Pesquisadores da University of Illinois Urbana-Champaign criaram um modelo de inteligência artificial capaz de projetar a produtividade da soja no Brasil em alta resolução, mesmo com a escassez de dados municipais. Os resultados foram publicados no International Journal of Applied Earth Observations and Geoinformation.
O sistema utiliza aprendizado por transferência, técnica que adapta conhecimentos de um modelo previamente treinado em outro ambiente. A equipe partiu de uma ferramenta avançada, desenvolvida para os Estados Unidos, e a ajustou às condições brasileiras com base em dados estaduais de rendimento e, quando disponíveis, informações municipais pontuais.
Como funciona o modelo
A solução combina imagens de satélite, registros climáticos e estatísticas oficiais de produtividade por estado. A partir desse conjunto, produz mapas que detalham a safra em escala municipal em todo o território nacional.
Desempenho acima dos métodos convencionais
Mesmo sem dados locais minuciosos, o modelo elevou o coeficiente de determinação (R²) a patamares duas vezes superiores aos vistos em estudos tradicionais. Quando incluídas amostras municipais, o R² chegou a 0,57, resultado comparável aos melhores sistemas que dependem de grandes volumes de informações de campo.
Segundo a primeira autora, Jiaying Zhang, a abordagem ampliou a precisão das previsões de 50% para 78% do limite teórico máximo obtido com dados altamente detalhados. Já o líder do projeto, Kaiyu Guan, destacou que a capacidade de monitorar e antever a produção agrícola em larga escala é estratégica para projeções de mercado, comércio internacional e gestão de riscos dos produtores.
Contexto da produção brasileira
O interesse por estimativas mais precisas cresce à medida que o Brasil, maior produtor global de soja desde 2018, carece de levantamentos em escala fina. A metodologia apresentada oferece um caminho para preencher essa lacuna e pode ser aplicada a outras regiões com disponibilidade limitada de dados agrícolas.
Com informações de Olhar Digital
