CLASSIFICAÇÃO DA AGRICULTURA DE PRECISÃO COM BASE NAS CARACTERÍSTICAS DO MONITORAMENTO

Luiz Carlos  Pittol Martini; Monique Souza Teixeira

doi:10.31510/infa.v21i1.1846

Autores

Luiz Carlos Pittol Martini Universidade Federal de Santa Catarina- Centro de Ciências Agrárias-Florianópolis-SC https://orcid.org/0000-0002-7358-3759
Monique Souza Teixeira Uniasselvi-Indaial-SC https://orcid.org/0000-0001-8370-967X

DOI:

https://doi.org/10.31510/infa.v21i1.1846

Palavras-chave:

Veículo aéreo não tripulado, Manejo do solo, Tecnologia agrícola, Agricultura 4.0

Resumo

A agricultura de precisão (AP) tem contribuído significativamente para o esforço contínuo de desenvolvimento de métodos para monitoramento dos cultivos e manejo eficiente de insumos agrícolas. Dado o avanço nas últimas décadas, o propósito deste trabalho foi obter um critério para agrupar as diversas modalidade de AP em um sistema classificatório capaz de mostrar a evolução dessa tecnologia. Como resultado, verificou-se que o critério baseado nas características de monitoramento dos cultivos é adequado para definição das classes pois permite agrupar tecnologias similares. A partir do critério classificatório escolhido, foram identificados quatro tipos básicos de AP: 1ªgrau, fundamentado no monitoramento de colheita; 2ª grau, que utiliza monitoramento por sensoriamento remoto durante o ciclo de cultivo; 3ª grau, embasado no uso de sensores proximais instalados nos cultivos; e 4ª grau, no qual as práticas de manejo são apoiadas por monitoramento em tempo real da área de cultivo. A definição das quatro classes permite organizar de maneira simples e acessível as tecnologias precursoras e atuais da AP. O sistema classificatório proposto possui flexibilidade para inclusão de classes ou níveis categóricos adicionais à medida que novas tecnologias sejam assimiladas nos sistemas de produção agrícola.

Downloads

No metrics available.

Métricas

Visualizações em PDF

16

|

Referências

BLOK, V.; GREMMEN, B. Agricultural technologies as living machines: Toward a biomimetic conceptualization of smart farming Technologies. Ethics, Policy & Environment, v. 21, n. 2, p. 246-263, 2018. DOI: https://doi.org/10.1080/21550085.2018.1509491

CANICATTÌ, M.; VALLONE, M. Drones in vegetable crops: A systematic literature review. Smart Agricultural Technology, v. 7, p. 100396, 2024. DOI: https://doi.org/10.1016/j.atech.2024.100396

CARLESSO, R.; PETRY, M.T.; TROIS, C. The use of a meteorological station network to provide crop water requirement information for irrigation management. IFIP International Federation for Information Processing, v. 293, p. 19-27, 2009. DOI: https://doi.org/10.1007/978-1-4419-0209-2_3

CHAMARA, N.; ISLAM, MD D.; BAI, G.; SHI, Y.; GE, Y. Ag-IoT for crop and environment monitoring: Past, present, and future. Agricultural Systems, v. 203, p. 103497, 2022. DOI: https://doi.org/10.1016/j.agsy.2022.103497

FRANZEN, D.; MULLA, D. A history of precision agriculture. In: Zhang, Qin (Ed.). Precision agriculture technology for crop farming. 1 ed. CRC Press, 2015. p.1-19. DOI: https://doi.org/10.1201/b19336-1

GONÇALVES, V. P.; CAVICHIOLI, F. A. Estudo das funcionalidades dos drones na agricultura. Interface Tecnológica, v. 18, n. 1, p. 321-331, 2021. DOI: https://doi.org/10.31510/infa.v18i1.1126

HARDIE, M. Review of novel and emerging proximal soil moisture sensors for use in agriculture. Sensors (Switzerland), v. 20, n. 23, p. 6934, 2020. DOI: https://doi.org/10.3390/s20236934

ISPA. The International Society of Precision Agriculture. Precision Ag Definition, January 2021. Disponível em: <https://www.ispag.org/about/definition>. Acesso em: 22 jan. 2023.

JÚNIOR, J. C. A.; NUÑEZ, D. N. C. O uso de drones na agricultura 4.0. Brazilian Journal of Science, v. 3, n. 1, p. 1-13, 2024. DOI: https://doi.org/10.14295/bjs.v3i1.438

KAMIENSKI, C.; SOININEN, J.-P.; TAUMBERGER, M.; DANTAS, R.; TOSCANO, A.; CINOTTI, T.S.; MAIA, R.F.; NETO, A.T. Smart water management platform: IoT-based precision irrigation for agriculture. Sensors (Switzerland), v. 19, n. 2, p. 276, 2019. DOI: https://doi.org/10.3390/s19020276

KHAIRE, P.; ATTAR, V.; KALAMKAR, S. A Comprehensive Survey of Weed Detection and Classification Datasets for Precision Agriculture. In: 14th International Conference on Computing Communication and Networking Technologies (ICCCNT), Delhi: India, 2023. DOI: https://doi.org/10.1109/ICCCNT56998.2023.10306880

KLERKX, L.; JAKKU, E.; LABARTHE, P. A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS: Wageningen Journal of Life Sciences, v. 90-91, n. 1, p.1-16, 2019. DOI: https://doi.org/10.1016/j.njas.2019.100315

LATINO, M.E.; CORALLO, A.; MENEGOLI, M.; NUZZO, B. Agriculture 4.0 as Enabler of Sustainable Agri-Food: A Proposed Taxonomy. IEEE Transactions on Engineering Management, v. 70, n. 10, p. 3678-3696, 2023. DOI: https://doi.org/10.1109/TEM.2021.3101548

MERRIAM-WEBSTER. “Classification”. https://www.merriam-webster.com/dictionary/classification. Acesso em: 28 jan. 2024.

NOWAK, B. Precision agriculture: Where do we stand? A review of the adoption of precision agriculture technologies on field crops farms in developed countries. Agricultural Research, v. 10 n. 4, p. 515-522, 2021. DOI: https://doi.org/10.1007/s40003-021-00539-x

PROGRAMA DAS NAÇÕES UNIDAS PARA O DESENVOLVIMENTO (PNUD). 2021. Disponível em: https://www.undp.org/pt/brazil/publications/relatorio-anual-2021 Acesso em: 14 jun. 2024.

RADOČAJ, D.; ŠILJEG, A.; MARINOVIĆ, R.; JURIŠIĆ, M. State of major vegetation indices in precision agriculture studies indexed in Web of Science: A review. Agriculture (Switzerland), v. 13, n. 3, p. 707, 2023. DOI: https://doi.org/10.3390/agriculture13030707

ROBERT, P.C.; RUST, R.H.; LARSON, W.E. Preface of Proceedings of Site-Especific Management for Agricultural Systems. In: ROBERT, P.C.; RUST, R.H.; LARSON, W.E. (Eds.). Proceedings of Site-Especific Management for Agricultural Systems. 2 ed. International Conference: Minneapolis, MN, USA, 1994. DOI: https://doi.org/10.2134/1995.site-specificmanagement

ROSE, D.C.; CHILVERS, J. Agriculture 4.0: Broadening responsible innovation in a era of smart farming. Frontiers in Sustainable Food Systems, v. 2, 2018. DOI: https://doi.org/10.3389/fsufs.2018.00087

ROSE; D.C.; SUTHERLAND, W.J.; PARKER, C.; LOBLEY, M.; WINTER, M.; MORRIS, C.; TWINING, S.; FFOULKES, C.; AMANO, T.; DICKS, L.V. Decision support tools for agriculture: Towards effective design and delivery. Agricultural Systems, v.149, p. 165-174, 2016. DOI: https://doi.org/10.1016/j.agsy.2016.09.009

SHEPHERD, M.; TURNER, J.A.; SMALL, B.; WHEELER, D. Priorities for science to overcome hurdles thwarting the full promise of the ‘digital agriculture’ revolution. J. Sci. Food Agric., v. 100, n. 14, p.5083-5092, 2020. DOI: https://doi.org/10.1002/jsfa.9346

SU, W.-H. Crop plant signaling for real-time plant identification in smart farm: A systematic review and new concept in artificial intelligence for automated weed control. Artificial Intelligence in Agriculture, v. 4, p. 262–271, 2020. DOI: https://doi.org/10.1016/j.aiia.2020.11.001

UNDP. United Nations Development Programme. Precision agriculture for smallholder farmers. UNDP Global Centre for Technology, Innovation and Sustainable Development: Singapore, 2021. 80p. Disponível em: https://www.undp.org/sites/g/files/zskgke326/files/2021-10/UNDP-Precision-Agriculture-for-Smallholder-Farmers.pdf Acesso em: 15 ago. 2023.

VIAN, A.L.; BREDEMEIER, C.; PIRES, J.L.F.; CORASSA, G.M.; VANIN, J.P. Aplicações da agricultura de precisão na cultura da soja. In: MARTIN, T.N.; PIRES, J.L.F.; VEY, R.T. (Eds.). Tecnologias aplicadas para o manejo rentável e eficiente da cultura da soja. Santa Maria: Editora GR, 2022. p.275-296

ZANIN, A.R.A.; NEVES, D.C.; TEODORO, L.P.R.; DA SILVA JÚNIOR, C.A.; DA SILVA S.P.; TEODORO P.E.; BAIO, F.H.R. Reduction of pesticide application via real-time precision spraying. Scientific Report, v. 12, n. 1, p. 5638, 2022. DOI: https://doi.org/10.1038/s41598-022-09607-w