Pesquisadores da University of Illinois Urbana-Champaign desenvolveram um novo sistema baseado em inteligência artificial (IA) capaz de prever a produtividade nacional da soja no Brasil em alta resolução, mesmo com escassez de dados locais detalhados. O estudo, publicado no periódico International Journal of Applied Earth Observations and Geoinformation, apresenta uma metodologia que permite estimativas em nível municipal a partir de informações agregadas por estado.
A proposta surge em um momento estratégico para o mercado global. Desde 2018, o Brasil é o maior produtor mundial de soja, superando os Estados Unidos. No entanto, dados detalhados sobre produtividade em escala fina ainda são limitados no país, o que dificulta análises mais precisas sobre oferta, impactos ambientais e planejamento agrícola.
Sistema usa aprendizado por transferência
Para contornar a falta de dados municipais, a equipe aplicou uma técnica conhecida como aprendizado por transferência em IA. O método reaproveita conhecimentos de modelos já treinados em outros contextos. Neste caso, os pesquisadores adaptaram um modelo avançado desenvolvido anteriormente para prever a produtividade da soja nos Estados Unidos.
A partir dessa base, o sistema foi ajustado às condições brasileiras utilizando apenas dados estaduais de produtividade e, em alguns casos, informações municipais esparsas. O modelo integrou observações por satélite, dados climáticos e estatísticas estaduais, permitindo gerar mapas detalhados de rendimento agrícola em todo o território nacional.
Segundo o estudo, o modelo brasileiro apresentou desempenho robusto mesmo sem utilizar dados municipais. O indicador estatístico R², que mede a variância explicada, dobrou em comparação com estudos convencionais de previsão em diferentes escalas. Quando dados municipais foram incluídos, o desempenho atingiu R² de 0,57, nível comparável aos melhores métodos existentes que dependem de volumes muito maiores de dados locais.
Jiaying Zhang, primeira autora do estudo, afirmou que a abordagem elevou a eficácia das previsões de 50% para 78% do limite teórico máximo, definido como o melhor resultado possível com dados locais altamente detalhados. Para ela, os resultados indicam que o aprendizado por transferência pode superar desafios de escassez de dados e de escalabilidade na modelagem agrícola.
Leia mais:
- O que é a geada negra? Veja como esse fenômeno afeta a agricultura
- Fazenda vertical: como funciona a agricultura do futuro?
- Conheça 8 ameaças que prejudicam os oceanos
Impactos para o mercado global de soja
A pesquisa destaca que a capacidade de monitorar e antecipar a produção agrícola com maior precisão tem relevância estratégica. A previsibilidade aprimorada pode contribuir para análises mais consistentes sobre oferta e demanda, mudanças no uso da terra e impactos no solo.
Kaiyu Guan, líder do projeto e autor sênior do estudo, é Levenick Endowed Professor e diretor do Agroecosystem Sustainability Center at Illinois. Ele afirmou que a capacidade de monitorar e prever a produção agrícola em escala regional e global é estratégica para análises de mercado, projeções de comércio e avaliação de riscos para produtores de soja dos Estados Unidos.
Além do caso brasileiro, o trabalho sugere um caminho para aplicar modelos avançados de previsão em outras regiões com dados limitados, apoiando planejamento de segurança alimentar, gestão de riscos climáticos e formulação de políticas agrícolas baseadas em evidências.
O post Estudo usa IA para prever safra de soja no Brasil apareceu primeiro em Olhar Digital.
