Gestão, Monitoramento e Controle de Pragas: Conheça essa solução!

O Brasil é o maior produtor mundial de cana‑de‑açúcar, matéria‑prima essencial para dois produtos fundamentais da economia global: o açúcar (indispensável na alimentação), e o álcool, utilizado tanto na produção de bebidas (como cachaça, vinho e cerveja) quanto como combustível veicular, o etanol.

➡️ Saiba mais: https://www.novacana.com/noticias/cana-de-acucar

No case de hoje, apresentamos o trabalho desenvolvido para uma multinacional sucroenergética com operações na Argentina, Uruguai e Brasil, onde atua na produção de cana‑de‑açúcar nos estados de Mato Grosso do Sul e Minas Gerais.

O desafio

No contexto da produção de cana-de-açúcar, um dos maiores desafios é o monitoramento de pragas.

Nas lavouras, este monitoramento consiste em determinar a situação das pragas na cultura ou a existência delas, avaliar os danos e prejuízos que podem estar ocorrendo e definir o momento correto para a aplicação de defensivos ou outros métodos de controle.

O sistema de monitoramento desenvolvido pela OPT permite sistematizar os processos de monitoramento de pragas incluindo os seguintes registros:

✅ Ocorrência de pragas em áreas de observação mantidas sem aplicação de herbicidas;

✅ Tipos de tratamentos químicos empregados; e

✅ Eficácia de controle das principais espécies, bem como as informações mais relevantes sobre clima, solo e manejo da cultura.

Para isso, a criação de um banco de dados robusto e a coleta de dados em campo são etapas fundamentais para validar o modelo técnico desenvolvido.

A solução OPT

Consolidação do sistema

Para a consolidação do sistema, as seguintes etapas foram consideradas:

➡️ Uso de banco de dados espaço-temporal com características físicas, químicas, ambientais (clima), operações agrícolas e tipos de manejo desenvolvidos nas áreas de cana;

➡️ Uso de técnicas de sensoriamento remoto (imagens de satélites ou VANT) para obtenção de índices (NDVI, por exemplo);

➡️ Uso de algoritmo de machine learning (aprendizado de máquina) com análises multivariadas para detecção de locais com alto potencial para desenvolvimento de pragas;

➡️ Amostragens;

➡️ Identificação de pragas;

➡️ Tomada e decisão.

Algoritmo de Machine Learning

O algoritmo de machine learning será criado para identificar locais com susceptibilidade à ocorrência de pragas nos ativos da contratante. Seu uso é mais eficaz que a simples análise de dados históricos uma vez que fornece dados dinâmicos e emprega uma análise multidimensional.

Coleta de Dados em Campo

É estabelecida uma metodologia para amostragem de dados em campo. De forma a tornar a atividade mais assertiva, prática e segura, foi usado o aplicativo Survey123 da Esri.

Análises de dados

Uma vez realizadas as coletas de campo e estabelecido o banco de dados, o algoritmo de machine learning criado irá estabelecer relacionamentos entre as diferentes tabelas, aplicar funções espaciais e análises multivariadas, resultando na identificação de áreas com potencial risco de infestação de pragas.

Com isso, os resultados podem ser apresentados de diferentes formas, incluindo:

✅ Manchas para demonstrar a densidade por metro quadrado da infestação;

✅ Polígonos das áreas classificadas com base no grau de infestação;

✅ Mapa de Susceptibilidade de Ocorrência de Pragas;

✅ Mapa de pré-disponibilidade de hospedeiros, entre outros.

Implicações práticas

Com a análise de dados em mãos, um conjunto de medidas de manejo são recomendadas e é estabelecida uma agenda de monitoramento preventiva.

Adicionalmente, podem ser definidos indicadores de desempenho das atividades de monitoramento, como:

➡️ Índice (%) de infestação de cada talhão;

➡️ Percentual de áreas afetadas categorizadas por tipos de pragas;

➡️ Indicador de atividades de monitoramento e controle planejadas versus realizadas por mês, semana ou dia;

➡️ Indicador de custos das atividades de monitoramento e controle associado aos ativos, entre outros.

De forma a garantir acesso fácil aos dados, os indicadores são visualizados em dashboards gerenciais na plataforma ArcGIS.

Transforme o monitoramento das lavouras com uma solução completa, integrada e baseada em dados, sensoriamento remoto e Machine Learning.

Leve essa solução para sua empresa!