Área Científica: Ciência do Clima e Alterações Climáticas
 

Resumo:
A utilização eficiente da água (UA) na agricultura é um dos principais desafios no contexto das alterações climáticas (AC). A crescente escassez de água, combinada com as anomalias de precipitação associadas às AC, impõe a necessidade de melhorar a precisão da UA na rega. Por isso, a comunidade científica tem sido incentivada a desenvolver tecnologias que melhorem e tornem transferível a programação da rega com base nas necessidades hídricas das culturas, recorrendo a informação em tempo real e permitindo uma reação rápida às condições ambientais em mudança. Estes desenvolvimentos devem considerar as condições socioeconómicas das diferentes regiões do mundo. Assim, as novas soluções devem ser de baixo custo (BC), facilmente reprodutíveis e de fácil manutenção.
 

As ferramentas digitais têm contribuído para avanços cruciais na rega, e existem soluções disponíveis no mercado. No entanto, os custos associados e o apoio técnico especializado limitado levaram a que a agricultura digital (AD) se tornasse exclusiva de uma pequena fração dos agricultores. O objetivo deste estudo é apresentar uma contribuição inovadora para a AD, que reside no desenvolvimento do SOFIS (Smart Orchard Fertigation System), definido como um sistema inteligente de BC. O hardware e o software do SOFIS foram concebidos para utilizar abordagens de BC no controlo da UA em pomares e vinhas, com o objetivo de estabelecer e validar um sistema de aprendizagem automática para análise de dados em tempo real de forma automatizada.
 

O hardware do SOFIS consiste num conjunto de dispositivos e sensores que estimam a água no solo direcionada para a planta e para a atmosfera. O sistema adquire dados dos sensores e envia-os para uma plataforma web. No solo, os sensores medem o teor de água, a evaporação, a salinidade e a temperatura. A planta possui sensores que medem o fluxo de seiva (FS), e sensores atmosféricos que medem a temperatura do ar e a humidade relativa no interior da copa. A evaporação da água no solo é avaliada através de um inovador dispositivo de pesagem automatizado (mLy), adequado para uso contínuo, e as células Peltier estimam o fluxo de calor latente no solo. O presente projeto visa melhorar e validar sensores de FS e mLy de BC.

No que respeita à ciência de dados (software SOFIS), esta centra-se na abordagem da Agricultura 4.0, utilizando Inteligência Artificial (IA) para o tratamento, processamento, análise estatística e sistematização de dados em tempo real, recorrendo a aprendizagem automática para tomar decisões sobre rega, geada, doenças e previsão de eventos (pragas). O objetivo do projeto é desenvolver uma ferramenta digital de BC, personalizável e modular, baseada em sensores de proximidade, útil no contexto da gestão da rega, permitindo uma reação e adaptação rápidas às condições ambientais, com maior precisão. A solução encontrada permite uma fácil transição para o mundo digital, devido ao seu baixo custo, acesso aberto e apoio técnico especializado.
 

Investigadora Principal (Portugal): Maria Teresa Gomes Afonso do Paço, Instituto Superior de Agronomia (ISA)
 

Investigador Principal (MIT): Amos G. Winter, Department of Mechanical Engineering, MIT