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.

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. Se utiliza 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.

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.