Monitoramento do dossel do arroz por sensoriamento remoto e inteligência artificial para a gestão sustentável dos solos na Venezuela

Resumo

A gestão eficiente dos insumos agrícolas e a preservação das propriedades do solo constituem pilares fundamentais para a sustentabilidade dos sistemas agroalimentares modernos. Esta pesquisa desenvolveu e validou uma metodologia baseada em Inteligência Artificial (IA) com o objetivo de estimar a cobertura do dossel em cultivos de arroz na região centro-ocidental da Venezuela, utilizando dados radiométricos da missão satelital Sentinel-2. O objetivo foi desenvolver um sistema de monitoramento não invasivo capaz de otimizar a aplicação de fertilizantes nitrogenados, mitigando assim o impacto ambiental e promovendo a saúde dos solos agrícolas. A metodologia baseou-se no treinamento de um modelo Multilayer Perceptron (MLP), cuja arquitetura foi otimizada para processar assinaturas espectrais multitemporais. O rigor estatístico do modelo foi assegurado por meio de validação cruzada de cinco dobras (five-fold cross-validation), que apresentou métricas de desempenho robustas, incluindo um erro quadrático médio da raiz (RMSE) de 0,0071 e um coeficiente de determinação (R²) de 0,9996. Adicionalmente, foi realizada uma fase de verificação externa, confirmando a capacidade do algoritmo de generalizar em diferentes cenários fenológicos. Os resultados permitem concluir que a integração de redes neurais artificiais e sensoriamento remoto multiespectral possibilita a inferência robusta de variáveis biofísicas, facilitando a tomada de decisões estratégicas na agricultura de precisão. Essa abordagem técnica garante maior eficiência produtiva e posiciona-se como uma ferramenta valiosa para o monitoramento da saúde do solo e a redução da pegada de carbono na produção de cereais em larga escala.