DigiFarm2All, Digitalização da Agricultura: Estudo de caso na vinha

A digitalização na agricultura tem contribuído para os maiores avanços tecnológicos no setor agrícola, trazendo inovação e eficiência em várias etapas do processo produtivo. Com a digitalização, grandes quantidades de dados de diversas naturezas (solo, clima, planta, históricos de produções) podem ser recolhidos e analisados para tomar decisões mais informadas. Com a utilização de dispositivos agrícolas inteligentes, os produtores detêm um melhor controlo do processo produtivo, tornando-o mais previsível e eficiente. Esta temática tem sido um dos pilares da agricultura de precisão, desempenhando um papel essencial na resposta aos desafios que se impõem ao setor, tais como as alterações climáticas, a perda de biodiversidade, o crescimento da população e o desperdício alimentar. São inúmeros os seus benefícios, tais como a redução de custos de produção, uma gestão mais eficiente de recursos contribuindo para a sustentabilidade, que podem contribuir para uma melhoria da produtividade e/ou rentabilidade da exploração, e uma melhor rastreabilidade e transparência exigidos pelos consumidores e respostas rápidas a problemas prementes.

O projeto DigiFarm2all tem como missão tornar a transição para a agricultura digital acessível a todos os agricultores e promover a literacia da Agricultura 4.0 a nível nacional.

Para o efeito estabeleceu parcerias com Cooperativas, Associações e Confederações para a adoção e implementação de tecnologias digitais nas explorações agrícolas apoiando--se na realização de ações de capacitação, inicialmente para técnicos e, posteriormente, extensível aos agricultores, para melhoria de acesso, conhecimento e formação em competências digitais. Muitas plataformas digitais estão a ser desenvolvidas para apoiar os técnicos e agricultores na gestão das operações agrícolas de maneira mais eficiente. No âmbito do DigiFarm2all foi criada uma plataforma digital mais orientada para a monitorização de culturas com maior representatividade no setor produtivo português. A plataforma DigiFarm2all recebe, integra e processa os dados provenientes dos 17 pilotos tecnológicos instalados de norte a sul de Portugal e referentes a 6 culturas diferentes (vinha, olival, kiwi, abacate, frutos vermelhos e laranja .Os pilotos tecnológicos são constituídos por sen sores de solo que medem parâmetros como a condutividade elétrica, o pH, a humidade e temperatura do solo (40 e 60 cm), por sensores atmosféricos que medem parâmetros como a temperatura máxima, média e mínima, a humidade relativa, a precipitação, a velocidade e direção do vento, o déficit de pressão de vapor, e a radiação, e sensores da planta que medem a humectação da folha. A plataforma permite explorar os modelos gerados por Machine Learning (ML) a partir dos dados recolhidos via dispositivos IoT, dados históricos e de outras fontes. Estes dados são processados com uma periodicidade de 15 em 15 minutos e enviados/registados em cloud para as plataformas de ML. Tem utilidade em diversas áreas destacando-se, como mais relevantes, o sistema de apoio à decisão e o modelo de recomendações.

Acedendo à plataforma, após efetuar registo, temos à nossa disposição um vasto conjunto de informações desde o acesso ao dashboard, que permite aceder a todos os pilotos instalados nas diversas culturas, à localização destes pilotos, às leituras dos dados de cada um, à possibilidade de exportar os dados pretendidos e as representações gráficas dos parâmetros que pretendemos analisar.

No âmbito deste artigo, e porque a ADVID/CoLAB VINES & WINES tem uma participação ativa na cultura da vinha, iremos expor as potencialidades do piloto vinha instalado na Quinta dos Aciprestes, propriedade da Real Companhia Velha, situada na sub-região do Cima Corgo da Região Demarcada do Douro (RDD) e onde monitorizamos a doença do míldio Plasmopara viticola, Berk. & Curt. e a traça da uva Lobesia botrana, Denis & Schif fermüller considerada praga-chave nesta região.

Consultando a informação deste piloto, podemos aceder a funcionalidades como o histórico de dados da estação, a exportação dos dados diários ou correspondentes a um determinado intervalo selecionado, assim como aceder a um parâmetro de extrema importância que é a avaliação de risco para pragas e doenças, nomeadamente o míldio e a traça da uva. Relativamente ao míldio, estão representados graficamente os períodos de risco para a ocorrência das infeções primárias, de acordo com a conhecida regras dos “três dez” (10 ºC de temperatura mínima, 10 mm de precipitação acumulada entre 24 a 48 horas e sensivelmente 10 cm de comprimento de pâmpano) para os períodos de incubação e a extensão destes (número de dias previstos) e a ocorrência das correspondentes infeções secundárias, calculadas de acordo com fórmulas definidas face à bioecologia já bem conhecida do fungo.

A importância desta representação gráfica (Figura 2) é que através da identificação das datas de risco (infeções primárias e secundárias) e dos períodos de incubação, podemos tomar melhores e mais rápidas decisões, isto é, desde logo emitir Boletins Informativos e aconselhar sobre a adoção de uma estratégia de luta preventiva ou curativa e qual a melhor oportunidade para poder efetuar o tratamento. O viticultor serve-se desta informação e, em função de determinados parâmetros como a dimensão da sua exploração, a sensibilidade das castas, a mão-de-obra e maquinaria disponível adota a melhor estratégia de controlo. Relativamente à traça da uva (Figura 3), e tendo por base os resultados da tese de doutoramento de Carlos et al (2018) para a RDD, a representação gráfica permite definir claramente o número de gerações desta praga e, em cada geração, o modelo prevê as datas de início de cada voo, assim como quando se atingem os pontos críticos de 50 % e 90 % de capturas. Um importante complemento a esta informação é a elaboração e acompanhamento da curva de voo do inseto através das contagens e registos semanais de adultos machos capturados nas armadilhas sexuais delta uma vez que, segundo Magalhães (2006) citado por Carlos et. al. (2018), o pico de oviposição de L. botrana na RDD ocorre sensivelmente na mesma altura do pico de captura de machos nas armadilhas de feromonas que, por sua vez, coincide com o período em que são capturados 50 % dos indivíduos do voo.

Com esta informação, podemos programar meios de luta contra esta praga que podem passar, ou não, pela aplicação de inseticidas. Aliás, esta deve ser sempre a última opção devendo privilegiar outros meios de luta alternativos como os biotécnicos (captura em massa, confusão sexual, aplicação de caulino), bio lógicos (organismos auxiliares predadores e parasitoides e biopesticidas) e culturais (escolha das castas, técnicas culturais, etc.)

Com base nos objetivos e missão deste projeto, em geral, e nas potencialidades e funcionalidades da plataforma, em particular, estamos convictos de que, utilizando eficazmente esta ferramenta, conseguimos converter uma grande quantidade e diversidade de dados em informação prática, útil e atual no que concerne à ajuda nas tomadas de decisão fundamentadas.

Esta informação extensiva a técnicos e agricultores através das diversas ações de capacitação realizadas e a realizar é uma poderosa ferramenta que permite aumentar a eficiência, a rentabilidade, a redução de fatores de produção e contribuir para a sustentabilidade das explorações agrícolas. Entendemos que a continuidade do projeto poderá contribuir para o desenvolvimento e aperfeiçoamento dos modelos de previsão e modelação de pragas e doenças através da recolha de dados para calibrar e validar os modelos de ML garantindo, desta forma, um apoio técnico mais próximo e de melhor qualidade aos agricultores.