade econdmica. Para muitas industrias, a Era Digital trouxe mudangas neste inicio do século XXI, decorrentes da alta capacidade de processamento dos computadores, dos smartfones, do sistema de geolocalizagao, da robotizagiio ¢ de outros avancos da tecnologia da informacao. Trouxe também novas formas de organizar a produgdo ¢ de otimizar as operagdes ¢ a logistica, além de oferecer melhores meios para atender as demandas dos consumidores. Essa onda tecnoldgica levou & modemizagio dos processos de informagio e comunicagao, tornando-se a forga motriz que ja transformou as indistrias da satide e de medicamentos, de telecomunicagdes e automotiva, assim como as atividades bancarias, comerciais, entre outras. A agricultura esté iniciando sua transformagio digital, e a adogao da automagao, de sensores de alta tecnologia, da computagio em nuvem, de algoritmos nas tomadas de decisio e da Internet das Coisas esta criando a Agricultura Digital, em que os dados coletados siio empregados para uma utilizag%o mais eficiente dos recursos usados pela agricultura: terras, Agua, mio de obra e insumos, que sio finitos. Grande parte da coleta desses dados esta sendo realizada por sensores instalados nas méquinas agricolas, drones, satélites e outr plataformas. Esses dados, muito das vezes disponibilizados em tempo real, sdo empregados tanto para monitoramento quanto para a tomada de decisdes na agricultura. Alguns pesquisadores estdo dizendo que os dados so 0 novo petréleo do século XXI, tamanha a importincia que estdo ganhando em todos os setores produtivos, e na agricultura ndo & diferente. Essa revolugdo agricola introduz 0 conceito de propriedadesturais inteligentes, com a interconexdo de mdquinas, equipamentos e sensores agricolas. Com a Agricultura Digital, 0 produtor pode monitorar 24 horas por dia e sete dias por semana, no seu smartfone ou tablet, todos 0s processos em sua propriedade, otimizando as decisdes conforme as variabilidades espacial e temporal e levando a uma nova revolugao na produgao de alimentos. Este livro, Agricultura Digital, é uma excelente oportunidade de atualizago para todos que esto envolvidos com a agricultura, pois mostra como a tecnologia est transformando a ciéncia e a arte de produzir alimentos. E que caminho a agricultura agora esta trilhando? — Esse é 0 foco desta obra. A Universidade Federal de Vigosa (UFV) sente-se honrada em ter juntado um seleto grupo de professores e pesquisadores nesta publicacao para apresentar a vocé, leitor, 0 estado da arte da gestiio das empresas rurais utilizando as tecnologias da agricultura digital. Use-o para Ihe ajudar a fazer uma agricultura capaz de suprir a demanda mundial de alimentos, de forma ambientalmente responsavel e sustentavel. Boa leitura! Demetrius David da Silva Reitor da UFVCapitulo 1 Nova Revolugdo Verde A agricultura esta passando por uma transformagéo nunca dantes vista. Nos tltimos séculos, a agricultura tem se reinventado para atender a crescente demanda mundial de alimentos. Na historia da agricultura, podemos identificar quatro fases, ou eras (Figuras 1.1 a 1.4). A agricultura rudimentar, que tem sido designada Agricultura 1.0, remonta desde ao seu primérdio, ha cerca de 10.000 anos, até cerca de 1920, quando era baseada na forga fisica — no trabalho manual e na tragdo animal. Essa agricultura demandava muita mao de obra e, portanto, limitava o tamanho das areas cultivadas e era voltada, principalmente, para a subsisténcia, gerando poucos excedentes comercializaveis. Sua fase subsequente refere-se ao inicio da agricultura mais tecnificada, também denominada Agricultura 2.0, correspondendo ao periodo de 1920 a 1990 — em que a adogao de pacotes tecnolégicos, como méaquinas, fertilizantes e variedades melhoradas, se torna mais generalizada. Produzir mais por unidade de 4rea era 0 objetivo, com 0 uso de boas praticas de gestdio agrondmica e novos insumos, como defensivos agricolas ¢ fertilizantes quimicos. Fez parte dessa era a Revolugio Verde, comandada por Norman Borlaug, com suas variedades semianas. O sucesso da agricultura nesse periodo foi tio grande, gerando enormes excedentes de alimentos, que a sociedade perdeu 0 senso de essencialidade da agricultura para a vida humana. Antes do inicio da agricultura, o homem passava a maior parte do dia em busca de alimentos na natureza. Engenheiro-Agronomo, M.S. ¢ Ph.D. ~ Professor da Universidade Federal de Vigosa. mail: prof.borem@gmail.com10 Borém No inicio do século passado, ainda na Agricultura 1.0, um agricultor produzia alimentos para cerca de quatro pessoas. Em 1960, ainda na Agricultura 2.0, ele produzia para 26 pessoas e, atualmente, na Agricultura 3.0, alimenta mais de 150 pessoas (KIRSCHENMANN, 2020). Assim é que hoje muitos moradores do meio urbano nao possuem a menor ideia como é a producdo dos alimentos que chegam a sua mesa Para a maioria deles, o alimento é simplesmente algo constantemente disponivel nas prateleiras dos supermercados. Imagine, por exemplo, uma viagem espacial de longa duragio. A agricultura est4 sendo reinventada pela NASA (agéncia espacial norte-americana) para fazer parte dc planejamento dessas viagens espaciais no s6 para produzir alimentos, mas também para renovar o oxigénio. Por exemplo, pela simplicidade dc processo foi possivel, primeiro, produzir sorvete no espago antes mesmo de alface, conforme relatado por Khodadad et al. (2020). Muitos desafios permanecem a ser solucionados para viabilizar a producdo de alimentos no espaco, conforme mostrou esse estudo realizado na Estacio Espacial Internacional (ISS). A agricultura é essencial 4 vida humana! Figura 1.1 - A forga fisica — homens e animais eram a forga motriz da agricultura até 1920: Agricultura 1.0. Fonte: Acervo do autor deste Subsequentemente, atrelada ao incremento tecnoldgico no campo, uma nova fase surgiu por conta da Engenharia Genética, Jevando dos laboratérios para os campos variedades melhoradas jamai pensadas pelos produtores, o que reduziu o uso de defensivos agricolas ¢ facilitou 0 manejo das lavouras fase, chamada de Agricultura 3.0, compreende o periodo de 1990 até 2020 e continua a gerar novas e surpreendentes variedades a cada ano, avangando com 0 objetivo de maximizar 0 aproveitamento dos recursos naturais.ul Nova regressdo verde Figura 1.2 - A mecanizagio deu inicio & Agricultura 2.0. Fonte: Acervo do autor deste capitulo wy) Figura 1.3 - Variedades melhoradas ¢ outros insumos deram inicio & Agricultura 3.0. Fonte: Acervo do autor deste capitulo, Figura 1.4 - Drone sobrevoando lavoura ¢ robé navegando sob o dossel da cultura de milho coletando informagées sobre a fitossanidade e componentes de produgiio, de forma auténoma, por meio de sensores RGB, LiDAR e outros: Agricultura 4.0. Fonte: Acervo do autor deste capitulo12 Borém Uma nova fase na agricultura est’ comecando ~ a Agricultura 4.0, que inclui, entre muitas outras mudangas, o maior uso de produtos bioldgicos, a inclusfio de novas espécies ainda em domesticagao na producao de alimentos e a transformagio digital. Este livro est focado na transformagao digital da agricultura. A Era Digital comegou no inicio no século XX, caracterizando-se pela rapida mudanga da industria tradicional com a adogo da tecnologia da informacao. Essa nova era abriu novas formas de organizar a produgao, otimizar as operagdes e a logistica e oferec melhores meios para atender as demandas dos consumidores. Essa on tecnolégica levou a modernizagio dos processos de informagio comunicagio, tornando-se a for¢a motriz que ja transformou mui indiistrias: de telecomunicagdes, bens de capital, satide, servic: transporte, automotiva, entre outras (CLAY; KITCHEN, 2018). A transformago digital esta avangando a passos largos, certamente sua aplicagdo na agricultura ¢ essencial para atendiment« de forma sustentavel, da demanda alimentar mundial de nove bilhdes de pessoas, além de animais, em 2050 (FAO, 2019). A adogao automagio e da robética; dos mais variados tipos de sensores de solo planta e clima; do processamento e armazenagem de dados nas nuvens; da inteligéncia artificial; e da conectividade esta na base dessa nova revolugdo agricola, chamada de Agricultura 4.0, criando o que muitos acreditam ser uma Nova Revolugio Verde. Volumes de dados gigantescos, ferabites de informagio, so coletados para o uso mais eficiente e sustentavel dos recursos finitos da agricultura, a exemplo de terras, 4gua, mao de obra e insumos. Grande parte da coleta desses dados esta sendo realizada por drones, satélites e outras plataformas (Tabela 1.1, que apresenta uma comparagio relativa de diferentes tipo: de plataformas). As primeiras perguntas que 0 empresirio que esti adotando as tecnologias digitais em sua propriedade faz, em geral, Que tipo de plataforma usar? e Qual é a melhor opgio’ plataformas (Tabela 1.1) esto no mercado porque cada uma se ajusta melhor a determinada situaco. Algumas propiciam grande cobertura, embora as imagens geradas sejam de menor resolugio, como os satélites, enquanto outras — como os drones — dio menor cobertura, ma as imagens em geral possuem melhor resolugao e acuricia. Assim, a melhor opgdo para o proprietario é consultar um técnico especializado. Nessas plataformas tém sido utilizados os mais variados tipos de sensores, conforme os objetivos do monitoramento (Tabela 1.2). Sensores que capturam 0 espectro luminoso do visivel sio empregadosNova regressiio verde 13 para avaliagio da arquitetura, morfologia, maturagao, populagao de plantas e caracteristicas secundarias associadas 4 produtividade (cobertura e temperatura do dossel, contetido de clorofila das plantas, mimero de vagens, mimero de sementes por vagem etc.) e a identificagdo de pragas e doengas em lavouras. LiDAR, do inglés “Light Imaging Detection and Ranging”, é a sigla dos radares que enviam pulsos rdpidos de laser 4 superficie a ser escaneada. Um sensor do instrumento mede a quantidade de tempo que leva para cada pulso voltar, mapeando a topografia da superficie e criando modelos 3D dos objetos ou do ambiente. Essa é uma tecnologia que detecta o tamanho € posigao exatos dos objetos, bem como ajuda veiculos auténomos a identificar objetos, obstaculos, volumes das culturas, linhas de cultivo e pessoas. Tecnologias como o LiDAR, entre outros sensores, como giroscépio, biissola eletrdnica, acelerémetros, podem ser fundidas com o GNSS utilizando, por exemplo, filtro do Kalman e produzir sistemas de orientacdo mais robustos, precisos e seguros, com grande potencial para monitoramento remoto agricola. Sensores térmicos podem medir pardmetros fotossintéticos, enquanto scanners podem avaliar caracteristicas das raizes. Ademais, armadilhas integradas a cimeras podem identificar pragas pelo tipo e quantidade de batida de asas das mariposas. A Agricultura 4.0 esta dando os passos para 0 que promete ser uma longa e produtiva jomada de aprendizado continuo. Os desafios da gestio agricola sfio grandes e complexos, e a rentabilidade da agricultura esta cada vez menor, ndo permitindo erros ou desperdicios. Assim, métodos precisos de geolocalizagdo e dados agronémicos de qualidade — com preciso e acuracia — sio essenciais para que 0 agrénomo faga recomendagées técnicas de forma otimizada e ambientalmente responsavel. Nesse contexto, o Sistema de Informagées Geograficas (SIG) foi projetado para capturar, armazenar, manipular, analisar, gerenciar e apresentar dados espaciais ou geogrificos. Os aplicativos do SIG permitem aos usuarios fazer buscas interativas, analisarem informagdes espaciais e editarem dados em mapas de importancia para a gestao agricola. No SIG, informagées de campo sao georreferenciadas, de forma que permitem aos produtores, por exemplo, estratificarem 0 campo em areas diferenciadas. Esse sistema registra cada ponto da propriedade agricola em coordenadas (longitude, latitude e altitude) no tempo. Essas informagées auxiliam os produtores na estratificagiio do campo em Areas diferenciadas e individualmente homogéneas, para as prescrigdes do técnico. Os Capitulo 2, 4 e 5 tratam desses temas na gestio agricola.Borém ‘autjaies sod ojowas ojuoureLIOsUES - “opiuuguosa sousut ‘ggs$6 2 foormgUODd Stet 's ‘oIUapIAd SIBUr “-++++ ‘aIUaptAd SOUR "+ steBay serougaxq + + + +HHt+ + + + HH HHH tH Ht HH ogsnjosoy eH + + ee HH 4 eamyiaqo $ $ $s $8s$ sss $s. Teworsesado ois}, sssss ss ss $sss $$ sss Terorur ows) Bune] 7 vexed eSueindog + + het ae + HH aivo ap auodng + H + He HH oe oqusureuorsisoday sopep + aaa Saati 4 Saad +H sop apepitiqruodsip eu zapidry ‘saiso1 wo opeaoidy ‘BEApUO}DEISI 1eNq40, sored ‘BULLOFEyeId aABUOIIy souoiqg 1081, ous SUULLOFUIEL 14 Jess esaidwia eu sopep op eyajoo wsed seuoyeretd - I PIALNova regressiio verde 15 Tabela 1.2 - Algumas aplicagdes ¢ custo de diferentes sensores na agricultura Sensores! Aplicagées ‘Custo? Caracteristicas RGB morfolégicas das 7 (400 - 700 nm) plantas, maturagao, populaco de plantas ‘Composigaio quimica das plantas, estresse por ss défice hidrico NIR (800 - 1.200 nm) Multcspoctai Fitossanidade, lultiespectrais identificaco de plantas sss (800 - 1.400 nm) daninhas € fitotoxicidade ; Fitossanidade, Hiperespectrais identificagao de plantas S888 (350 - 2.500 nm) daninhas e fitotoxicidade Termais Estresses bidticos e (8-13 nm) abidticos SsSss LIDAR Mapeamento do relevo i do solo e altura de sssss (905 - 1.550 nm) can Quantificagio de Fluorescéncia clorofila e de sssss senescéncia Radar RS Tdentificagio de culturas a (0,3 - 100 cm) © umidade do solo : "RGB, cimeras fologrificas; NIR, infiavermelho proximo; LIDAR — Light Detection and Ranging. ? §, mais econdmico; $$$8S, menos econdmico, Variagdes nas lavouras podem ser de natureza espacial ou temporal e ocorrem devido ao grande espectro e complexidade dos fatores que afetam o desenvolvimento vegetal. E ilagdes nas lavouras refletem padrdes de crescimento da cultura, das. plantas daninhas e de outros organismos que coabitam na area, razio por que devem ser consideradas na gestio agricola. Por exemplo, a variabilidade espago-temporal afeta a produtividade agricola, pois ela16 Borém diz respeito as alteragdes ao longo do ano, as quais esto associadas a mudangas na radiacio solar, na temperatura, na pluviosidade, na nebulosidade etc. e localidade, posto que cada area possui fertilidade, textura do solo, pressdo de pragas e doengas e topografia particulares. Portanto, é também importante analisar as variagdes da produtividade e dos fatores que a controla, no tempo e no espago e em niveis de propriedade, lavoura e, em alguns casos, talhdes ou glebas, para que a gestéo dos fatores que afetam a agricultura possa ser mais executada. O Capitulo 3 faz uma anilise das variabilidades espe temporal da agricultura. O levantamento de pragas, doengas e plantas daninhas, je feito na maioria das lavouras por meio de amostragens tomadas >or técnicos percorrendo os campos em ziguezague, esta dando lugar av »so de imagens aéreas que avaliam toda a Area, 0 que permite ao ge-.or estabelecer prioridades e recomendagées especificas para cada pon. lavoura. Com essas imagens, podem-se criar mapas de infestag’ pragas ¢ de plantas daninhas, de fertilidade e textura do solo, map: aplicagdo de insumos, de produtividade, entre varios outros. Na colheita, 0 gestor pode analisar a produtividade por varios aspectos — variedade, solo, talhao, data de maturagiio —e determinar prioridades de colheita, bem como diagnosticar flutuagées de produtividade em funcao de variagdes decorrentes do tipo de solo, adubagdo, populagao de plantas, defensivos agricolas utilizados, manejo adotado, entre outros fatores, para melhor planejar a safra seguinte (PING; DOBERMANN, 2005). O Capitulo 6 discorre sobre 0 uso desses mapas para a melhor gestio da produgao (Figura 1.5). Nos silos, sensores espalhados no meio dos grios armazenados emitem, de forma remota e em tempo real, leituras da umidade, temperatura, teor de CO> ¢ outros pardmetros a painéis que ajustam automaticamente a aeragao e retransmitem esse monitoramento para 0 celular do gestor. O Capitulo 7 aborda 0 uso de diferentes dispositivos e sensores na gestao agricola. Para gerir esse conjunto de informagées, 0 agronomo precisa ter acesso a elas de maneira que possa interpreti-las facilmente, porque, se nao forem precisas ou estiverem temporalmente ultrapassadas, a recomendagao técnica sera anacrénica e podera nio gerar o efeito corretivo esperado. Por exemplo, com a agricultura digitalNova regressdo verde 17 © produtor pode monitorar pelo smartfone, 24 horas por dia ¢ sete dias por semana, a lamina de agua aplicada a cada fatia do pivé, por meio de sensores de umidade do solo, que constantemente enviam leituras a diferentes profundidades do seu perfil. Ainda, o pivo pode ser ajustado para aplicar a lamina de agua a uma taxa varidvel, conforme o desenvolvimento da cultura, a desuniformidade do solo, a variagao da topografia etc. Esse tema seré detalhadamente descrito no Capitulo 8. Mapa de produtsinde -— Mapa xovt Mapa nin de pages Figura 1,5 - Diferentes mapas digitais utilizados em recomendagdes agrondmi Fonte: Acervo do autor deste capitulo e de Strider LLC.18 Borém A automagio e os sensores tém sido utilizados para melhorar a eficiéncia e o bem-estar na produgo animal. Por exemplo, sistemas automaticos de alimentago animal com controle de crescimento e consumo, que vém reduzindo desperdicios e a necessidade da presenga do gestor nas granjas, conforme abordado no Capitulo 9, que trata da zootecnia digital. Pode-se considerar como um dos maiores beneficios da agricultura digital 0 suporte ao agrénomo nas definigdes de suas Tecomendagdes em tempo real, de forma precisa e a luz das informacdes relevantes. Com os dados pertinentes em um tnico paine! © com algoritmos de interpretagdo, torna-se mais seguro, répido ¢ preciso definir as recomendagées para cada ponto da lavoura. Por exerplo, a Prescri¢do correta de determinado inseticida depende nao somente de dados técnicos da cultura e da infestacio das pragas, mas também do custo adicional da aplicagdo e da perspectiva de prego do produto agricola no mercado futuro, da previsdo de chuvas, da proximidade da colheita, entre outros fatores. Similarmente, um plano de adubagao deve considerar nao apenas os dados da analise do solo como muitos hoje em dia ainda fazem, mas também levar em conta outras variaveis pertinentes ¢ a possibilidade da aplicagdo a uma taxa varidvel para cada nutriente recomendado e para cada ponto do talhio. Assim, a fungao da Agricultura Digital é dar suporte ao agrénomo em suas recomendaces endo tomar o seu lugar. No mundo hiperconectado, onde pessoas, computadores ¢ objetos fisicos estao interconectados para resolver tarefas complexas, surgiu 0 conceito da Internet das Coisas, também chamada simplesmente de oT. Trata-se, portanto, da interconexao via internet de dispositivos de computagao integrados em maquinas, instrumentos, Sensores, equipamentos e¢ outros dispositivos, o que permite que esses dispositivos recebam e enviem dados, em um processo similar a um didlogo, mimetizando uma conversa entre eles. A loT promete, nos proximos anos, transformar os setores da educagio, da saide, financeiros, do comércio, de servigos, as instituigdes governamentais e, inclusive, a agricultura, Nesta tltima, a loT facilitard o gerenciamento agrondmico, © sensoriamento remoto (MAES; STEPPE, 2019) e 0 processo de tomada de decisao, pois permitira que gestores monitorem, por meio de seus dispositivos pessoais, de forma remota ¢ em tempo real, os equipamentos, maquinas e sensores agricolas, fazendo que estNova regressao verde 19 interajam entre si. Com isso, 0 produtor pode, por exemplo, acompanhar continuamente a irrigag¢do, monitorando possiveis obstrugGes nos aspersores, os quais so acionados automaticamente por meio de sinais emitidos por sensores de umidade do solo (CASTRIGNANO et al., 2020). Dessa forma, os gestores podem determinar os requisitos especificos e em tempo real de cada local do talhao, maximizando 0 uso eficiente da agua, bem como fornecer aos produtores dados para planejamento do uso de insumos agricolas de forma diferenciada no tempo e no espaco, em conformidade com as previsdes do clima e com o desenvolvimento da cultura, que também & monitorada por outros sensores. A IoT tornara a agricultura mais eficiente: (i) reduzindo os custos operacionais, (ii) aumentando a produtividade e (iii) criando oportunidades para 0 desenvolvimento de novos produtos e servigos. Estima-se que, mundialmente, j4 existem 50 bilhdes de dispositivos interconectados, sendo 24 bilhdes deles pertencentes 4 loT (MONSREAL et al., 2019; CISCO SYSTEMS, 2020). Para’ facilitar 0 entendimento de como a IoT funciona na agricultura, os infogréficos apresentados na Figura 1.6 ilustram parte dessas aplicagdes. Essas e outras oportunidades da loT para a agricultura so contempladas no Capitulo 10. Entretanto, o que de fato é a Agricultura Digital? Seria o mesmo que Agricultura de Precisio? Para a maioria dos especialistas, a primeira é uma evolugo da segunda e integra as tecnologias digitais na gestdo dos processos produtivos da agropecuaria, incluindo, portanto, a zootecnia. Assim, a Agricultura Digital é uma estratégia de gestio que retine, processa e analisa dados temporais, dados espaciais e individuais € os combina com outras informagées. Tudo isso com o intuito de orientar a gestio agricola, melhorando sua eficiéncia, produtividade, qualidade, rentabilidade e sustentabilidade e reduzindo custos e riscos, bem como viabilizando a gestio de grandes areas, de forma remota em tempo real. A agricultura digital depende, principalmente, da implementagao de ferramentas de coleta de dados, as quais podem acelerar e aprimorar as decisées na adogio das boas priticas agrondémicas (HEEGE, 2013; MOLIN; AMARAL; COLACO, 2015).20 Borém Hdl we oa et * Deis «presericdo as Figura 1.6 - Infogrificos da aplicagdio da loT na agricultura, com a intercomunicagio de diferentes sensores e dispositivos agricolas, Fonte: Acervos do autor deste capitulo ¢ de L. Colizzi, respectivamente. Fazem parte da era digital: Inteligéneia Artificial (IA), Machine learning, Blockchain, Big Data, computagio nas nuvens, telemetriNova regressiio verde 21 tealidade aumentada, Deep learning, sensoriamento remoto, mineragio de dados, robotizacéio, automagio, Sistemas de Informagoes Geograficas (SIG), entre outras tecnologias. A IA, imitagio da inteligéncia humana, capacita maquinas, especialmente sistemas de computadores, com recursos como autocorrecdo, aprendizado e raciocinio. Na agricultura, ela aumentard a precisio e eficdcia na manutengao ¢ plantio das lavouras, como detectar pragas, doengas, plantas daninhas e decidir quais defensivos agricolas aplicar no seu controle, evitando a aplicacio excessiva de produtos e o desenvolvimento de resisténcias, bem como melhorar a qualidade e precisio da colheita. Também, permite aos agricultores analisarem uma série de varidveis em tempo real, como condigdes climaticas, temperatura, uso da agua ou condigées do solo para suporte as suas decisGes. A Inteligéncia Artificial enfatiza o desenvolvimento de maquinas que “aprendem” e trabalham simulando 0 comportamento humano. Seu uso esté na midia para solugdio de problemas, como o reconhecimento facial e de voz, em veiculos auténomos, na recomendagio de itens pelo perfil do usuario, na autocorregiio de textos em digitagdes, em assistentes virtuais como Alexa da Amazon, Siri da Apple e a assistente virtual do Google, que executam tarefas como ligar para pessoas, mandar mensagens, abrir ou fechar um portio, acender e apagar luzes, pesquisar no Google e, ainda, “conversar” com 0 usuario. Essa tecnologia facilita praticamente todas as atividades do produtor. Em baixas densidades de semeadura, as variedades modernas de soja exibem mecanismos compensatérios através do aumento da ramificagio, com tendéncia de manutengio da produtividade. Menor distancia entre linhas e maior densidade de semeadura tém como beneficios melhorar a interceptagao da radiagao solar no inicio do ciclo, diminuir a competigio com plantas daninhas e, consequentemente, promover o aumento da produtividade. Entretanto, entrelinhamento maior e menor densidade de semeadura tém como beneficio o melhor controle de doengas e a redugio no custo com sementes. Assim, a decisio quanto 4 taxa de semeadura e ao entrelinhamento ideais nao é simples, pois depende da variedade, severidade de ocorréncia de doengas, infestagdo de plantas daninhas e prevaléncia de dias com elevada luminosidade — sem nuvens etc. Como tomar essa decisio? Uma das aplicagées do Machine Learning € ajudar a minimizar 0 numero de varidveis sem comprometer os modelos preditivos22 Borém (algoritmos), tornando a escolha da melhor combinagao de variedades, adubago e entrelinhamento de cada talhao mais fécil para o gestor. As técnicas de IA surgiram apés os grandes avangos na capacidade de processamento dos computadores e o actimulo de enormes quantidades de dados. Por exemplo, ja existem celulares que conseguem realizar um trilh3o de operagdes por segundo. Essas técnicas se tornaram essenciais para a indtstria de tecnologia ajudando-a na resolugdo de muitos problemas decorrentes de fungoes multivariadas em tempo real. O uso inteligente dos dados é uma is importantes caracteristicas da Agricultura 4.0, a exemplo da telemetria n: monitoramento dos tratores, pulverizadores e colheitadeiras, como 0 sister Otmis de telemetria, que permite que a aplicagdo de defensivos agricolas seja acompanhada do computador do smarifone ou de outras midias. Os Capitulos 11 e 12 descrevem a computagdo nas nuvens e diversas aplicagdes da IA na agricultura. Essa quarta revolugdo agricola introduz o conceito de propriedades rurais inteligentes, com a interconexio de maquinas, equipamentos e sensores agricolas. E a agricultura evoluindo e permitindo que seus gestores contem com ferramentas que coletam, armazenam e analisam dados com relevancia agronémica para recomendacées praticas e precisas. Esse é 0 cendrio da agricultura global, em que o tempo é escasso e contar com informagées precisas, acuradas e em tempo real na palma da mio é essencial para a lucratividade do negécio, razio por que as ferramentas digitais se tornaram imprescindiveis na gestiio do agronegécio. Plataformas painéis esto sendo aprimorados para que haja compatibilidade de intercomunicagao entre os varios equipamentos agricolas e destes com a enorme quantidade de dados histéricos de cada Area que precisam ser interpretados de forma rapida e facilmente aplicaveis na pritica (BAIO; MOLIN; POVH, 2018). Com 0 uso das ferramentas digitais esta sendo possivel monitorar a agricultura e detectar problemas em tempo real, a medida que a operagio agricola é realizada ao longo do ciclo das lavouras. Um exemplo disso é 0 plantio com taxa varidvel de sementes, fertilizantes, aplicagao de defensivos agricolas ¢ irrigag’o, controlado conforme cada ponto do talhao ou, até mesmo, permitindo o monitoramento da velocidade da colheita, do tempo remanescente para concluir a colheita, teor de umidade dos gros armazenados etc. (AMARAL; COLAGCO, 2015). Todas essas informagées podem serNova regressdo verde 23 obtidas de forma remota, permitindo 0 acompanhamento das operagdes de campo mesmo quando o gestor esta fora da propriedade. O Capitulo 13 descreve o uso dessas plataformas no gerenciamento da producio. A gestdo dos empreendimentos agricolas esta passando por grande modernizagio pela automagio, monitoramento remoto, realidade aumentada e uso de dados acumulados. Para organizar, processar, analisar e interpretar esse volume gigantesco de dados disponiveis, convencionou-se utilizar o termo Big Data. Assim, este termo trata das maneiras de utilizar conjuntos de dados muito grandes ou complexos, de forma que o usuario possa analisé-los e, a partir de entdo, gerar conhecimentos relevantes para tomadas de decisdes. O Big Data esta relacionado a trés aspectos: volume, variedade e velocidade, possibilitando maior poder de resolucao e confianca do agrénomo nas suas decis6es. Entretanto, dados com maior complexidade podem levar a conclusées erréneas. Entre os desafios do Big Data, incluem-se: captura, armazenamento, analise, interpretag’o, compartilhamento, transferéncia, seguranga e visualizagdo desses grandes conjuntos de dados, além, € claro, de sua adaptagdo as particularidades regionais, mudangas climaticas, novos cultivares etc. Esses conjuntos de dados crescem exponencialmente com o desenvolvimento de dispositivos e sensores cada vez mais acessiveis e poderosos (MAPA, 2020; VISCARRA ROSSEL; LOBSEY, 2016). A manipulagio desses massivos conjuntos de dados muitas vezes excede a capacidade de um computador normal (hardware) ou, até mesmo, ainda nao se desenvolveram softwares para o seu processamento, gerando enormes desafios. Deve-se ressaltar que a agricultura é um sistema complexo e de dificil andlise holistica, pois possui intimeras varidveis inter- relacionadas, como: fertilidade do solo, clima, variedades, incidéncia e severidade de pragas, doengas ¢ plantas daninhas, priticas agronémicas, entre outras variaveis do sistema produtivo. Deve-se, ainda, reconhecer que a agricultura se caracteriza pela incidéncia de riscos e incertezas. Cada propriedade rural e cada talhao so diferentes, cada ano agricola é diferente ¢ os mesmos equipamentos trabalham em diferentes talhdes € geram resultados diferentes. Os dados hoje disponiveis para a gestio agricola incluem: escolha da variedade, época de plantio, densidade de semeadura, fertilidade do solo e condigdes climaticas, além de quanto, quando, onde e quais insumos usar, entre varios outros parametros. Entdio, como24 Borém gerenciar esse sistema diverso e complexo? Por exemplo, a escolha da variedade para um talhao depende da época de plantio, da densidade de semeadura, do tipo de solo e de sua fertilidade, da previsio das condigdes climaticas e de muitas outras informagées e registros histéricos da area. Quando um desses fatores é alterado, a escolha da variedade a ser plantada pode recair sobre outra, que por sua vez exize densidade de semeadura diferenciada, implicando, assim, a recomendagao de adubacao diferente ou de um manejo agronémico especifico etc. E como tomar a decisao correta e em tempo real dianic de tantas variaveis (Big Data)? — Somente com 0 auxilio das tecnologias digitais! Analisar, interpretar e estabelecer recomendagées especific»s € monitorar sua implementagio constituem um dos muitos beneficios da era digital para a agricultura. O Capitulo 14 trata da coleia sistematizagao, compartilhamento e seguranga do Big Data. A agricultura digital também traz novos desafios para a empresas e os produtores rurais, os quais, com 0 tempo, vio sendo superados. Alguns desses percalgos incluem: treinamento dos recursos humanos da empresa, atualizacdo tecnoldgica, pouca conectividade em areas rurais, internet com conexAo lenta, sensores com pequeno raio de cobertura e limitado espectro de caracteristicas monitoradas, maior frequéncia e velocidade na captura ¢ automagao da interpretagao dos dados (BRAMLEY, 2009). O Capitulo 15 apresenta um estudo de caso da adogdo da Agricultura Digital, abordando os desafios ¢ oportunidades na sua implantagdo em uma empresa agricola brasileira. ‘Ao contrario do que alguns alegam de que a era digital iria acabar com as oportunidades de trabalho no campo, a maioria dos especialistas entende que em uma empresa verdadeiramente digital, semelhante a uma fabrica que adota robés, 0 uso da mao de obra € que se tornara mais especializado. Os servigos repetitivos anteriormente realizados pelo homem sio deixados para sistemas automatizados, dando espago para o melhor aproveitamento do intelecto humano. Liberada, a mente pode se dedicar aos processos de tomada de decisio, a exemplo da escolha das melhores priticas agronémicas, com o suporte das ferramentas digitais. Na agricultura, nenhum algoritmo ou 1A substituira a pratica e 0 bom senso do agronomo de campo. Para dar suporte a essa revolugdo agricola, muitas startups, chamadas de Agiechs, vém sendo criadas ¢ aceleradas por fundos de investimento ¢ grandes multinacionais, vislumbrando toda a importaneiaNova regressdo verde 25 € potencial econémico desse negécio. Essas Agtechs tém focado em dreas como a de sensores, de consultoria agronémica digital, de drones, de robitica, de automagao, de processamento e de andlise de Big Data etc. Do ponto de vista da carreira profissional, profissionais treinados nessa rea jé esto em grande demanda no mercado. E 2,1 trilhdes de délares so os gastos globais anuais em tecnologias e servicos da transformagao digital — 0 dobro de 2016 (ZASTUPOV, 2019). Referéncias ARAUS, J. L.; KEFAUVER, S. C.; ZAMAN-ALLAH, M.; OLSEN, M. S.; CAIRNS, J. E. Translating high-throughput phenotyping into genetic gain. Trends in Plant Science, ¥. 23, p. 451-66, 2018, Disponivel em: hitps:/doi.org/10.1016,tplants. 2018.02.001, AWADA, L.; PHILLIPS, P. W. B.; SMYTH, S. J. The adoption of automated phenotyping by plant breeders. Euphytica, Springer Netherlands, v. 214, p. 1-15, 2018. Disponivel em: htps://doi.org/10.1007/s10681-018-2226-z. BAIO, F. H. R; MOLIN, J. P.; POVH, F. P. Agricultura de precisio na adubagio de grandes culturas. In: ——. Nutrigéo e adubagio de grandes culturas. 1. ed. Jaboticabal, SP: Unesp, 2018. p. 351-79. BRAMLEY, R. G. V. Lessons from nearly 20 years of Precision Agriculture research, development, and adoption as a guide to its appropriate application. Crop & Pasture Science, v. 60, p. 197-21, 2009. CASTRIGNANO, A.; BUTTAFUOCO, G.; KHOSLA, R.; MOUAZEN; MOSHOU, D.; NAUD, O. Agricultural internet of things and decision support for precision smart farming, New York: Elsevier, 2020. 470 p. CISCO SYSTEMS. [oT case __ studies. 2020. Disponivel em: https://www.google.convaclk?sa=l&ai=DCheSEwiimLvT_pTAhVGIsAKHUKDC2 SYABABGz)pbQ&sig=AOD64_2rP(673LQrAw2e_ZrpkpeLglyOGg&adui ve d=2ahUKEWwiNrbLT_pTnAhWKbcOK HeWvBhoQqyQoAHoECBMQBw. Acesso em: 25 abr. 2020, CLAY, D.; KITCHEN, N. Precision agriculture basies, New York: American Society of Agronomy, 2018. 287 p. COBB, J. N. ef al. Enhancing the rate of gs programs: lessons from the breeder's equation. Theoretical and Applied Genetics, Springer Berlin Heidelberg, v. 132, p. 627-45, 2019. (Communicates Genome-Wide Association Studies). Disponivel em: https://doi.org/10.1007/s00122-019-03317-0. mt in in public-sector plant breeding De forma detathada, porém com linguagem acessivel, nos préximos capitulos sdo discutidos os principais tépicos da Agricultura Digital. Por meio de sua implementagao, revolugao verde” ocorrerd na agropecudria, Seja voeg, leitor, também parte desta transformagio © contribua para um mundo com maior fartura de ali e wenlos ©