Inglês 
Espanhol 
5 min de leitura 
0 comentários 
Pesquisadores da Malásia desenvolveram um sistema com cinco sondas enterradas em uma área de 93 metros quadrados que consegue prever a umidade do solo com 95,49% de precisão, usando inteligência artificial, painéis solares e medições a 15 e 30 centímetros para tornar a irrigação mais eficiente
Pesquisadores da Malásia desenvolveram um sistema com sensores subterrâneos capaz de prever a umidade do solo com 95,49% de precisão, oferecendo apoio mais confiável para definir o melhor momento de irrigar e reduzindo o uso desnecessário de água na agricultura.
A solução combina medições em profundidade, dados ambientais e inteligência artificial para aproximar as previsões das condições reais observadas no campo.
O experimento foi conduzido em uma área de aproximadamente 93 metros quadrados, onde cinco sondas enterradas monitoraram, em tempo real, a evolução da água no subsolo. A proposta concentra a análise na região onde as raízes absorvem água, em vez de depender apenas de sinais visíveis na superfície.
-
Vulcão equatoriano de 6.268 metros está mais de 2 mil metros mais perto do espaço do que o Everest, que tem 8.848 metros, porque a Terra é mais larga na linha do equador
-
Estudantes de escola pública no sertão do Maranhão criam bioinseticida com nim e mamona para proteger lavouras de milho, transformam resíduos rurais em biogás e biofertilizante e levam tecnologia sustentável para produtores na ExpoSertão
-
Ötzi, a múmia de 5.300 anos achada nos Alpes, revela um microbioma ainda ativo, e a levedura do Homem do Gelo aponta para uma fermentação que economiza energia
-
Adeus ao micro-ondas: o eletrodoméstico presente em 65% das cozinhas brasileiras começa a perder espaço para um único aparelho capaz de aquecer, assar, gratinar e preparar receitas como micro-ondas, forno elétrico e airfryer ocupando praticamente o mesmo lugar na bancada
Essa diferença é central porque o aspecto externo do terreno pode induzir a erros. O solo pode parecer seco na camada superior e, ainda assim, manter água suficiente em níveis mais profundos, ou apresentar a situação inversa, o que compromete decisões de irrigação quando a leitura se baseia apenas na observação superficial.
Sensores medem a umidade do solo em profundidade
O sistema utiliza sensores enterrados a 15 e 30 centímetros, profundidades escolhidas para observar justamente a faixa em que o estresse hídrico começa a afetar as plantas. A medição nessa camada permite identificar com mais clareza quando as raízes encontram água em quantidade insuficiente.
A agricultura responde por cerca de 70% da água doce extraída globalmente, e parte desse volume é desperdiçada por falhas no manejo da irrigação. Nesse cenário, o uso mais preciso das informações pode ajudar a reduzir perdas sem ampliar a disponibilidade de água.
A estrutura instalada no campo não mede apenas a água presente no solo. O sistema também integra temperatura do ar, umidade ambiente, radiação solar e precipitação, reunindo variáveis que ajudam a formar um retrato mais completo das condições que influenciam a umidade do solo.
Os sensores subterrâneos coletam dados a cada 10 minutos, enquanto as condições ambientais são registradas a cada 30 minutos. Todo o conjunto é alimentado por painéis solares, eliminando a dependência da rede elétrica e ampliando a viabilidade de uso em áreas rurais ou isoladas.
A arquitetura adotada é uma rede em estrela. Nela, os sensores enviam as informações para um nó central, que depois encaminha os dados para a nuvem, em uma configuração simples usada para validar o conceito em campo.
Inteligência artificial interpreta padrões ao longo do tempo
Para analisar os dados coletados, os pesquisadores empregaram um modelo de inteligência artificial do tipo LSTM, sigla para Long Short-Term Memory.
Esse algoritmo não observa medições isoladas, mas aprende sequências e identifica como as condições evoluem ao longo do tempo.
Essa característica é relevante porque, no campo, muitos efeitos não são imediatos. A chuva, por exemplo, não se transforma automaticamente em água disponível para as raízes, e o modelo foi treinado para captar esse intervalo entre o evento climático e a resposta no subsolo.
O resultado gerado pelo sistema não é uma previsão rígida, mas uma estimativa dinâmica do comportamento da umidade do solo. Essa leitura mais próxima da realidade tende a oferecer uma base mais útil para decidir quando irrigar e quando evitar a aplicação desnecessária de água.
Os pesquisadores destacam, porém, que a qualidade dos dados tem papel decisivo no desempenho do modelo. Informações incompletas ou irregulares podem interromper os padrões que a inteligência artificial precisa reconhecer para manter a precisão das previsões.
Chuva intensa ainda reduz a precisão do sistema
O desempenho do sistema cai em períodos de chuva forte, quando a umidade se eleva de forma abrupta e foge dos padrões habituais. Esse comportamento dificulta a previsão e mostra que, mesmo com inteligência artificial, a variabilidade natural continua impondo limites.
Para reduzir o impacto desses desvios no treinamento do modelo, foi aplicada a técnica de perda de Huber. O método melhora a estabilidade diante de erros extremos, embora não elimine totalmente as dificuldades observadas em cenários de precipitação intensa.
A precisão de 95,49% não significa acerto absoluto em todas as variações registradas no campo. O índice indica que, na maior parte dos casos, as estimativas ficam suficientemente próximas das condições reais para orientar decisões de irrigação com menor margem de erro.
Na prática, isso permite evitar regas quando elas não são necessárias e também reduz o risco de economizar água em momentos em que a planta começa a sofrer com a falta dela. O objetivo principal não é atingir perfeição matemática, mas diminuir falhas relevantes no manejo.
Sistema apoia decisões humanas e pode ser ampliado
A solução não automatiza diretamente a irrigação. Ela funciona como ferramenta de apoio, oferecendo previsões e informações para orientar a decisão humana, em uma abordagem intermediária que pode facilitar a adoção da tecnologia por fazendas que ainda não avançaram para sistemas totalmente automáticos.
O teste foi realizado em uma plantação específica e sob condições relativamente homogêneas, o que limita a extrapolação imediata para cenários mais complexos. Em áreas maiores, com solos variados e microclimas distintos, será necessário ampliar o número de sensores e reforçar a conectividade.
O material aponta que essa expansão pode exigir redes mais robustas, como LoRa ou sistemas mesh, capazes de cobrir áreas extensas. Também ainda será necessário observar o comportamento do sistema em diferentes estações, incluindo secas prolongadas e chuvas extremas.
Além da irrigação, a tecnologia abre espaço para integrar a gestão da água a fatores como fertilização, saúde do solo e crescimento das culturas.
A perspectiva é avançar de um sistema voltado à irrigação inteligente para uma agricultura de precisão mais ampla, mantendo a umidade do solo como uma referência central para decisões mais eficientes.
Mais informações em sciencedirect.
-
-
4 pessoas reagiram a isso.