Como a inteligência artificial pode ajudar o setor agrícola a aumentar a produtividade e a sustentabilidade dos recursos utilizados.
A agricultura depara-se com diversos desafios, desde a adaptação às alterações climáticas à adoção de práticas mais sustentáveis, que minimizem o seu impacto e que otimizem a eficiência da utilização dos recursos, respondendo, ao mesmo tempo, às necessidades cada vez mais exigentes dos consumidores. Neste quadro tem surgido regulamentação promovendo a adoção de diversas práticas fundamentais:
- Racionalização do uso da água;
- Redução do uso de pesticidas químicos, e promoção do uso de biopesticidas;
- Agricultura regenerativa, que promova reconstrução do solo e o restabelecimento da biodiversidade.
A nível europeu, o Pacto Ecológico Europeu inclui a medida Estratégia do Prado ao Prato que apresenta 2030 como meta para a redução acentuada do uso de pesticidas e fertilizantes, e para o crescimento da agricultura biológica. Até 2030, a EU investirá em inovação e investigação no quadro do Horizonte Europa, cerca de 10 mil milhões de euros em precisão e tecnologias digitais e 4 mil milhões em biopesticidas.
A agricultura de precisão vem contribuir para a otimização sustentável dos recursos utilizados e para o aumento de produtividade maioritariamente por duas vias complementares:
- Monitorizar em tempo real e adotar medidas específicas a nível mais granular, aplicadas a relações de solos, plantas e estados de desenvolvimento muito particulares em detrimento de ações e decisões mais abrangentes, otimizando o processo agrícola e a utilização dos recursos;
- Descoberta de novos fatores ou de novas relações entre as diversas variáveis que impactam na produtividade obtida.
A EY tem vindo a apostar na transformação digital nos mais variados setores e tem colocado essa experiência ao serviço do setor agrícola, criando soluções de agricultura de precisão que aliam a utilização de dados e de técnicas de data science para otimizar a utilização dos recursos e o processo produtivo. O desenvolvimento destas soluções no setor florestal, cultivo de fruto e setor vinícola tem permitido aos nossos clientes:
- Estruturar e melhorar a qualidade dos dados existentes;
- Conhecer a importância das diversas características de solos e da água para a produtividade de cada variedade de planta;
- Criar clusters de parcelas com comportamentos similares, tendo em conta as características e a produtividade das variedades;
- Prever a produtividade e qualidade de cada variedade nas diferentes parcelas, com a utilização otimizada dos recursos;
- Identificar recomendações relativas a evoluções nos processos agrícolas, no tratamento de dados e nas tecnologias adotadas.
Este tipo de solução pode ter associado um conjunto diversificado de casos de uso para os quais diferentes componentes de arquitetura podem ser necessários. Com base em dados históricos existentes em ficheiros e em sistemas de gestão agrícola utilizam-se técnicas de data science, como machine learning, para conhecer a relação entre os solos, plantas, práticas agrícolas e a produtividade obtida, permitindo efetuar previsões e análises what-if.
Casos de uso mais avançados podem tirar partido de informação provenientes de imagens de drones e satélites, bem como de dados de sensores em tempo real. Este tipo de soluções permite otimizar a gestão hídrica e efetuar o acompanhamento próximo e previsão da evolução frenológica e a afetação de pragas.
Tecnologicamente a utilização de ambientes cloud permite agilizar a implementação e simplifica a futura gestão da solução por parte do cliente, com um risco de investimento baixo, e que permite acompanhar o aumento de abrangência e de complexidade da solução ao longo do tempo que a abordagem ágil envolve.
