Embrapa prevê produtividade da cana com 89% de acerto usando imagens de satélite durante o ciclo de crescimento 🛰️🧵 Resultado integra PlanetScope, estatística e machine learning — mesma metodologia testada em soja.

Imagem indisponível

Como foi feito: pesquisadores usaram série temporal de imagens diárias PlanetScope (via Programa Brasil Mais) para identificar janelas ideais do desenvolvimento e extrair índices de vegetação como NDVI — informação essencial pra modelagem.

O diferencial é olhar a planta ao longo do tempo. O modelo combina essas imagens com dados de cultivar, ciclo produtivo e precipitação acumulada, permitindo reconhecer padrões dinâmicos que antecedem a produtividade.

Imagem indisponível

No caso da cana, o resultado chegou a 89% de acerto. A mesma abordagem também validou o bioestimulante Hydratus em testes com soja — mostrando que observação espacial já serve pra pesquisa aplicada e validação tecnológica.

Ângulo espacial: PlanetScope é uma constelação comercial. O acesso diário via programa público foi crucial — um exemplo de como dados do espaço podem virar ferramenta prática no solo. Importante pensar em acesso aberto e evitar concentração de dados.

Imagem indisponível

Potenciais impactos: decisões de plantio e manejo mais precisas, otimização de insumos, menos desperdício e apoio a pequenas propriedades. Para isso funcionar em escala, são necessários políticas públicas, capacitação técnica e regulação responsável.

Reflexão final: isto é astronomia aplicada — observar a Terra desde o espaço para resolver problemas reais como segurança alimentar e sustentabilidade. Investir em dados espaciais públicos e inclusão tecnológica é investir em equidade no campo.

Imagem indisponível