Drones garantem 66% de acurácia no monitoramento de pastagens

Experimentos reforçam a qualificação de drones para aumentar a eficiência da agropecuária

Pesquisas da Embrapa correlacionaram dados digitais, obtidos por imagens de drones, com os de campo, durante dois anos de monitoramento de pastagens no oeste baiano. Os resultados reforçam a qualificação dessa ferramenta de sensoriamento remoto para auxiliar no campo, com otimização do tempo e visando à eficiência no controle da produção rural. Objetivo é auxiliar os produtores rurais no manejo de seus rebanhos, considerando altura da planta, forragem e cobertura vegetal.. Os experimentos contaram com inteligência artificial para estabelecer parâmetros de monitoramento de pastagens, que podem ser estendidos a outras regiões brasileiras. Além disso, as imagens digitais geram bancos de dados visuais de fácil acesso e disponibilização.

 

Pesquisas da Embrapa apontam que o uso de drones para o monitoramento da cobertura e altura de pastagens alcançou 66% de acurácia no Cerrado baiano. Os experimentos, realizados entre 2019 e 2021, reforçam a qualificação dessa ferramenta de sensoriamento remoto para aumentar a eficiência da agropecuária, com otimização do tempo, produtividade do trabalho no campo e ampliação da capacidade de observação e controle da produção rural.

A pesquisa foi desenvolvida na Fazenda Trijunção, no município de Cocos, interior da Bahia, em sistema de pecuária de corte com pastejo rotacionado e uso da braquiária BRS Piatã. Segundo a pesquisadora Márcia Silveira, da Embrapa Pecuária Sul (RS), o trabalho comparou os dados digitais da altura do pasto e cobertura do solo, captados a partir das imagens feitas por drones, com os valores observados a campo, a partir de métodos tradicionais de medição, como a avaliação por equipe treinada e mensuração com régua de manejo, bem como avaliação de cobertura do solo e amostragem de forragem.

“O nosso objetivo foi verificar se um drone comum, passível de ser adquirido por um produtor, aliado a um treinamento de máquina, pode auxiliar na estimativa da cobertura vegetal e altura da planta. Queríamos avaliar se o uso correto dessa ferramenta pode ajudá-los na tomada de decisões relacionadas ao manejo do gado, mediante esse comparativo entre as imagens geradas pelo drone e as informações obtidas no campo, considerando medição de altura, corte de forragem e cobertura do solo pela planta forrageira”, explica Silveira.

As bandas de imagens realizadas por drones em diferentes épocas, durante dois anos, foram comparadas com três classes de cobertura do solo, que representam o manejo de uma propriedade pecuária: pré-pastejo, em pastejo e pós-pastejo, além de uma categoria denominada de solo exposto. O software R-Studio, de recuperação de dados, foi usado para validação do algoritmo e análise das imagens captadas pelo drone. A fórmula aplicada combinou as diferentes bandas da imagem para predizer a classe de cobertura e altura do pasto. A avaliação da precisão do padrão desenvolvido foi realizada a partir da análise da matriz de confusão (erro) e da matriz de acerto do programa.

Inteligência artificial ajuda a correlacionar dados de manejo de pastagens A metodologia empregada utilizou a técnica de aprendizado de máquina (machine learning) em ambiente digital. De acordo com o engenheiro agrônomo Pedro Almeida, doutorando em Agronomia na Universidade Federal de Viçosa (UFV), o script desenvolvido durante o estudo é um compilado de diversas ferramentas utilizadas para classificação digital de imagens. “Utilizamos a resposta espectral das imagens de drone para correlacionar com as classes de manejo de pastagens. A partir dos dados de campo, comparamos as variáveis com as leituras realizadas em campo. Ao final, foi possível estabelecer relações entre a cobertura do solo e a altura da planta, possibilitando a automatização da área completa, em vez de apenas uma amostragem estatística”, diz. Considerando todo o conjunto de dados, o modelo ajustado alcançou 66% de exatidão e índice Kappa 0,53 na predição das quatro classes (pré-pastejo, em pastejo, pós-pastejo e solo descoberto). O coeficiente Kappa mede a concordância entre duas formas de avaliação – no caso, a análise do software a partir das imagens de drone e a medição convencional feita a campo. “Em relação ao conjunto de dados de treinamento do modelo, a exatidão e o índice Kappa foram de 70% e 0,58 para o período chuvoso, e de 68% e 0,56 para o período seco, respectivamente. Considerando todo o conjunto de treinamento, a exatidão e o índice Kappa foram de 66% e 0,53, dentro de um recorte de monitoramento de dois anos, que contemplou dois períodos secos e dois chuvosos”, observa Silveira.

 

Tecnologia reforça potencial de drones na pecuária brasileira

Flávia Santos, pesquisadora da Embrapa Milho e Sorgo (MG) e líder do Projeto Trijunção do qual esse estudo faz parte, destaca que o desenvolvimento dos procedimentos para processamento e a análise de imagens de drones realizados pela Embrapa durante a pesquisa reforçam os benefícios do uso do sensoriamento remoto como ferramenta auxiliar no manejo de pastagens. “Futuramente, os estudos podem servir como base para a criação de novos produtos, como aplicativos para smartphones, otimizando ainda mais o trabalho no campo”, acrescenta.

“Com o banco de dados referente a apenas dois anos já foi possível visualizar o potencial desse tipo de informação. Vamos continuar fazendo o monitoramento para obter mais dados e aumentar a robustez do script para o treinamento de máquina. Esperamos, com mais dados, extrapolar esse tipo de informação para diferentes tipos de pastagens”, pontua a pesquisadora.

O uso de vants (veículos aéreos não tripulados) é mais uma estratégia para aumentar a eficiência da atividade pecuária, auxiliando no planejamento e manejo das pastagens, a partir do equilíbrio entre oferta e demanda de alimento para os animais. O ponto-chave está na disponibilidade de forragem em quantidade e qualidade, além da manutenção das condições de persistência e rebrote das plantas de forma rápida e vigorosa.

“A altura pode ser utilizada como critério prático para definir o momento ideal de pastejo, bem como permite identificar a necessidade ou não de realização de ajustes de carga animal, visando estabelecer condições ótimas de utilização do pasto mediante os principais processos envolvidos no crescimento e utilização das plantas forrageiras sob pastejo. Para que essas recomendações de altura possam ser respeitadas, faz-se necessário o monitoramento das áreas de pastagem com maior frequência, no sentido de tomar decisões de ajuste de carga e rotação dos animais entre as áreas de forma mais efetiva. Logo, a utilização de técnicas de monitoramento, como o sensoriamento remoto, apresenta-se como promissora no auxílio às tomadas de decisão referentes ao manejo de pastagens”, conclui Silveira. 

Integração de tecnologias no campo Para Manoel Filho, também pesquisador da Embrapa Milho e Sorgo, a integração de tecnologias que aumentem a eficiência dos monitoramentos da propriedade rural tem sido uma busca constante na produção agropecuária moderna, visando auxiliar a gestão e execução dos processos produtivos em um cenário de escassez de mão de obra. O oeste da Bahia, onde o estudo vem sendo realizado, é caracterizado pela produção em grandes extensões e um estreito período de produção nos sistemas de sequeiro. Nessa realidade, o emprego de métodos práticos, de grande alcance e confiáveis de monitoramento, como o uso de drones, torna-se fundamental. “O nosso trabalho tornou muito perceptível a agilidade do drone para o levantamento das informações, uma vez que leva apenas três horas para cobrir completamente uma área experimental de mais de 100 hectares”, destaca o geólogo Cláudio Andrade, doutorando na Universidade Federal de Viçosa (UFV). Além disso, as imagens produzidas tornam-se, automaticamente, um banco de dados visuais de fácil acesso e disponibilização. O aumento da acurácia, fruto desses resultados, aponta que esse modelo tem potencial para se configurar como um auxílio significativo para o manejo de pastagens em grande escala. Monitoramentos adicionais estão sendo realizados pela pesquisadora da Secretaria da Agricultura, Pecuária, Produção Sustentável e Irrigação Rio Grande do Sul (SEAPDR-RS) Carolina Bremm, que trabalha na melhoria de acurácia e validação do modelo.