Ícone de alerta
Alerta anterior Próximo alerta Fechar alerta

Meteorologia e o uso da Inteligência Artificial no campo

Compartilhar Compartilhe no Whatsapp Compartilhe no Facebook Compartilhe no Twitter

10 min de leitura

Quem gosta da previsão do tempo, tem tido o privilégio de acompanhar enormes mudanças em termos de dados, resultados e uso de tecnologia nessa maravilhosa ciência que é a Meteorologia.

 

Há 20 anos atrás, a meteorologia não se arriscava em dar a previsão para mais do que 3 ou 5 dias. Hoje, o planejamento a partir de previsões meteorológicas e climáticas é feito para os próximos meses. Sem contar estudos de projeções climáticas, com horizonte para as próximas décadas. 

 

A tecnologia evoluiu a níveis exponenciais nos últimos anos, e todas as ciências têm pego carona e feito uso da inovação, com simples objetivo de ser mais preciso, mais rápido, mais econômico e mais lucrativo. E com a meteorologia não foi diferente.

 

Os modelos numéricos de previsão estão cada vez mais precisos. Há 20 anos, se uma empresa ou instituto de pesquisa precisasse de mais hardware (ou poder de processamento) para rodar modelos mais poderosos e com maior resolução, precisavam investir em supercomputadores e gigantescos sistema de armazenamento de dados.

 

Atualmente, tudo isso está na chamada cloud (nuvem, em inglês), onde é possível alugar processadores e armazenar uma infinidade de dados. Com isso, uma importante barreira foi derrubada. E literalmente, o céu era o limite!

 

Mas o que essas mudanças em termos de tecnologia têm representado para os usuários, e principalmente para os produtores rurais?

 

Não preciso afirmar o quanto o fator Clima influência nos resultados para o setor que mais cresce no Brasil: o agronegócio. Conforme as últimas pesquisas da ABMRA (Associação Brasileira de Marketing Rural e Agronegócio), a maior preocupação do produtor rural é o clima, a frente de outros problemas, como pragas e doenças, mão de obra, custos operacionais, dentre outros. Isso justifica o quanto tem sido relevante a busca por novas tecnologias no campo.

 

Uma boa métrica é o crescente número de AgTechs nos Brasil, as startups do setor Agro. Já são quase 2.000 Agtechs em todo o Brasil, e só entre 2019 e 2020, o aumento nesse número foi de mais de 40%. E mais uma vez, não há limites para o uso da tecnologia e da inovação no campo.

 

artigo_prev_Bini

Foto: Getty images

 

Assertividade na previsão do tempo 

 

Um dos aspectos que tem tido mais aderência com as necessidades do produtor, é o aumento da assertividade das previsões. Todo o planejamento depende de uma previsão mais assertiva, principalmente no momento de aplicar defensivos ou na irrigação. Toda e qualquer atividade de campo está associada as condições do tempo e o monitoramento do clima é necessário para minimizar perdas durante períodos de estiagem, ocorrência de granizo, geada, e outros fenômenos meteorológicos.

 

O Brasil tem características geográficas que dificultam muito a previsibilidade. Somos um país com dimensões continentais, inúmeros climas e microclimas distintos. Temos a forte influência do Oceano Pacífico (responsável pelos fenômenos do El Niño e La Niña), do Oceano Atlântico, da maior floresta tropical do planeta, da Cordilheira do Andes, e outros fatores geográficos que aumentam ainda mais o desafio na busca de uma previsão do tempo mais assertiva e confiável.

 

Estatisticamente, os erros de previsão diminuíram também de forma exponencial nesses últimos anos. Apesar da meteorologia ser considerada uma ciência exata, as equações desenvolvidas pelo homem, que procuram modelar nossa complexa atmosfera, ainda não são capazes de responder por todas as interações que existem na atmosfera.

 

Como podemos dar um salto de qualidade nas previsões, usando novos recursos em termos de tecnologia, que vão além do uso de modelos matemáticos?

 

A IA (Inteligência Artificial) nasceu com o propósito de integrar dados e informações, fazer o uso massivo do chamado Big Data, sem limite para um volume gigantesco de diferentes dados. A inovação estão em usar esses dados de forma inteligente, aprender com suas relações e variabilidades. Esse processo de aprendizagem também tem um nome bastante utilizado ultimamente: o Machine Learning.

 

Como podemos usar o machine learning para melhorar a previsão do tempo?

 

Vamos imaginar o seguinte cenário: um produtor tem rural tem uma propriedade na Serra Catarinense. Para ele, o planejamento é fundamental, seja na questão de aplicação de insumos, manejo do solo, melhor momento para a colheita e previsão de geada, que costuma trazer perdas para sua safra.

 

Diante deste cenário, a previsão para esse produtor sempre costuma errar a amplitude de temperatura, e o volume da chuva. Não vamos discutir os motivos pelo qual a região do nosso produtor costuma errar a previsão (possivelmente por questões geográficas), mas é aí que entra a inteligência artificial na tentativa de compreender estatisticamente os erros, solucioná-los ou ao menos reduzi-los.

 

O modelo de inteligência vai determinar os padrões de erros da previsão, pontualmente para a localidade do produtor rural. Para isso, é necessário o maior número de dados possível, desde as previsões que foram feitas nos últimos anos, até os dados registrados nesse mesmo período. Usando modernas técnicas estatísticas, o modelo de inteligência artificial vai determinar então as situações de erro da previsão, que pode ser por exemplo:

 

1º) Em situações de aproximação de uma frente fria, o modelo de previsão sempre erra a temperatura mínima em 2 graus pra cima. Esse exemplo justificaria o motivo do modelo não prever ocorrência de geadas durante o inverno.

 

2º) Em formação de tempestades locais, o modelo posiciona as chuvas sempre atrás do morro mais próximo, devido a topografia. Isso justificaria a previsão subestimada das chuvas na propriedade do nosso produtor. O interessante é que esse processo de modelagem da Inteligência Artificial é contínuo, ou seja, o modelo está constantemente “apendendo” com os erros da previsão e aplicando automaticamente os ajustes pontuais. Resultado: previsão do tempo mais assertiva.

 

Claro que eu procurei simplificar uma ciência que é bastante ampla e está em constante melhoria, mas a lógica do uso da inteligência artificial na meteorologia é integrar e modelar o maior número de dados, com o objetivo de compreender o comportamento dos erros (e acertos) da previsão e automaticamente oferecer aos produtores a melhor previsão possível.

 

Essa realidade já é empregada pelos profissionais da área na Climatempo que utilizam a solução em suas previsões direcionadas para o produtor rural, emissoras de TV, empresas de energia, varejo, transporte, logística, trades, e todos os segmentos de mercado que fazem uso da previsão do tempo no planejamento de seus negócios.

 

O futuro promissor da previsão do tempo para o Agro

 

O futuro é promissor para o agronegócio. Pequenos e grandes produtores têm investido em sensores meteorológicos e com isso, o volume de dados tem crescido de forma exponencial em todo planeta. Os dados são considerados a riqueza do futuro. Quanto mais dados, melhor compreendemos todo ecossistema representado pela atmosfera, superfície e oceanos.

 

De fato, os erros ainda ocorrem, mas faça um exercício de memória: quando notarem um erro na previsão, lembrem de todos os outros dias em que a previsão foi assertiva. Temos uma tendência natural de lembrarmos apenas as situações de erro e não dar o valor ao número muito maior de situações de acerto na previsão.

 

A Inteligência Artificial, aliado a inúmeras inovações do setor Agro, tem se mostrado um aliado para o produtor rural, desde o pequeno, até grandes empresas que precisam prever as penalizações em suas culturas, associadas às previsões meteorológicas. Faça chuva ou faça sol, a previsão é de tempo bom para a agricultura brasileira.

 

Este artigo é do meteorologista e Head de Agronegócios da Climatempo, Willians Bini.

Experimente ter monitoramento em tempo real da sua fazenda

+ mais notícias