Pesquisa brasileira avança no monitoramento de geadas e amplia precisão na estimativa da safrinha de milho

Um estudo desenvolvido por pesquisadores da Unesp, em parceria com o Instituto Nacional de Pesquisas Espaciais (INPE), a Companhia Nacional de Abastecimento (Conab) e a Universidade de Michigan, resultou na criação de um método inovador para detectar, de forma rápida, automática e precisa, os danos provocados por geadas em lavouras de milho. A ferramenta combina dados de sensoriamento remoto com modelos matemáticos e algoritmos de aprendizado de máquina, permitindo também estimar com maior exatidão a área ocupada pela cultura.

Segundo os autores, a tecnologia tem potencial para agilizar a atuação do poder público na revisão das estimativas de safra antes mesmo da colheita, contribuindo para o monitoramento da oferta e dos preços do grão. O método também pode apoiar empresas de seguro rural na avaliação de perdas e auxiliar produtores na tomada de decisões após eventos climáticos extremos, como as geadas.

Safrinha se consolida como diferencial da agricultura brasileira

As geadas historicamente representam um risco relevante para a produção agrícola, sobretudo quando atingem a segunda safra, cujo calendário frequentemente avança sobre os meses mais frios do ano. Conhecida como “safrinha”, essa etapa produtiva deixou de ter caráter marginal nas últimas duas décadas e passou a ocupar papel central na agricultura brasileira, impulsionada por avanços tecnológicos, cultivares mais tolerantes ao frio e melhorias no manejo do solo.

Dados do projeto MapBiomas, divulgados em dezembro, indicam que a área plantada fora da safra principal triplicou desde o ano 2000, com forte concentração no milho, responsável por 62,2% da produção da safrinha em 2024. O Paraná figura entre os principais produtores dessa segunda safra, especialmente em áreas cultivadas após a soja, o que motivou a escolha da mesorregião Oeste Paranaense como área de teste do novo método, por ser frequentemente impactada por geadas.

Os resultados do trabalho foram publicados na revista científica Remote Sensing Applications: Society and Environment e, segundo os pesquisadores, representam o primeiro estudo a mapear os impactos de geadas no milho com base em imagens de satélite. A estimativa obtida apontou uma área de 740.007 hectares de milho de segunda safra na região analisada, número 1,7% superior aos dados oficiais, evidenciando o alto nível de precisão da ferramenta.

Geadas de 2020/2021 serviram de base para validação

A pesquisa utilizou como referência a safra 2020/2021, marcada por dois episódios severos de geada, em maio e junho, que afetaram significativamente as lavouras do Oeste do Paraná. Naquele ciclo, um período prolongado de seca atrasou o plantio da soja, empurrando o cultivo do milho da segunda safra para fevereiro e expondo a cultura às temperaturas mais baixas do inverno.

De acordo com as estimativas obtidas pelo método, 69,6% da área total plantada com milho foi impactada pelas geadas, sendo 3,5% no primeiro evento, em maio, e 66,1% na ocorrência mais intensa, em junho. Cerca de 30,4% da área não sofreu danos, seja porque já havia sido colhida ou porque não foi atingida pelo fenômeno.

Quando comparados a dados de seguradoras agrícolas, baseados em vistorias de campo e sinistros diretamente associados às geadas, os resultados do estudo apresentaram concordância de 75% no episódio mais severo, reforçando a confiabilidade da metodologia.

Tecnologia pode antecipar decisões ainda durante a safra

Para Michel Eustáquio Dantas Chaves, professor da Unesp e primeiro autor do artigo, o objetivo central é permitir a identificação de problemas ainda durante o ciclo da cultura. Segundo ele, mesmo uma redução de 1% nas incertezas das estimativas oficiais já representaria um ganho relevante para o planejamento agrícola e para a economia, considerando o peso da agricultura na balança comercial e no mercado interno.

Atualmente, a avaliação de danos por geadas depende majoritariamente de levantamentos de campo, que demandam tempo, recursos financeiros e estão sujeitos a maior grau de subjetividade. A nova ferramenta utiliza imagens do satélite Sentinel-2, com resolução entre 10 e 20 metros, associadas ao algoritmo Random Forest, permitindo análises frequentes, já que o satélite revisita a mesma área a cada cinco dias.

Além de identificar áreas afetadas, o modelo incorpora diferentes índices de vegetação e dados climatológicos, o que possibilita diferenciar danos causados por adversidades térmicas daqueles decorrentes de pragas ou falhas de manejo. Segundo os pesquisadores, a metodologia pode ser expandida para outras culturas sensíveis ao frio, como trigo, centeio e aveia, e aplicada em diferentes regiões do país.

O avanço, na avaliação dos autores, aponta para um futuro em que o sensoriamento remoto e a inteligência artificial terão papel cada vez mais estratégico na agricultura, tanto no monitoramento da produção quanto na prevenção de perdas associadas a eventos climáticos extremos.

Referência: UNESP