A produção agrícola, já incrivelmente eficiente em grande parte do mundo desenvolvido, está aumentando a cada ano - esta é uma necessidade para alimentar os 9 mil milhões de pessoas esperadas no planeta até 2050. Um ótimo exemplo de ganhos de produtividade é o milho (milho, Zea mays). Uma das culturas mais produtivas, o rendimento do milho aumentou sete vezes nos últimos 100 anos nos EUA, o que significa que sete vezes menos terra é necessária para alimentar o mesmo número de pessoas. Enquanto os solos favoráveis e o tempo sempre desempenharam um papel central na produtividade da agricultura, os aumentos de produtividade foram impulsionados pelo uso e adaptação dos agricultores de tecnologias melhoradas. Apesar dos êxitos passados, a agricultura continua a ser desafiada a 'produzir mais com menos' com insumos agrícolas, como fósforo e água de irrigação, Que estão diminuindo a disponibilidade e aumentando os custos. Esses desafios são agravados por um clima em mudança e a necessidade de assegurar que as práticas sejam sustentáveis de forma econômica e ambiental. Como no passado, a agricultura enfrentará novos obstáculos que surgirão através de descobertas de pesquisa e novas ferramentas de produção. Ao contrário do passado, as ferramentas não serão exclusivamente o domínio de agrônomos, criadores de plantas, engenheiros agrícolas e outros cientistas agrícolas tradicionais; Encontrar soluções exigirá insumos e integração de diversas disciplinas que não foram anteriormente envolvidas na agricultura, como a fotônica e a ciência da computação. Novas tecnologias de sensor e imagens são uma das mais importantes e excitantes novas ferramentas que serão incorporadas para ver e responder ao que anteriormente foi intratável.

Os sensores estão sendo incorporados nos sistemas de irrigação para aplicar água com base na reflectância espectral. Cortesia do Departamento de Agricultura dos EUA.

Quantificação das propriedades do solo 

A área terrestre dedicada à agricultura é vasta, mas não homogênea. Ao ampliar a escala da paisagem para a planta em qualquer momento, surgem diferenças importantes que podem ser difíceis de quantificar. São necessários sensores para monitorar constantemente os sistemas agrícolas com a mais alta precisão possível. Na visão mais grosseira, os sistemas agrícolas e as culturas específicas cultivadas em uma paisagem mudam em todo o mundo, principalmente através das latitudes. Os campos agrícolas dentro dessas paisagens, vistos a partir de aviões e satélites no espaço, aparecem como remendos de diferentes culturas adjacentes um ao outro. Adicionando a dimensão do tempo, culturas específicas em cada campo rodam de ano para ano e biologicamente alcançam diferentes estágios de um ciclo de vida dentro de um ano; Cada diferença local e temporal resulta em requisitos de crescimento específicos para otimizar. Ao ampliar um pouco mais, existem gradientes dentro de campos que têm cores diferentes. Esses gradientes estão correlacionados com a diferença no tipo de solo e as habilidades do solo para manter nutrientes e umidade. As condições do solo interagem com a mudança do clima para impactar o crescimento da cultura; Por exemplo, a produtividade do rendimento é reduzida por inundações em pontos baixos e / ou solo de argila em um ano úmido, mas é reduzida pela seca em manchas altas e / ou solos arenosos em anos secos. O solo é formado por diferentes processos ao longo de dezenas de milhares de anos e pode ter bandas de areia ou argila correndo por um campo de forma a se cruzar com diferenças de elevação e microclima. Estes e outros fatores interagem para criar condições de crescimento únicas para cada planta no campo que precisa ser objetivamente observada e caracterizada antes de serem gerenciadas. Embora as modificações do solo para reduzir essas diferenças possam ser usadas em um jardim pessoal, o solo dentro de um campo de fazenda ou uma paisagem não é prático para homogeneizar e deve ser tratado como ele existe. Ao contrário dos ambientes bem controlados e consistentes na fabricação de equipamentos de sensores, a produção agrícola está sujeita aos caprichos biológicos da cultura, aos caprichos do tempo e à soberania dos mercados desconectados. A variação deve ser medida ou estimada em vez de eliminada - então a cultura pode ser gerenciada para máxima produtividade, retorno econômico e / ou sustentabilidade. Este é o objetivo da agricultura de precisão e onde a fotônica pode desempenhar um papel.

A agricultura moderna e a agricultura de precisão incorporam uma grande quantidade de tecnologia, incluindo tratores, pulverizadores e combinações. Cortesia do Departamento de Agricultura dos EUA.

O que é agricultura de precisão? 

O principal objetivo da agricultura de precisão é a aplicação mais inteligente de fertilizantes, pesticidas e água de irrigação para maximizar a eficiência da produção e o lucro na fazenda para a variedade vegetal escolhida. 

Cada vez mais, essas aplicações mais inteligentes também significaram ser melhores administradores do meio ambiente. A aplicação excessiva de fertilizantes ou pesticidas para áreas de um campo que não as necessita pode poluir as águas superficiais e subterrâneas e custar aos agricultores mais por acre, sem gerar nenhum rendimento ou qualidade de colheita adicional. Por outro lado, a subutilização de insumos reduz a produção geral de culturas, o que pode levar a uma perda financeira após cobrir os custos de sementes, equipamentos e terrenos. 

O nitrogênio é um dos nutrientes mais amplamente aplicados em fertilizantes agrícolas e foi uma das primeiras histórias de sucesso da agricultura de precisão. Atualmente, os agricultores usam rotineiramente sensores multispectrais e de cobertura para aplicar esta entrada de forma mais precisa. Sabe-se há muito tempo que a absorção de nitrogênio está diretamente relacionada à quantidade de biomassa - uma diferença normalizada do índice vegetativo (NDVI = [NIR-vermelho] / [NIR + vermelho]) calculada a partir de espectros de reflectância pode aproximar o 'verde' da cultura , O que, por sua vez, pode indicar o estresse da cultura e os acessos das plantas ao nitrogênio. Os sensores de reflectância proximal da fonte de luz (NDVI), como o GreenSeeker da Trimble Ag ou o Círculo de Cultivo da Holland Scientific, foram acoplados com controles de fertilizantes de taxa variável para que as quantidades precisas de fertilizantes de nitrogênio possam ser aplicadas onde são necessárias no campo . Os comprimentos de onda utilizados para o NDVI variam de acordo com a empresa e o sensor e podem incluir outros índices que o NDVI.

Os sensores de reflectância proximais de NDVI ativos, juntamente com sensores de ultra-sons e de temperatura, são montados em um veículo de fenotipagem de alto rendimento. O mesmo tipo de sensores NDVI são frequentemente anexados a um equipamento de fertilização. Cortesia de Beth Ann Luedeker, Departamento de Ciências do Solo e da Cultivo, Texas A & M University.

Veículos aéreos não tripulados 

Entre as novas tecnologias que geram o maior interesse na agricultura, agora são os UAV, equipados com câmeras e outros sensores de imagem (tornando-se assim sistemas aéreos não tripulados, UAS). O valor que isso oferece aos agricultores e consultores de culturas é o campo de busca para o estresse por via seca, pragas e doenças de forma mais rápida e atempada, em uma área maior e de forma mais sistemática do que atualmente é feito manualmente 'caminhar um campo'. Colheitas em linha, o objetivo do escoteiro é encontrar aspectos do estresse que podem ser gerenciados com insumos. Se um agricultor não tem como gerenciar um estresse, eles não precisam saber sobre isso e não estarão dispostos a pagar por este serviço. Uma vez que os indicadores de estresse são identificados, o estresse particular exigiria uma investigação manual mais aprofundada. Métodos de amostragem automatizada ou maior resolução para diagnosticar o problema podem estar disponíveis no futuro. Atualmente, existem dois tipos principais de veículos UAS que estão sendo investigados para escavação de campo: aeronaves de asa fixa (avião) que voam rápido e alto e helicópteros que voam lento e baixo, mas têm uma resolução de imagem muito melhor. Uma resolução maior ajudará na observação de coisas importantes, como quais insetos e lesões de doenças estão causando problemas, o que pode ajudar a diagnosticar mais rapidamente o problema específico. No entanto, além de ser mais lento e mais oneroso, isso também resulta em mais dados para tomar decisões e armazenar. Aeronaves de asa fixa (avião) que voam rápido e alto e helicópteros que voam lento e baixo, mas têm uma melhor resolução de imagem. Uma resolução maior ajudará na observação de coisas importantes, como quais insetos e lesões de doenças estão causando problemas, o que pode ajudar a diagnosticar mais rapidamente o problema específico. No entanto, além de ser mais lento e mais oneroso, isso também resulta em mais dados para tomar decisões e armazenar. Aeronaves de asa fixa (avião) que voam rápido e alto e helicópteros que voam lento e baixo, mas têm uma melhor resolução de imagem. Uma resolução maior ajudará na observação de coisas importantes, como quais insetos e lesões de doenças estão causando problemas, o que pode ajudar a diagnosticar mais rapidamente o problema específico. No entanto, além de ser mais lento e mais oneroso, isso também resulta em mais dados para tomar decisões e armazenar.

Um helicóptero UAV examina um campo para altura e formas da planta ao mesmo tempo que um lidar ( no tractor de pulverização ). Cortesia do Dr. Sorin Popescu, Laboratório LASERS, Texas A & M University.

Alguns exemplos de problemas de campo de pesquisa UAS bem-sucedidos incluem a detecção de podridão de raízes de algodão - uma questão de solo quase intratável que leva à morte em algodão - para fins de replantação e controle de fungicidas ⁵ , a detecção de perdas de produção de seca no feijoeiro ⁶ que poderiam ser resgatadas através de Irrigação e detecção precoce de uma epidemia de ferrugem das folhas no milho que poderia ser controlada pelo fungicida (Figura 1). No entanto, apesar dos primeiros resultados da pesquisa e do fato de que os UAS podem ser comprados de forma econômica e que seu uso na agricultura é altamente divulgado, há até poucos exemplos de UAS criando decisões acionáveis pelos agricultores. Pesquisas e educação substanciais ainda precisam ser feitas antes que isso possa se tornar uma realidade ⁷ . Os agricultores estão descobrindo que há muitos passos entre tirar fotos e extrair informações utilizáveis, e apenas algumas das etapas são comumente conhecidas. Embora os atuais fatores limitantes do software, análise e interpretação dos dados do UAV sejam resolvidos, novas necessidades de coleta de dados surgirão. Uma grande necessidade é para sensores de imagem de menor peso e peso leve que possuem velocidade de obturação mais rápida (para reduzir o esfregaço de pixels). Uma imagem melhor irá diminuir ainda mais os custos e ser útil para o escoteamento de plantas. Deve-se notar que algumas empresas já estão apostando que os satélites fornecerão uma resolução suficientemente alta com um tempo de revisão bastante frequente, de modo que muitas desvantagens de usar UAVs podem ser evitadas. Análise e interpretação de dados de UAV são resolvidos, novas necessidades de coleta de dados surgirão. Uma grande necessidade é para sensores de imagem de menor peso e peso leve que possuem velocidade de obturação mais rápida (para reduzir o esfregaço de pixels). Uma imagem melhor irá diminuir ainda mais os custos e ser útil para o escoteamento de plantas. Deve-se notar que algumas empresas já estão apostando que os satélites fornecerão uma resolução suficientemente alta com um tempo de revisão bastante frequente, de modo que muitas desvantagens de usar UAVs podem ser evitadas. Análise e interpretação de dados de UAV são resolvidos, novas necessidades de coleta de dados surgirão. Uma grande necessidade é para sensores de imagem de menor peso e peso leve que possuem velocidade de obturação mais rápida (para reduzir o esfregaço de pixels). Uma imagem melhor irá diminuir ainda mais os custos e ser útil para o escoteamento de plantas. Deve-se notar que algumas empresas já estão apostando que os satélites fornecerão uma resolução suficientemente alta com um tempo de revisão bastante frequente, de modo que muitas desvantagens de usar UAVs podem ser evitadas.

Figura 1. Comparando as imagens da doença da ferrugem das folhas com classificações visuais  em duas variedades de milho em Corpus Christi, Texas, retiradas de um UAV. Cortesia de M. Starek, Texas A & M University-Corpus Christi e G. Odvody, Texas AgriLife Research.

Fenotipagem de alto rendimento 

A fenotipagem é o ato de medir as características físicas das plantas e dos animais. Um dos principais objetivos na pesquisa vegetal, animal e humana é identificar genes que controlam a variação do fenótipo. Isso requer a medição do DNA e do fenótipo do mesmo organismo. Embora a sequência de DNA permaneça constante, o fenótipo pode variar drasticamente de ambiente para ambiente e mesmo dentro do mesmo campo - por exemplo, inundação de rajadas de plantas em pontos baixos. A melhoria radical no seqüenciamento de DNA é uma das poucas tecnologias com uma taxa de avanço que excede a lei de Moore para semicondutores e também é parcialmente devido à imagem melhorada ⁸ . A melhoria da medição do fenótipo não manteve-se e agora é muitas vezes o fator limitante em muitos estudos genéticos. A fenotipagem de alto rendimento é a resposta da comunidade científica, desenvolvendo métodos mais rápidos e econômicos para medir as características físicas de uma planta. Porque esta pesquisa é transdisciplinar e emergindo rapidamente de disciplinas distintas - incluindo biologia básica de plantas, visão por computador, engenharia e outros - novos fóruns para discussão de avanços de pesquisa estão surgindo, como The Plant Phenome Journal, permitindo que descobertas e padrões sejam expostos ao mais largo Possível audiência. Algumas das tecnologias emergentes de fenotipagem de alto rendimento provavelmente serão escaláveis e, eventualmente, incorporadas em usos precisos da agricultura. Embora estes sensores de fenotipagem resultem em métodos de medição mais rápidos e mais baratos, nem sempre são mais precisos do que as medidas manuais feitas por métodos tradicionais. Então, o quão importante é a precisão na medição de culturas? 

Abordagens na detecção 

agrícola Os engenheiros agrícolas, mecânicos e aeronáuticos muitas vezes expressam preocupações sobre a precisão das novas medidas de análise de sensores e imagens, mas isso é menos preocupante para os interesses das ciências biológicas em fenotipagem de diferenças relativas, não diferenças absolutas, desde que os resultados sejam consistentes . As diferenças nas métricas utilizadas entre pesquisadores de engenharia e agricultura para avaliar o sucesso fazem parte da curva de aprendizado do trabalho interdisciplinar UAS7. Parece haver duas abordagens filosóficas gerais que a pesquisa e a produção agrícola levam com as medidas dos sensores. A primeira é a comparação com uma medida de 'padrão-ouro'. Por exemplo, comparando as estimativas de alturas de plantas de uma imagem UAS com medidas feitas manualmente usando uma régua, uma análise de correlação simples pode ser realizada para saber se esta é uma boa medida ou não - ou pode? Se a correlação for boa, alguns dirão que o sensor é 'tão bom ou melhor do que as medidas manuais', enquanto que se a correlação for fraca, muitos culparão as medidas manuais e dirão que são imprecisos devido a 'erro humano, 'Com o pressuposto de que o sensor é mais preciso. 

Em contrapartida, a pesquisa agrícola pode ter uma abordagem diferente que não requer medidas padrão para comparar. Do ponto de vista de um cientista do campo agrícola, o primeiro passo para avaliar uma nova estimativa do sensor de fotônica pode não ser a correlação, mas sim determinar se a diferença entre variedades ou tratamentos (seca, doença, etc.) é maior que a diferença em relação ao erro de medição . Se assim for, isso pode ser monitorado por anos e ambientes para relacionamentos para produzir e produção sustentável. Isso é feito na maioria dos experimentos, incluindo múltiplas replicações dentro de um campo e executando modelos restritos de máxima verossimilhança (REML) para comparar a consistência de diferentes replicações da mesma variedade e tratamento com a variação de erro (inexplicável) entre repetições. As medidas que apresentam a menor variação de erro inexplicada são mais úteis. Esta abordagem descobriu que alguns dias as medidas da régua manual são mais consistentes para a altura da planta enquanto que em outros dias as estimativas do sensor UAS são mais consistentes (não se sabe por que, mas sugere uma linha interessante de pesquisa futura). Então, enquanto é tentador imaginar sensores como apenas automatizando medidas manuais que já foram feitas, É mais excitante imaginar como a fotônica poderia prever os aspectos da cultura impraticáveis ou impossíveis de ter considerado anteriormente - por exemplo, se um comprimento de onda de reflectância pode prever uma doença específica ou deficiência anteriormente desconhecida. 

Que tipos de sensores são necessários? 

Existem dois nichos principais de novos sensores desejáveis no curto prazo para agricultura de campo: versões melhoradas de sensores existentes e novos sensores de pesquisa que podem ser implantados para medir novos fenótipos. Primeiro, As versões melhoradas dos sensores existentes devem ser capazes de coletar consistentemente e rapidamente imagens RGB (ou preferencialmente multispectral para NDVI) de maior resolução em áreas cada vez maiores, sendo tanto resistentes quanto econômicas (os UAVs freqüentemente falham). As melhorias de sensores fisicamente maiores, como uma melhor resolução e velocidades mais rápidas do obturador, permitiriam vôos UAS mais altos e mais rápidos para agricultura de precisão e talvez, eventualmente, satélites. Para a pesquisa de fenotipagem de uso de sensores existentes, gostaríamos de voar mais de 500 pés, mais rápido que 30 milhas por hora. Nenhum sensor até à data tem essa capacidade, e essa resolução é muito mais do que a agricultura de precisão atualmente requer.

Os UAV de asa fixa são mais apropriados para examinar os campos dos agricultores do que as asas rotativas porque podem voar cada vez mais alto, permitindo que mais terras sejam cobertas por custos mais baixos. Cortesia de Shay Simpson, Texas A & M Agrilife Research.

Para o desenvolvimento de novos sensores, as extensões da espectroscopia Raman, a fluorescência de raios-x e a espectroscopia hiperespectral em todo o espectro eletromagnético seria desejável para detectar novos compostos de um UAS, mas estes ainda precisariam ser robustos, pequenos o suficiente e com baixos requisitos de energia para serem Implantado em um UAV. Os sensores poderiam ser sintonizados para detectar hormônios importantes ou compostos de sinalização que poderiam indicar estresse antes de outros sinais fisiológicos serem observados, ou poderia usar uma abordagem de arquitetura aberta discutida acima para primeiro encontrar medidas repetitivas, em seguida, determinar se estas nunca antes detectadas As assinaturas correspondem a algo útil. A pesquisa também está começando a parecer abaixo do solo, usando tecnologias como radar de radiação terrestre, ressonância magnética, imagens termoacústicas e raios-x para medir raízes. É fundamental lembrar que é menos importante saber o que está sendo medido com esses sensores do que demonstrar que as medidas são repetíveis. Portanto, quase qualquer sensor novo vale a pena tentar em um sistema de cultivo para identificar novas propriedades a serem medidas nas plantas. 

Desafios de interromper a agricultura 

Com muitas oportunidades para aplicar a tecnologia à agricultura, tornou-se recentemente moda para muitas empresas, tanto estabelecidas, mas especialmente as startups de tecnologia, para discutir a capacidade da tecnologia de 'perturbar a agricultura'. É tentador observar ingenuamente o número de hectares Envolvido na agricultura e multiplicar isso por um custo muito pequeno e prevê lucros muito grandes. Há também muitos desafios empresariais únicos para trabalhar na agricultura, como apenas ter uma temporada de cada safra por ano, perdas experimentais incontroláveis do clima, a necessidade de uma estratégia comercial de contra-estação quando não há colheitas no solo e um regionalismo Em culturas que impedem a escala. Para qualquer pessoa interessada em aplicar uma nova tecnologia - fotônica e de outra forma - é fortemente sugerido encontrar primeiro especialistas agrícolas na área com quem colaborar. As universidades de concessão de terras são um ótimo lugar para começar, porque geralmente possuem princípios básicos, aplicados,

Um quadcopter voa acima das culturas para imagens em Corpus Christi, Texas. Muitos tipos diferentes de sensores de imagem estão sendo testados em UAVs. Cortesia do Dr. Jinha Jung, Escola de Engenharia e Ciências da Computação, Texas A & M University-Corpus Christi.

Embora o enorme impacto potencial da aplicação da fotônica à agricultura seja excitante, a promessa do potencial da tecnologia por si só não resolverá o problema de alimentar de forma sustentável mais de 9 bilhões de pessoas. Ter novos sensores e cooperação interdisciplinar para atender às necessidades da agricultura é cada vez mais urgente. 

Conheça o autor 

Dr. Seth C. Murray é professor associado e Eugene Butler Endowed Chair no Departamento de Ciências do Solo e da Cultivo na Texas A & M University. Ele recentemente fundou e é editor do The Plant Phenome Journal. 

Referências 

1. EC Brummer et al. (2011). Criação de plantas para a harmonia entre a agricultura e o meio ambiente. Front Ecol Environ , Vol. 9, Edição 10, pp. 561-568. 

2. JP Ackerson et al. (2017). Espectroscopia VisNIR montada em penetrómetro: Aplicação de EPO-PLS em espectros VisNIR in situ. Geoderma , Vol. 286, pp. 131-138. 

3. KL Martin et al. (2005). Variabilidade planta-planta na produção de milho. Agron J , Vol. 97, Edição 6, pp. 1603-1611. 

4. LK Sharma et al. (2015). Sensores ativo-ópticos usando NDVI vermelho em comparação com NDVI de borda vermelha para predição de rendimento de grão de milho em Dakota do Norte, EUA. Sensors , Vol. 15, Edição 11, pp. 27832-27853. 

5. Y. Huang e SJ Thomson (2015). Sensoriamento remoto para cultivo de algodão, em algodão , 2º. Ed. Agronomia Monografia 57, pp. 439-464. 

6. JJ Trapp et al. (2016). Traços de fenotipagem seletiva relacionados ao estresse múltiplo e resposta à seca em feijão seco. Crop Sci , Vol. 56, Edição 4, pp. 1460-1472. 

7. Y. Shi et al. (2016). Veículos aéreos não tripulados para fenotipagem de alto rendimento e pesquisa agronômica. PloS One , Vol. 11, Edição 7, e0159781. 

8. JM Rothberg et al. (2011). Um dispositivo semicondutor integrado que permite o seqüenciamento do genoma não-óptico. Nature , Vol. 475, Edição 7356, pp. 348-352. 

9. N. Altangerel et al. (2017). Diagnóstico in vivo da resposta inicial ao estresse das plantas abióticas através da espectroscopia Raman. Proc Natl Acad Sci USA , Vol. 114, Edição 13, pp. 3393-3396. 

10. JL Araus e JE Cairns (2014). Fenotipagem de alto rendimento em campo: a nova fronteira de criação de culturas. Trends Plant Sci , Vol. 19, Edição 1, pp. 52-61. 

11. A. Singh et al. (2016). Aprendizado de máquinas para fenotipagem de tensão de alto rendimento em plantas. Trends Plant Sci , Vol. 21, edição 2, pp. 110-124. 

12. D. Schimmelpfennig (2016). Lucros agrícolas e adoção de agricultura de precisão (nº 249773). Departamento de Agricultura dos Estados Unidos, Serviço de Pesquisa Econômica.

FONTE: photonics.com