Modelos agrometeorológicos para tomadores de decisão em ‘Smart Agriculture’

• Ano de defesa: 2019
• Autor(a) principal: Valeriano, Taynara Tuany Borges [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Agricultura digital; Modelagem de pragas; Modelagem de doenças; Manejo de irrigação; Dados em grid; Sacharum spp.
• Link de acesso: http://hdl.handle.net/11449/182485

A agricultura no mundo caminha em alta velocidade para a próxima revolução verde, a chamada revolução da agricultura digital, que combina outras grandes áreas que revolucionaram a agricultura, como as técnicas de biotecnologia e agricultura de precisão. Estas técnicas foram essenciais para aumento da produtividade agrícola no mundo. Agora, a agricultura digital pode otimizar ainda mais a associação dos dados climáticos no planejamento de safras e no manejo de cultivos agrícolas. O conceito “Smart Agriculture” está inserido no universo da agricultura digital como uma linha promissora e necessária para o futuro sustentável da agricultura. Este trabalho apresenta estratégias de manejo para áreas produtoras de cana-de-açúcar, como (i) um sistema de modelo mecanístico para a previsão da susceptibilidade da doença fúngica, ferrugem alaranjada, baseado nas condições meteorológicas; (ii) estimativa da infestação de Mahanarva fimbriolata por meio de Redes Neurais Artificiais; (iii) um aplicativo de smartphone para estimar a evapotranspiração potencial utilizando dados meteorológicos em grid, provenientes do sistema NASA-POWER. As estratégias propostas neste trabalho mostraram-se eficientes e promissoras para aplicação prática. O modelo de ferrugem alaranjada simulou com acurácia o índice de severidade de ferrugem alaranjada, e proporcionou a expansão das simulações, com o objetivo de verificar a susceptibilidade da ocorrência da doença em grandes áreas produtoras de cana-de-açúcar, como Brasil, Índia e Austrália. A utilização de redes neurais artificiais para estimar níveis de infestação de Mahanarva fimbriolata, se mostrou como uma alternativa viável e promissora. A estimativa da evapotranspiração potencial, utilizando dados meteorológicos em grid provenientes da NASA-POWER, obteve resultados com alta acurácia e precisão, tornando assim, o aplicativo de smartphone desenvolvido uma ferramenta no auxílio do manejo de irrigação racional.