Ferramenta digital avançada para o gerenciamento de riscos agrícolas

• Processo: 17/19350-2
• Modalidade de apoio: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Data de Início da vigência: 01 de dezembro de 2018
• Data de Término da vigência: 31 de maio de 2021
• Área do conhecimento: Interdisciplinar
• Acordo de Cooperação: IBM Brasil
• Pesquisador responsável: Paulo Estevão Cruvinel
• Beneficiário: Paulo Estevão Cruvinel
• Instituição Sede: Embrapa Instrumentação Agropecuária. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). São Carlos , SP, Brasil
• Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
• Município: Rio de JaneiroSão Carlos
• Pesquisadores associados: João de Mendonça Naime ; José Dalton Cruz Pessoa ; José Marcos Garrido Beraldo ; Ladislau Marcelino Rabello ; Silvio Crestana
• Assunto(s): Agricultura Agronegócio Gestão de riscos Desenvolvimento de software Tomada de decisão Georreferenciamento
• Palavra(s)-Chave do Pesquisador: Agricultural | Agricultural monitoring | Agricultural Risk Management | Agriculture 4 | Algorithms for decision making support | and loss risks | logistical | Rational uses of agricultural inputs | 0 | Aplicação das engenharias na agricultura

Resumo

O Estado de São Paulo é um dos estados mais proeminentes do setor agrícola brasileiro, sendo de grande relevância para o agronegócio do país. O objetivo desta proposta é desenvolver uma Ferramenta Digital Avançada de Gerenciamento de Riscos Agrícolas, focada no estado de São Paulo, ou seja, que permita a cobertura em nível local, regional e nacional. Neste contexto, será desenvolvido um sistema robusto para a gestão de riscos agrícolas baseado em conhecimento e que poderá atender aos processos de tomada de decisão qualificada para os agricultores, a fim de antecipar, evitar e reagir aos choques decorrentes de externalidades negativas. Os serviços de processamento propostos serão implementados em uma infraestrutura de computação em nuvem, sendo específico para aplicações agrícolas geoespacializadas, que envolvam grandes quantidades de dados e análises. Além disso, os procedimentos de processamento, produtos de informação e imagens geoespaciais serão expostos através de aplicativos web baseados no uso de mapas georeferenciados. A integração do processamento e da aplicação web viabilizará possibilidades de personalização de aplicativos, sendo assim adaptativo às culturas agrícolas e escalas envolvidas e com infraestrutura de nuvem, conteúdo e diversas fontes de dados. Adicionalmente, como os dados podem ser pesquisados e acessados através de interfaces web e APIs padrão, soluções poderão ser rapidamente estabelecidas. Assim, esse sistema de gestão de riscos da agricultura preservará o padrão de vida daqueles que dela dependam e fortalecerá a viabilidade das empresas agrícolas, proporcionando um ambiente que apoie o investimento no setor. Além disso, o sistema de processamento poderá beneficiar empresas menores, outros stakeholders envolvidos na cadeia agrícola de valor, inclusive pesquisadores. Três fontes básicas de risco agrícola serão consideradas: risco agrícola, risco logístico e risco de perdas. As opções para a entrega de dados geoespaciais incluirão: serviço de mapa web, serviço de mapa em mosaico, serviço de cobertura na web e entrega de arquivos ftp/http. Atualmente, nenhum sistema está disponível para expor os dados multi-espectralmente, o que é necessário ao usuário final para os processos de decisão. O desenvolvimento desse sistema melhorará os modelos existentes de acesso a dados, que atualmente são onerosos e exigem gerenciamento excessivo, não fornecendo rápido acesso aos dados para as decisões no ambiente agrícola. As opções de entrega irão facilitar o acesso flexível aos dados. O conceito de agricultura de informação, ou seja, a agricultura 4.0, será aplicada de forma a se configurar e estabelecer um sistema de apoio à decisão robusto que viabilize armazenar, recuperar e processar conhecimentos específicos sobre o ambiente agrícola para monitorar esses riscos associados à produção de alimentos e de biomassa com segurança. O produto de pesquisa proposto tem potencial de comercialização significativo, uma vez que os benefícios serão em grande parte econômicos, pois podem reduzir os riscos agrícolas, o risco logístico e o risco de perdas, minimizando a insegurança ou produtos de menor qualidade, enfatizar responsabilidades e evitando perdas, entre outras. Além disso, a ferramenta a ser desenvolvida poderá ser usada para reduzir reivindicações de falsas de seguros em agricultura. Os benefícios secundários incluem o aumento da segurança alimentar e a redução dos impactos ambientais, uma vez que beneficia a sustentabilidade. Finalmente, poderá aumentará a disponibilidade de produtos de informação agrícola no Brasil, além de aumentar a liderança e a inovação do conhecimento geoespacial e seu uso na agricultura. A iniciativa proposta também promoverá a transferência de conhecimento entre os pesquisadores e o setor produtivo, incluindo a indústria agrícola no Brasil. (AU)

Publicações científicas

(8)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

CHIUYARI VERAMENDI, WILBUR N.; CRUVINEL, PAULO E.; IEEE. Algorithm For the Countering Maize Plants Based On UAV, Digital Image Processing and Semantic Modeling. 2021 IEEE 15TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2021), v. N/A, p. 5-pg., 2021-01-01. (17/19350-2)

NEVES, RICARDO A.; CRUVINEL, PAULO E.; IEEE. Application of Image Processing and Advanced Intelligent Computing for Determining Stage of Asian Rust in Soybean Plants. 16TH IEEE INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2022), v. N/A, p. 7-pg., 2022-01-01. (17/19350-2)

CRUVINEL, PAULO E.; IEEE. Advanced Digital Platform for Agricultural Risk Management. 16TH IEEE INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2022), v. N/A, p. 8-pg., 2022-01-01. (17/19350-2)

NEVES, RICARDO A.; CRUVINEL, PAULO E.; IEEE. Model for Semantic Base Structuring of Digital Data to Support Agricultural Management. 2020 IEEE 14TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2020), v. N/A, p. 4-pg., 2020-01-01. (17/19350-2)

ALVES, GABRIEL M.; CRUVINEL, PAULO E.. Parallel and distributed processing for high resolution agricultural tomography based on big data. MULTIMEDIA TOOLS AND APPLICATIONS, v. N/A, p. 32-pg., 2023-06-20. (17/19350-2)

NEVES, RICARDO A.; CRUVINEL, PAULO E.; IEEE. Ontology for Structuring a Digital Databases for Decision Making in Grain Production. 2021 IEEE 15TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2021), v. N/A, p. 7-pg., 2021-01-01. (17/19350-2)

LIMA PEREIRA, MAURICIO F.; CRUVINEL, PAULO E.; ALVES, GABRIEL M.; BERALDO, JOSE MARCOS G.; IEEE. Parallel Computational Structure and Semantics For Soil Quality Analysis Based On LoRa and Apache Spark. 2020 IEEE 14TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2020), v. N/A, p. 5-pg., 2020-01-01. (17/19350-2)

BERTOLLA, ALEX B.; CRUVINEL, PAULO E.; IEEE. Band-Pass Filtering for Non-Stationary Noise in Agricultural Images to Pest Control Based On Adaptive Semantic Modeling. 2021 IEEE 15TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2021), v. N/A, p. 6-pg., 2021-01-01. (17/19350-2)